[发明专利]结核性和癌性胸腔积液无创性鉴别诊断模型的构建方法在审
| 申请号： | 202210200918.5 | 申请日： | 2022-03-02 |
| 公开（公告）号： | CN114693690A | 公开（公告）日： | 2022-07-01 |
| 发明（设计）人： | 金阳;汪速飞;谭学耘;夏慧;王智慧;杨炼;鲍庆嘉;李丕强;范茜茜;陈文娟;梁梦圆;刘宇 | 申请（专利权）人： | 华中科技大学同济医学院附属协和医院 |
| 主分类号： | G06T7/10 | 分类号： | G06T7/10;G06T7/00;G06V10/764;G06K9/62 |
| 代理公司： | 北京贵都专利代理事务所(普通合伙) 11649 | 代理人： | 李新锋 |
| 地址： | 430000 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 结核 胸腔 积液 无创性 鉴别 诊断 模型 构建 方法 | ||
1.结核性和癌性胸腔积液无创性鉴别诊断模型的构建方法，其特征在于，包括以下步骤：
S1：以传统Unet作为基本骨架，增加三个维度的注意力机制，构建一类深度学习模型；
S2：将整张CT图像输入深度学习模型，深度学习模型提取整张CT图像的特征信息，以得到GlobalLoss，以GlobalLoss的准确率为依据，更新一类深度学习模型的参数，得到二类深度学习模型；
S3：将整张CT图像的三维数据裁剪为小块图像三维数据，再将小块图像三维数据输入二类深度学习模型进行训练，以准确率为依据，更新二类深度学习模型的参数，得到三类深度学习模型；
S4：将整张CT图像的三维数据输入三类深度学习模型，三类深度学习模型提取整张CT图像的特征信息并对整张CT图像进行分割，以得到LocalLoss，以LocalLoss的准确率为依据，更新三类深度学习模型的参数，得到四类深度学习模型；
S5：将整张CT图像和局部CT图像输入到四类深度学习模型，四类深度学习模型分别提取特征信息，以得到GlobalLoss和LocalLoss，再通过特征融合得到FusionLoss，以FusionLoss的准确率为依据，更新四类深度学习模型的参数，得到五类深度学习模型，五类深度学习模型即结核性和癌性胸腔积液无创性鉴别诊断模型。
2.根据权利要求1所述的结核性和癌性胸腔积液无创性鉴别诊断模型的构建方法，其特征在于：所述步骤S3中，小块图像三维数据的尺寸为32×32×32。
3.根据权利要求1所述的结核性和癌性胸腔积液无创性鉴别诊断模型的构建方法，其特征在于：所述步骤S2、S3、S4和S5中，准确率需达到95％以上。
4.根据权利要求1所述的结核性和癌性胸腔积液无创性鉴别诊断模型的构建方法，其特征在于：所述步骤S5中，通过结核性和癌性胸腔积液无创性鉴别诊断模型诊断出的结果被存储至文件夹中，供医生作为平时人为诊断训练的样本使用。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华中科技大学同济医学院附属协和医院，未经华中科技大学同济医学院附属协和医院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202210200918.5/1.html，转载请声明来源钻瓜专利网。
