[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

说明书

本发明公开了结核性和癌性胸腔积液无创性鉴别诊断模型的构建方法，属于医学技术领域，包括以下步骤：S1：构建一类深度学习模型；S2：构建二类深度学习模型；S3：构建三类深度学习模型；S4：构建四类深度学习模型；S5：构建五类深度学习模型；本发明先以传统Unet作为基本骨架，通过增加三个维度的注意力机制，构建深度学习模型，再通过裁剪的局部CT图像训练模型的分割性能，后通过整体CT图像和分割的局部CT图像对模型的分类性能进行训练，最终得到该诊断模型，构建出的诊断模型在诊断时仅通过CT图像即可鉴别诊断，具有低成本、非侵入性、准确性高的优点，减少患者并发症风险，降低医疗成本的同时提升诊断效率，有效缓解临床工作者压力。

技术领域

本发明属于医学技术领域，具体涉及结核性和癌性胸腔积液无创性鉴别诊断模型的构建方法。

背景技术

良恶性胸腔积液的鉴别是临床中常见的重点与难点，其中结核性和肺癌性胸腔积液的鉴别至关重要，在结核性和肺癌性胸腔积液的鉴别过程中，若仅依靠患者病史、临床征象来诊断，诊断准确率较低，因此还需要通过多种检查来辅助诊断，如胸水常规、生化等检查手段，而胸腔穿刺术是抽取胸水进行常规生化等多项检查的重要措施，但胸腔穿刺术让患者存在一定的并发症风险，而且诊断效率较慢，因此需要设计结核性和癌性胸腔积液无创性鉴别诊断模型的构建方法，通过无创性鉴别诊断模型以解决上述问题。

发明内容

为解决上述背景技术中提出的问题。本发明提供了结核性和癌性胸腔积液无创性鉴别诊断模型的构建方法，具有具有低成本、非侵入性、准确性高的优点，减少患者并发症风险，降低医疗成本的同时提升诊断效率，有效缓解临床工作者压力的特点。

为实现上述目的，本发明提供如下技术方案：结核性和癌性胸腔积液无创性鉴别诊断模型的构建方法，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。

本发明中进一步的，所述步骤S3中，小块图像三维数据的尺寸为32×32×32。

本发明中进一步的，所述步骤S2、S3、S4和S5中，准确率需达到95％以上。

本发明中进一步的，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。

与现有技术相比，本发明的有益效果是：