[发明专利]一种基于人工智能的职业性尘肺病精准诊断系统及方法

权利要求书

1.一种基于人工智能的职业性尘肺病精准诊断方法，其特征在于，所述的基于人工智能的职业性尘肺病精准诊断方法包括以下步骤：

步骤一：规范化采集技术质量优良的X线高千伏和数字化摄影(DR)后前位胸片，对其进行分区、分期标记，确定职业性尘肺病分期结果，分析、建立病灶影像特征与该病病理基础、解剖之间的关联关系；

步骤二：用于X线高千伏和DR后前位胸片图像分割、标签分布构建、期别预测的深度学习模型和技术方案，对职业性尘肺病影像中无尘肺、壹期、贰期和叁期尘肺进行分级；

步骤三：将提出的深度学习诊断模型作为临床诊断的辅助工具，对结果进行对比验证和优化；建立诊断系统，指导职业性尘肺病的预防、诊断以及职业病伤残等级评定。

2.如权利要求1所述的基于人工智能的职业性尘肺病精准诊断方法，其特征在于，所述步骤二中，对职业性尘肺病影像中出现的弥漫分布、目标病灶小的病变进行识别、分级，具体采用影像数据标记、弥漫性病变分割检测、标签分布构建和职业性尘肺病识别分期方法。

3.如权利要求1所述的基于人工智能的职业性尘肺病精准诊断方法，其特征在于，所述步骤一中，影像数据标记具体采用以下步骤：

①对职业性尘肺病X线高千伏和DR后前位胸片影像，按照职业性尘肺病诊断标准中的方法对肺野进行分区，对照标准片，分别对各区的阴影形态、密集度进行分级标记；

②影像数据标记由5名从事胸部影像诊断工作5年以上的主治医师完成；所有拟标记影像数据进行随机选取，避免数据选择偏倚；在标记过程中意见不一致时协商解决，或反馈到高级职称医师进行系统性分析并确定结论；

③由3名取得国家职业性尘肺病诊断医师资格的职业性尘肺病知名诊断专家采用少数服从多数的原则评价各组数据标记的准确性和确定职业性尘肺病分期。

4.如权利要求1所述的基于人工智能的职业性尘肺病精准诊断方法，其特征在于，所述步骤二中，通过图像分割算法提取胸片中的肺野图像；图像分割算法可以在level set、graph cut等传统图像分割算法中任意选取，也可以通过采用公开胸片肺野分割数据集(Montgomery，JSRT)训练U-Net的方式获取。

5.如权利要求1所述的基于人工智能的职业性尘肺病精准诊断方法，其特征在于，所述步骤二中，构建后前位胸片所属期别对应的标签分布，具体为：基于对数正态分布构建标签分布的方法，综合该方法构建的标签分布和one-hot标签，训练卷积神经网络。

6.如权利要求1所述的基于人工智能的职业性尘肺病精准诊断方法，其特征在于，所述步骤二中，职业性尘肺病期别预测，将肺野图像输入主干网络，预测胸片所属尘肺期别，通过降采样算法将步骤1中得到的肺野图像尺寸缩减为512×512，然后将其输入主干网络，主干网络最后一个全连接层的输出节点数量为4，在主干网络训练阶段，计算损失，反向传播，优化主干网络，在推理阶段，直接输出主干网络预测结果。

7.一种实现权利要求1所述基于人工智能的职业性尘肺病精准诊断方法的基于人工智能的职业性尘肺病精准诊断系统，其特征在于，所述基于人工智能的职业性尘肺病精准诊断系统包括：包括服务器、客户端和诊断系统；

诊断系统包括信息输入模块、机器学习智能诊断模块和结果输出模块。

8.一种实现权利要求7任意一项所述人工智能的职业性尘肺病精准诊断系统的信息数据处理终端。

9.一种实现权利要求7任意一项所述人工智能的职业性尘肺病精准诊断系统的移动设备。

10.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求7任意一项所述人工智能的职业性尘肺病精准诊断系统。