[发明专利]基于深度学习的冠状动脉病变自动检测方法、系统和设备

摘要

本发明提供了一种基于深度学习的冠状动脉病变自动检测方法、系统和设备，通过训练步骤和测试步骤应用基于深度学习的物体检测技术到冠状动脉的病变检测之中。应用基于机器学习的文本处理技术到冠状动脉的病变检测之中。将文本处理与图像处理技术融合，融合了多个模态的信息用于冠状动脉的病变检测。完全将冠状动脉病变检测的流程自动化，在检测过程中无需人工参与。使用本发明的技术方案解决了医疗图像中的病变无法实时检测，而且像素检测的准确度低的技术问题，可以实时地检测出心脏冠状动脉中的病变，并给医生以参考和帮助。相比其他系统，本发明显著提高了病变检测率，缩短了诊疗流程。

主权项

1.一种基于深度学习的冠状动脉病变自动检测方法，其特征在于，该方法包括以下步骤：步骤一、训练步骤，包括：S101、文本信息处理模块从医疗综合数据库中存储的冠状动脉病变病历中提取病人的基本特征，基于提取的基本特征使用C4.5决策树算法训练一个分类决策树，分类决策树将病变种类信息输出至Dicom视频处理模块中；S102、Dicom视频处理模块通过接收到的病变种类信息，使用SSN从医疗综合数据库中存储的与所述病变种类信息对应的心脏造影Dicom视频中筛选出包含病变的关键帧，并将关键帧输出到神经网络控制器中；S103、神经网络控制器基于caffe深度学习框架使用关键帧数据逐层训练，若网络训练次数小于设定阈值，从Dicom视频处理模块中继续读取关键帧数据逐层训练，直至网络训练次数达到设定阈值，停止训练，将神经网络中各个层的参数组合成模型存储到模型存储模块中；步骤二、测试步骤：S201、神经网络控制器接收特定病人的Dicom视频，基于特定病人的Dicom视频从模型存储模块中提取对应的模型，将特定病人的Dicom视频数据输入至训练好的模型中，输出最终的病变位置和病变种类。