[发明专利]一种基于深度学习的异常胸片智能识别方法及系统在审
| 申请号： | 201710619312.4 | 申请日： | 2017-07-26 |
| 公开（公告）号： | CN107730484A | 公开（公告）日： | 2018-02-23 |
| 发明（设计）人： | 吴文辉;陶信东 | 申请（专利权）人： | 江西中科九峰智慧医疗科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 上海天翔知识产权代理有限公司31224 | 代理人： | 刘常宝 |
| 地址： | 330096 江西省南昌市南昌高新技*** | 国省代码： | 江西;36 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 学习 异常 胸片 智能 识别 方法 系统 | ||
1.一种基于深度学习的异常胸片智能识别方法，其特征在于，通过大量人工标注的样本来训练一个深度神经网络，所述深度神经网通过自主学习胸片异常影像特征，并以此来识别胸片中异常的影像特征。
2.根据权利要求1所述的异常胸片智能识别方法，其特征在于，所述样本包括包含异常胸片的正样本和其他人胸片样本，在标注时首先从历史样本数据中筛选出候选样本，再对候选样本进行审核。
3.根据权利要求1所述的异常胸片智能识别方法，其特征在于，采用随机梯度下降模型训练形成深度神经网络，并利用GPU加速训练。
4.根据权利要求1所述的异常胸片智能识别方法，其特征在于，所述深度神经网络包括5个交替出现的卷积层，ReLU层和池化层，以及2个全连接层。
5.根据权利要求1所述的异常胸片智能识别方法，其特征在于，所述深度神经网络通过误差反向传播模型进行自主学习异常胸片的影像特征。
6.根据权利要求1所述的异常胸片智能识别方法，其特征在于，所述智能识别方法还根据胸片中异常影像特征的识别结果给出异常胸片的概率。
7.一种基于深度学习的异常胸片智能识别系统，其特征在于，包括：
样本库，所述样本库中存储大量人工标注的样本；
神经网络训练模块，所述神经网络训练模块从样本库中获取经过标注的样本，并进行训练形成深度神经网络，自主学习胸片异常影像特征；
识别模块，所述识别模块调用深度神经网络对胸片进行异常影像特征的识别。
8.根据权利要求7所述的异常胸片智能识别系统，其特征在于，所述识别系统中还包括胸片获取模块，所述胸片获取模块与识别模块数据连接，将待识别的胸片传至识别模块。
9.根据权利要求7所述的异常胸片智能识别系统，其特征在于，所述识别系统中还包括概率计算模块，所述概率计算模块与识别模块数据连接，根据识别模块识别异常影像特征的识别结果计算出胸片异常和/或正常的概率。
10.根据权利要求9所述的异常胸片智能识别系统，其特征在于，所述识别系统中还包括一输出模块，所述输出模块与概率计算模块数据连接，输出概率计算模块的计算结果。
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江西中科九峰智慧医疗科技有限公司，未经江西中科九峰智慧医疗科技有限公司许可，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/201710619312.4/1.html，转载请声明来源钻瓜专利网。
