[发明专利]基于卷积神经网络的心脏病变自动检测系统

说明书

本发明基于卷积神经网络的心脏病变自动检测系统，其特征在于，包括：数据库、病变信息处理模块、关键帧提取模块、数据清洗模块、信息融合及存储模块、卷积神经网络学习模块、模型存储及筛选模块以及病变检测模块；涉及深度学习、医疗以及计算机视觉等领域，通过科学优化的设计，创建并实现了一套基于卷积神经网络的心脏冠状动脉钙化、完全闭塞及血栓病变全自动智能检测系统，针对诊断对结果准确率以及时效性的需求，设计结构巧妙，无需任何人工辅助便可以输出高质量辅助诊断检测结果，为冠状动脉患者以及医生带来便利。

技术领域

本发明涉及心脏病变检测装置技术领域，尤其是一种基于卷积神经网络的心脏病变自动检测系统。

背景技术

冠状动脉疾病是一种严重危害人体健康的疾病，它具有高死亡率、高残疾率、高发病率，即使现在医疗水平有所提高，冠状动脉疾病依旧会给患者带来很大的创伤，每年全球约有1500万的人死于这种疾病，位居各种死因首位；

目前，利用冠状动脉造影成像技术是进行心脏冠状动脉检查及诊断的主要方法，然而对造影成像图片的分析需要大量的专业医疗人员，对他们的医疗经验，职业素质也具有较高的要求；与此同时，再专业的医师也可能会忽略掉某些细节信息，而且造影图片还会受到拍摄环境、设备状态等非人为因素的影响，此外造影图片还会出现复杂的结构如组织重叠、病理多变；若要对患者的病变情况做出完全无误的诊断还存在一定的难度；

为了提高医务人员的诊断准确率，现有技术中，提供了一套智能辅助诊断系统。使用深度学习模型，配合系统输出结果给医生提供诊断帮助，例如：公开号为CN 109360646 A的专利技术，发明名称为：基于人工智能的病理辅助诊断系统，该发明公开了一种基于人工智能的病理辅助诊断系统，采用分布式异构集群系统，包括：数据存储模块、分布式计算模块和任务调度模块；分布式计算模块与数据存储模块和任务调度模块通信连接；其中，数据存储模块用于：接收客户端触发的操作指令，存储全扫描病理图像，并在图像分析任务进行时，为全图读取的病理图像提供缓存空间；分布式计算模块用于：按照异构计算的方式，并行执行病理图像的分析任务和深度学习模型对应的计算任务；任务调度模块用于：管理所述分布式计算模块对应执行的各项任务；能够解决多层级、大尺寸、高分辨率的图像的分析处理问题，提高了分析效率，由于采用了集群系统，使得系统能够增量扩展，同时也提高系统的容错性；

但该发明设计存在着以下不足：

缺陷1：该发明使用逐像素学习的方式进行辅助诊断，这种方式会花费大量的时间，虽然该发明使用CPU结合GPU异构的方式，从物理性能角度出发解决耗时长的问题，但是这种方式并没有从算法根本上解决问题；

而本发明使用非像素学习方式，利用卷积神经网络对冠状动脉病变进行检测，检测一张图片的时间仅为0.4秒；

缺陷2：该发明利用像素之间的变化趋势来突出病例图片中的纹理特征，利用这种方式提取的特征过于单一，不能获取充分信息；

而本发明强调了特征学习的重要性，通过特征变换，将输入的原始特征映射变换到新特征空间，并使用自主学习的方式，让网络本身根据输入数据的特点学习病变特征，通过减小损失函数，不断迭代来优化网络模型的检测效果；同时，本发明还设计了巧妙的模块结构，加强不同层特征的融合以及局部特征的融合，这便从根本上解决了特征单一问题，因此本发明会具有更好的检测效果。

发明内容

为了克服上述现有技术的不足，本发明提供一种基于卷积神经网络的心脏病变自动检测系统，涉及深度学习、医疗以及计算机视觉等领域，主要针对人工心脏冠状动脉病变诊断存在的费时费力，且准确率不高的问题，通过科学优化的设计，创建并实现了一套基于卷积神经网络的心脏冠状动脉钙化、完全闭塞及血栓病变全自动智能检测系统，针对诊断对结果准确率以及时效性的需求，设计结构巧妙，无需任何人工辅助便可以输出高质量辅助诊断检测结果，为冠状动脉患者以及医生带来便利。