[发明专利]一种新冠肺炎诊断系统、介质及设备

说明书

本发明公开了一种新冠肺炎诊断系统，包括图像输入模块、特征提取模块、专家诊断模块、综合评估模块和诊断结果输出模块，图像输入模块用于输入X光正位胸片图像；特征提取模块用于构建并预训练ResNet深度网络模型，预训练完毕后去除末端全连接层，其剩余部分作为图像特征提取器，采用图像特征提取器提取X光正位胸片图像的特征形成样本；专家诊断模块用于构建多个动态学习网络分类器；综合评估模块用于针对各个动态学习网络分类器，构建集成动态学习网络模型来对图像进行诊断，得到诊断预测结果；诊断结果输出模块用于输出最终诊断结果。还提供了相应的介质及设备。集成动态深度学习网络模型大大提高了模型训练效率。

技术领域

本发明涉及人工智能预测评估技术领域，具体涉及一种新冠肺炎诊断系统、介质及设备。

背景技术

对新冠肺炎，运用人工智能方法和模型对X光正位胸片图像进行读取和诊断具备以下优势：

1.诊断结果非常直观，不但可以判断是否患病，而且可以判断严重程度和发展阶段；

2.相互验证诊断结果，确保诊断结果准确稳定；

3.检测设备轻便，方便运输，维护简便，原材料消耗少；

4.全程耗时少(15s)，一经查出患病马上把患者送去就医，诊断效率高；

5.技术要求低，所需用人少。

针对X光正位胸片图像的自动智能诊断过程，在现有的统计学习模型中，深度残差网络(Residual convolutional neural network,ResNet)通过引入“捷径”连接的方式有效防止梯度消失问题，因其优异的学习拟合图像的能力而在图像识别领域里得以广泛应用。然而ResNet末端的全连通层的泛化性能可能不够强大，不能作为合适的分类器对图像的深度卷积特征进行分类。而且在对新冠肺炎的诊断过程中针对图像的深度卷积特征，以往只采用单个分类器模型，诊断结果的可靠性难以保证，这些缺陷在智能化疾病诊断的过程中受到很大制约。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提供一种新冠肺炎诊断系统、介质及设备，本发明针对X光正位胸片图像采用具有集成动态学习网络模型的综合评估模块，首先，在计算机的硬盘上存储有诊断系统，通过视图传输设备在计算机上输入X光片。采用特征提取模块提取特征样本；对于所提取出来的图像特征样本，采用综合评估模块诊断是否患新冠肺炎。这种集成动态深度学习网络模型大大提高了模型训练效率，同时运用综合诊断机制能够有效保证结果的可靠性，结果可通过显示器显示出来。

为了达到上述目的，本发明提供一种新冠肺炎诊断系统，包括图像输入模块、特征提取模块、专家诊断模块、综合评估模块和诊断结果输出模块，

所述图像输入模块用于输入X光正位胸片图像；

所述特征提取模块用于构建并预训练ResNet深度网络模型，预训练完毕后去除末端全连接层，其剩余部分作为图像特征提取器，采用所述图像特征提取器提取X光正位胸片图像的特征形成样本；

所述专家诊断模块用于构建多个动态学习网络分类器，包括输入层、隐含层和输出层，设定输入神经元个数为训练集特征样本维度以及隐含层和输出层神经元的激活函数，输入层与隐含层之间各个连接权重分量随机初始化且保持不变，隐含层与输出层之间各个连接权重分量随机初始化并进行训练；

所述综合评估模块用于针对各个动态学习网络分类器，构建集成动态学习网络模型来对图像进行诊断，得到诊断预测结果；

所述诊断结果输出模块用于输出最终诊断结果。

作为优选的技术方案，所述图像输入模块包括：

预处理单元，用于将X光正位胸片图像顺序变换成RGB次序，并调整各图像的大小一致；