[发明专利]基于深度学习的计算机辅助诊断方法

说明书

本发明为一种基于深度学习的计算机辅助诊断方法，其克服了现有技术中存在的人工阅片效率低下、带来的主观性差异的问题，本发明借助计算机辅助诊断技术，辅助口腔医生发现病灶，提高对口腔粘膜性疾病诊断的准确率，平衡医疗资源。本发明包括以下步骤：步骤1：采集数据；步骤2：目标图片诊断功能；步骤3：图像剪裁功能；步骤4：图像缩放和平移功能：使用opencv设计图像的缩放和平移模块：步骤5：图像对比度功能；步骤6：图像旋转功能；步骤7：基于pyqt5设计应用程序界面，将所有功能进行封装，完成功能的测试；步骤8：打包成可执行文件；步骤9：软件测试，将口腔黏膜性疾病的图像拍摄上传至软件中，测试软件性能。

技术领域：

本发明属于智能医疗技术领域，涉及一种基于深度学习的计算机辅助诊断方法。

背景技术：

随着人们生活水平的提高，人们对口腔健康的需求与日俱增，这对目前有限的医疗资源和医疗技术提出了更大的挑战。医疗领域亟需新的技术满足这些需求。近些年来医学成像技术、计算机技术和深度学习算法等都有较大的进步，利用深度学习算法进行医学图像分析已经成为非常热点的研究方向，这对临床疾病诊断和治疗提供了新的技术手段，为解决医疗领域的挑战提供了新的机遇。计算机辅助诊断应用而生，它是指通过影像学、医学图像处理技术以及其他可能的生理、生化手段，结合计算机的分析计算，辅助影像科医师发现病灶，提高诊断的准确率。人们对人工智能辅助诊断可以承担繁琐的病灶筛查工作，迅速地从海量数据中提取出与诊断相关的有价值的信息，同时避免人工阅片带来的主观性差异。

发明内容：

本发明的目的在于提供一种基于深度学习的计算机辅助诊断方法，其克服了现有技术中存在的人工阅片效率低下、带来的主观性差异的问题，本发明借助计算机辅助诊断技术，辅助口腔医生发现病灶，提高对口腔粘膜性疾病诊断的准确率，平衡医疗资源。

为实现上述目的，本发明采用的技术方案为：

一种基于深度学习的计算机辅助诊断方法，其特征在于：包括以下步骤：

步骤1：采集数据，通过口腔医生采集口腔病理图片，并对所有病理图片分类并标注上疾病诊断结果标签，建立具有疾病诊断标签的病理图像数据集；

步骤2：目标图片诊断功能；

步骤3：图像剪裁功能；使用pyqt5的信号与槽的原理，设计自定义裁剪模块，裁剪出ROI区域，将裁剪后的图片送入步骤2中最优的网络模型种进行检测；剔除与病变无关的部分，只使用ROI区域图片；

步骤4：图像缩放和平移功能：使用opencv设计图像的缩放和平移模块：

步骤5：图像对比度功能：

调用Python图像处理库PIL的ImageEnhance模块；

步骤6：图像旋转功能：

调用opencv中的rotate函数，完成图片旋转90度的功能；使用

cv2.rotate()方法将2D数组旋转90度的倍数；

步骤7：基于pyqt5设计应用程序界面，将所有功能进行封装，完成功能的测试；

步骤8：打包成可执行文件，使用pyinstaller打包成可执行文件；

步骤9：软件测试，将口腔黏膜性疾病的图像拍摄上传至软件中，测试软件性能。

步骤2包括以下步骤：

步骤2.1：去掉背景复杂，难以辩认的图片，对处理后的图像做批量图像增强，包括旋转、水平反转、对比度、随机剪裁和高斯噪声，将所有数据集中的图像缩放为224×224大小，方便模型训练；