[发明专利]基于深度学习和数字图像结合的肺区尘肺分期系统

说明书

本发明提出了一种基于深度学习和数字图像结合的肺区尘肺分期的装置及系统；所述系统包括图像数据接入模块，用于获取原始图像的数据；肺区子区域分割模块用于将左右肺区分别划分为上中下三个子区域；对比度增强模块用于对原始图像进行直方图均衡化；暗通道计算模块用于计算子肺区的暗通道；暗通道差值特征抽取模块用来获取暗通道与输入图像差值，以更准确地抽取肺部尘絮的特征；子肺区特征抽取模块用以抽取均衡化后肺区的特征；双分支特征融合模块用以融合暗通道差值特征和对应的子肺区特征；分期模块最后用作分类尘肺所属阶段。本发明能够融合暗通道差值特征进预处理后的图像，且尽可能保留了强化了尘絮特征本身的特征，提高了模型分类的鲁棒性和准确性。

技术领域

本发明涉及医学图像分析与处理技术领域，特别是涉及一种基于深度学习和数字图像结合的肺区尘肺分期系统。

背景技术

随着现代化的建设逐步完善，一些新型的职业病开始出现，比如在材料建筑、工件生产领域，尘肺的出现引起了社会的广泛关注。肺尘，全名肺尘埃沉着病，是由于在职业活动中长期吸入生产性粉尘(灰尘)，并在肺内潴留而引起的以肺组织弥漫性纤维化(瘢痕)为主的全身性疾病。

由于现在医院病人尘肺的判断大都依赖主治医生的经验和与国家标准表的对照，因此难免会出现对尘肺病理的不准确甚至是误判的情况，这可能导致病人错过最佳的治疗时间。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于深度学习和数字图像结合的肺区尘肺分期系统。

为了实现本发明的上述目的，本发明提供了一种基于深度学习和数字图像结合的肺区尘肺分期系统，包括：

图像数据接入模块、肺区子区域分割模块、对比度增强模块、暗通道计算模块、暗通道差值特征抽取模块、子肺区特征抽取模块、双分支特征融合模块、分期模块，

图像数据接入模块的数据输出端与肺区子区域分割模块的数据输入端相连，肺区子区域分割模块的数据输出端与对比度增强模块的数据输入端相连，对比度增强模块的数据输出端分别与暗通道计算模块、子肺区特征抽取模块的数据输入端相连，暗通道计算模块的数据输出端与暗通道差值特征抽取模块的数据输入端相连，

子肺区特征抽取模块的数据输出端、暗通道差值特征抽取模块的数据输出端与双分支特征融合模块的数据输入端相连，双分支特征融合模块的数据输出端与分期模块的数据输入端相连；

图像数据接入模块：用于获取待分割原始图像；

肺区子区域分割模块：用于将左右肺区分别划分为上中下三个子区域；

对比度增强模块：用于对肺区子区域图像进行直方图均衡化；

暗通道计算模块：利用暗通道先验计算均衡化后的子肺区的暗通道；

暗通道差值特征抽取模块：用来获取暗通道与原始图像差值，用于抽取肺部尘絮的特征；

子肺区特征抽取模块：用以抽取均衡化后肺区的特征；

双分支特征融合模块：将暗通道差值特征抽取模块输出的子区域图和子肺区特征抽取模块输出的子肺区特征进行叠加融合；

分期模块：根据双分支特征融合模块的输出值用作分类尘肺所属阶段，所述输出值为尘肺所属各阶段的概率值，概率值最大的就是分期的结果；所述阶段包括正常阶段、一期阶段、二期阶段和三期阶段。

进一步地，所述肺区子区域分割模块包括：

解外接矩阵模块和子区域分割模块，解外接矩阵模块的数据输出端与子区域分割模块的数据输入端相连；

解外接矩阵模块：用于对完整肺区进行外接矩阵裁剪；

子区域分割模块：对裁剪之后的肺区进行三等分处理，左右肺区都将被划分为上中下三部分的子区域。