[发明专利]基于深度卷积脉冲神经网络的肺结核辅助决策系统

说明书

本发明公开了一种基于深度卷积脉冲神经网络的肺结核辅助决策系统，包括建立并训练深度脉冲卷积神经网络模型，测试深度脉冲卷积神经网络模型和使用深度脉冲卷积神经网络模型三个步骤。在训练该模型时，采用基于脉冲时间依赖可塑性规则的无监督学习和基于奖励调制脉冲时间依赖可塑性规则的强化学习相结合的方式实现网络突触权值学习。将提出的模型应用于蒙哥马利胸部X光片数据集中进行肺结核诊断，验证该模型的分类性能。同时还分析了模型的一些重要参数对模型分类性能的影响。实验结果表明，所提模型能够对输入的胸部X光片准确分类。

技术领域

本发明属于脑电信号检测技术领域，具体涉及一种基于深度卷积脉冲神经网络的肺结核辅助决策系统。

背景技术

一、目前结核病诊断现状

结核病(pulmonary tuberculosis，PTB)是一种慢性的传染病，该疾病通过空气就可以进行传播，极大的威胁着人民的生命。2019年，全球预计有1000万人感染了肺结核疾病。目前通过医学观察，如果可以及时的诊断，较早发现患病，进行合理治疗，大多数患者能够痊愈。肺结核的诊断一般通过胸部X光片、胸部CT等影像学检查手段，现代人工智能技术已经在医学图像处理方面取得了巨大进步，当前也涌现出大量通过机器学习技术对胸部X光片等医学图像进行辅助处理的技术，从而实现通过计算机辅助诊断对肺结核疾病检测。

目前，对于基于传统机器学习的肺结核的辅助诊断过程一般是2步：第1步是将肺结核的图像进行一定的特征提取；第2步，通过对特征的判断、分析，用分类器来对肺结核特征进行诊断分类。目前研究者们通过诸多不同的方法提取特征，通过特征直接判断是否患病。其中具有影响力且精确度较高的方法包含但不限于：通过提取局部纹理特征来判断是否患有肺结核；通过对图像的操作，采用小波纹理测量的方式，计算结果，运算出12种纹理的特征，通过这些特征判断是否患病；利用了用户引导的Snake算法，对重点的肺部区域进行分割，提取出相应的像素数据，并将提取出的重点肺部区域通过基于决策树的分类器(C4.5)进行分类；通过特征向量和欧氏距离相结合的形式对肺结核进行分类；采用基于混合知识的贝叶斯分类方法自动检测肺结核病腔，应用梯度反变异系数和圆度检测对检测到的特征进行分类，确定准确的肺结核病腔。采用区域生长和边缘重建算法，对肺部区域进行分割，从病变的区域来提取特征。然后把提取的特征带入支持向量机(Support VectorMachine，SVM)中进行图像诊断。

二、现有专利对结核病计算机辅助诊断的研究

中国专利“CN201710618397一种基于DR的肺结核智能识别方法及系统”提供了一种基于深度神经网络的肺结核识别方法。此专利通过大量标注的样本对搭建的深度神经网络进行训练，其中深度神经网络由5个交替出现的卷积层，ReLU层和池化层，以及2个全连接层组成；所述系统通过误差反向传播模型进行自主学习肺结核影像特征，并根据DR图像中肺结核影像特征的识别结果给出疑似肺结核的概率。

中国专利“201911238180一种具有影像征象解释的肺结核智能识别方法及系统”提供了一种利用影像矢量图进行肺结核识别的方法。此专利通过对X ray胸片进行预处理，将其转为矢量图，将所得矢量图输入RetinaNet网络作为基准网络进行异常区域识别，判断分类结果的概率是否大于设定阈值，若是则说明异常区域中识别出疑似病灶，进行分类校正处理；若否则说明未识别出疑似病灶。

三、人工神经网络