[发明专利]一种疾病筛查和诊断系统在审
| 申请号： | 201811404331.6 | 申请日： | 2018-11-23 |
| 公开（公告）号： | CN109512464A | 公开（公告）日： | 2019-03-26 |
| 发明（设计）人： | 袁克虹;孙鑫龙;邓婷;张学玲 | 申请（专利权）人： | 清华大学深圳研究生院 |
| 主分类号： | A61B8/08 | 分类号： | A61B8/08 |
| 代理公司： | 北京市诚辉律师事务所 11430 | 代理人： | 范盈 |
| 地址： | 518055 广东省深*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 疾病筛查 诊断系统 人工智能诊断 图像处理模块 人工智能 超声单元 依次连接 云平台 误诊 人工智能技术 数据输出模块 图像采集模块 图像读取模块 医生工作量 第一数据 辅助诊断 疾病诊断 输出模块 癌变 超声 申请 疲劳 屏幕 诊断 观察 医生 | ||
1.一种疾病筛查和诊断系统，其特征在于：包括相互连接的人工智能超声单元和人工智能诊断云平台单元；
所述人工智能超声单元，包括依次连接的图像采集模块、第一图像处理模块、疾病筛查模块和第一数据输出模块；
所述图像采集模块，用于采集超声设备生成的超声图像；
所述第一图像处理模块，用于将采集的超声图像尺度进行缩放后将灰度值归一化；
所述疾病筛查模块，用于将处理后的超声图像输入深度神经网络中，对疾病区域进行筛查并对筛查结果进行标记；
所述第一数据输出模块，用于对标记后的筛查结果进行显示；
所述人工智能诊断云平台单元，包括依次连接的图像读取模块、第二图像处理模块、疾病诊断模块和第二数据输出模块；
所述图像读取模块，用于读取上传至人工智能诊断云平台单元的带标记超声图像；
所述第二图像处理模块，用于将读取的带标记超声图像尺度进行缩放后将灰度值归一化；
所述疾病诊断模块，用于用于将处理后的带标记超声图像输入深度神经网络中，对疾病区域进行诊断；
所述第二数据输出模块，用于显示诊断结果和报告。
2.如权利要求1所述的疾病筛查和诊断系统，其特征在于：所述超声图像包括乳腺超声图像。
3.如权利要求1所述的疾病筛查和诊断系统，其特征在于：所述深度神经网络包括卷积层，批归一化层，激活层，最大池化层，拼接层和残差子模块。
4.如权利要求1所述的疾病筛查和诊断系统，其特征在于：所述第一数据输出模块可以根据疾病筛查模块的筛查结果，对病灶区域进行实时定位勾画。
5.如权利要求1所述的疾病筛查和诊断系统，其特征在于：所述实时定位勾画采用矩形框的形式进行勾画。
6.如权利要求1所述的疾病筛查和诊断系统，其特征在于：所述第一图像处理模块，用于将采集的图像尺度统一缩放至160×120×3，其中第一维表示图像的宽度，第二维表示图像的高度，第三维表示图像的通道数，并将灰度值归一化至[0，1]。
7.如权利要求1所述的疾病筛查和诊断系统，其特征在于：所述第二图像处理模块，用于将采集的图像尺度统一缩放至416×416×3，其中第一维表示图像的宽度，第二维表示图像的高度，第三维表示图像的通道数，并将灰度值归一化至[0，1]。
8.如权利要求1所述的疾病筛查和诊断系统，其特征在于：所述超声图像格式包括dicom、jpg、bmp或者png。
9.如权利要求1～8中任一项所述的疾病筛查和诊断系统，其特征在于：还包括数据训练单元，所述数据训练单元与所述人工智能超声单元相连接，所述数据训练单元与所述人工智能诊断云平台单元相连接，所述数据训练单元包括数据库模块、筛查模型建立模块和诊断模型建立模块；
所述数据库模块，用于将已有的大量超声图像诊断结果分为良性和恶性；
所述筛查模型建立模块，用于基于处理后的超声图像，对深度神经网络进行训练，建立筛查模型；
所述诊断模型建立模块，用于基于处理后的带标记超声图像，对深度神经网络进行训练，建立诊断模型。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学深圳研究生院，未经清华大学深圳研究生院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811404331.6/1.html，转载请声明来源钻瓜专利网。
