[发明专利]一种疾病筛查和诊断系统在审

专利信息
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
【说明书】:

本申请属于人工智能技术领域,特别是涉及一种疾病筛查和诊断系统。由于早期的癌变区域较小,不易观察,医生需要长时间的紧盯超声屏幕,强度大易疲劳,容易造成漏诊或误诊。本申请提供一种疾病筛查和诊断系统,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。可减轻医生工作量,减少对经验的依赖性,能提供精确度高的辅助诊断,有效防止漏诊误诊,提高诊断效率。

技术领域

本申请属于人工智能技术领域,特别是涉及一种疾病筛查和诊断系统。

背景技术

目前常用的乳腺筛查手段是X线钼靶摄片和超声检查。X线钼靶具有一定的辐射,且不适用于亚洲妇女多见的“致密型”乳房,病灶与周围腺体组织缺乏对比,极易造成漏诊。超声检查具有无创实时,诊断成像速度快,价格相对较低,可重复性强,适用于亚洲致密性乳房等优势,成为了乳腺检查的主要方法。虽然超声由于上述诸多的优点,已成为乳腺疾病早期筛查的首选设备,但当前的乳腺超声检查仍面临着许多挑战。

由于早期的癌变区域较小,不易观察,医生需要长时间的紧盯超声屏幕,强度大易疲劳,容易造成漏诊或误诊。另外,医生在诊断时还需进行大量手工标记病变区域的工作,加重了医生的负担、严重影响了诊断的效率。而且,对于噪声较大的超声图像来说,有时仅凭医生肉眼的观察很难完成准确的特征选取或诊断,导致误诊漏诊。

发明内容

1.要解决的技术问题

基于我国超声医生工作量巨大,由于早期的癌变区域较小,不易观察,医生需要长时间的紧盯超声屏幕,强度大易疲劳,容易造成漏诊或误诊。另外,医生在诊断时还需进行大量手工标记病变区域的工作,加重了医生的负担、严重影响了诊断的效率。而且,对于噪声较大的超声图像来说,有时仅凭医生肉眼的观察很难完成准确的特征选取或诊断,导致误诊漏诊的问题,本申请提供了一种疾病筛查和诊断系统。

2.技术方案

为了达到上述的目的,本申请提供了一种疾病筛查和诊断系统,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。

可选地,所述超声图像包括乳腺超声图像。

可选地,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。

可选地,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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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/201811404331.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top