[发明专利]基于深度学习的智能医疗辅助诊断系统

说明书

本发明公开了基于深度学习的智能医疗辅助诊断系统，涉及智能医疗技术领域。本发明包括会诊室上位机、化验室上位机、阅片室上位机、抽血挂号机、血液化验检测仪以及CT仪器；会诊室上位机分别与化验室上位机、阅片室上位机无线通讯连接；化验室上位机与血液化验检测仪通讯连接；阅片室上位机与CT仪器通讯连接。本发明通过化验室上位机的DNN预测模块采用DNN特征模型获取血检分析结果，同时阅片室上位机U‑net模型分割模块采用U‑net模型对CT影像进行分割处理获取分割图，最后会诊室上位机的辅助诊断模块根据血检分析结果、CT影像及其分割图结合医学知识数据库分析患病概率，减少诊断难度，降低误诊概率，提高诊断正确率。

技术领域

本发明属于智能医疗技术领域，特别是涉及一种基于深度学习的智能医疗辅助诊断系统。

背景技术

近些年来，随着深度学习在人工智能领域掀起一波又一波的浪潮，使得不少其他学科得到可突破性的发展。在医疗领域方面，以往的医疗诊断主要依靠医生的主观判断，诊断准确性取决于医生的知识水平和经验，缺乏精准的量化分析。以医学影像CT为例，即使经验丰富的医生也很难精确的区别所有病患区域和正常区域，给诊断造成困难的同时，也耽误病人后期的治疗甚至影响手术。现在，基于深度学习的分类、检测和分割由于及极高的精准性，已经广泛应用于各种医疗诊断中，为医生的精准治疗提供了有效的帮助。

基于此，本发明提出了一种基于深度学习的智能医疗辅助诊断系统，利用血液检查获得的信息和CT影像，在深度学习框架下搭建DNN神经网络模型和U-net神经网络模型并进行训练，将训练好的模型参数导出，并用患者的血检信息和CT影像作为测试输入进行测试，将测试的结果输入至专家系统进行推断获得诊断结果。相比于传统人工诊断方法，该系统具有自动、快速、高效、精确的特点。使用DNN网络进行血检病患分类，可以获得患病概率的量化信息。U-net网络分割CT影像，可以辅助医生判断病灶区域，避免肉眼判别带来的误差。专家系统能够有效的根据本学科专业知识进行推断和决策，能够弥补医生经验不足的缺点。

发明内容

本发明的目的在于提供基于深度学习的智能医疗辅助诊断系统，通过化验室上位机的DNN预测模块采用DNN特征模型获取血检分析结果，同时阅片室上位机U-net模型分割模块采用U-net模型对CT影像进行分割处理获取分割图，最后会诊室上位机的辅助诊断模块根据血检分析结果、CT影像及其分割图结合医学知识数据库分析患病概率，提高诊断正确率。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为基于深度学习的智能医疗辅助诊断系统，包括：会诊室上位机、化验室上位机、阅片室上位机、抽血挂号机、血液化验检测仪以及CT仪器；

所述会诊室上位机分别与化验室上位机、阅片室上位机无线通讯连接；其中，通过TL-WDR5660千兆版路由器建立会诊室上位机分别与化验室上位机、阅片室上位机之间的无线通讯连接，具有覆盖范围广、传输速度快、信号稳定的优点；所述化验室上位机与血液化验检测仪通讯连接；所述阅片室上位机与CT仪器通讯连接；

所述抽血挂号机分别与语音播报器以及若干LED显示屏通讯连接；其中，所述语音播报器为Yiroka WT-PS型语音播报器；所述抽血挂号机将患者信息存储到挂号队列中并存储；所述抽血挂号机还与若干喊号按钮电性连接；当按下所述喊号按钮后，所述喊号按钮传递喊号信号至抽血挂号机；所述抽血挂号机获取挂号队列的队头序号并传递至语音播报器，所述语音播报器对所述队头序号喊号；其中，所述抽血挂号机采用KER医疗自助挂号机，采用采血针进行抽血并采用真空采血管收集血液；

所述抽血挂号机还传递挂号序列至所述血液化验检测仪；所述血液化验检测仪根据挂号序列依次对患者血液样本化验检测并获得化验检测数据；所述血液化验检测仪传递患者信息及其对应的化验检测数据至化验室上位机，其中，所述血液化验检测仪采用WD-320(吉林维尔)型号的全自动生化分析仪；