[发明专利]肝包虫超声AI辅助诊断方法及系统

说明书

本发明公开了一种肝包虫超声AI辅助诊断方法，包括以下步骤：S1、标注训练并验证AI辅助诊断模型；S2、获取肝包虫超声影像；S3、图像预处理；S4、诊断，将经过预处理的图像数据，输入AI辅助诊断模型，AI辅助诊断模型通过GPU加速模型或CPU兼容模型，完成诊断，若检测到疑似病灶，则输出预测数据，否则，预测数据为空；S5、输出诊断，将获得的预测数据进行后处理，然后叠加显示在肝包虫超声影像图像上，并展示出肝包虫疑似病灶的评价得分与轮廓。本发明提供的方法及系统，可识别出肝包虫超声图像中是否存在疑似肝包虫病灶，同时精确标识、显示病灶区域，并对疑似病灶进行评分，从而协助医生进行肝包虫的筛查工作，提高了诊断效率和准确率。

技术领域

本发明涉及一种肝包虫诊断技术，尤其涉及一种肝包虫超声AI辅助诊断方法及系统。

背景技术

肝包虫是牧区较常见的寄生虫，在中国主要流行于畜牧业发达的新疆、青海、宁夏、甘肃、内蒙和西藏等省区。现有肝包虫病可以通过超声波检查的方式来进行检查，但由于多发于医疗卫生资源欠发达的边远地区，缺乏足够的影像医生对超声波图像进行诊断。

基于深度学习的图像检测，在当前广泛应用于影像辅助诊断当中，通过输入医学影像数据，输出AI辅助诊断结果。但是当前缺乏针对肝包虫超声图像的检查系统。

发明内容

本发明的目的是提供一种肝包虫超声AI辅助诊断方法及系统，可识别出肝包虫超声图像中是否存在疑似肝包虫病灶，同时精确标识、显示病灶区域，并对疑似病灶进行评分，从而协助医生进行肝包虫的筛查工作，提高了诊断效率和准确率。

为实现上述目的，本发明提供了一种肝包虫超声AI辅助诊断方法，包括以下步骤：

S1、标注训练并验证AI辅助诊断模型；

S2、获取肝包虫超声影像；

S3、图像预处理，将肝包虫超声影像统一成分辨率为512*512的图像；

S4、诊断，将经过预处理的图像数据，输入AI辅助诊断模型，AI辅助诊断模型通过GPU加速模型或CPU兼容模型，完成诊断，若检测到疑似病灶，则输出预测数据，否则，预测数据为空；

S5、输出诊断，将AI辅助诊断模型获得的预测数据进行后处理，然后叠加显示在肝包虫超声影像图像上，并展示出肝包虫疑似病灶的评价得分与轮廓。

优选的，步骤S1的具体步骤包括：

S11、标注训练

通过标注模块，根据轮廓对肝包虫超声影像数据进行标注，使标注轮廓贴合于病灶，其中，对于多发性病灶，独立标识每个病灶；

S12、验证

基于肝包虫超声影像数据、轮廓标注数据与GPU计算资源，根据开发环境调试优化训练参数与评价标准，测试AI辅助诊断模型，直至测试的平均识别准确率达到95％以上，认定模型训练已经完成。

优选的，所述预测数据包括预测区域得分和预测区域轮廓掩码。

一种基于上述肝包虫超声AI辅助诊断方法的辅助诊断系统，包括：

标注模块，用于训练并验证AI辅助诊断模型；

图像输入模块，用于调用存储在系统中的肝包虫超声影像数据或者远程传输肝包虫超声影像数据；

图像预处理模块，用于将肝包虫超声影像统一成分辨率为512*512的图像；

诊断模块，用于将预处理的肝包虫超声影像输入AI辅助诊断模型后得到疑似病灶预测数据；

诊断输出模块，用于将疑似病灶预测数据后处理后，叠加显示在肝包虫超声影像图像上，并展示出肝包虫疑似病灶的评价得分与轮廓。