[发明专利]一种基于深度学习的椎间盘MRI图像智能诊断系统

说明书

本发明公开了一种基于深度学习的椎间盘MRI图像智能诊断系统。包括：数据存储子系统，用于存储模型训练所需要使用的数据；数据处理子系统，用来对数据进行预处理、数据扩充、数据标注与数据转换；模型训练子系统，用于训练改进的YOLOv3的网络；实时显示子系统，用于获取用户上传待检测椎前盘MRI图片并显示诊断结果。本发明在原有YOLOv3基础上增加互连体系结构，通过共享不同比例尺的特征映射信息，提高多比例尺目标检测的性能，同时，减少检测模块中卷积层的数量以减少网络模型参数的数量，从而加快了训练网络和网络推理速度。可实现实时、自动、准确的对椎间盘MRI图片进行检测与分类，辅助医师制定下一步的治疗方案。

技术领域

本发明属于深度学习技术领域，特别涉及一种基于深度学习的椎间盘MRI图像智能诊断系统。

背景技术

椎间盘(IVD)变性是慢性下腰痛(LBP)的主要原因之一，它已经成为我们社会中的主要公共卫生问题，也是功能丧失能力的主要原因。核磁共振成像(MRI)是评估腰椎退行性椎间盘疾病的首选方式，它提供了良好的软组织对比而没有电离辐射风险，更容易被病人接受。近年来，多模式MRI的研究与应用进一步提高了多种疾病的诊断、治疗和随访质量，但是这些方法仍旧存在许多问题：

(1)在对椎间盘图像进行目视检查时非常耗时耗力，医生首先需要准确勾勒出椎间盘突出部位轮廓，然后根据病变程度采取相对应的治疗手段，然而这一过程与医生个人经验与业务能力息息相关，存在漏诊或误诊的风险，其中过程较为繁琐、效率较低且准确率也相对欠缺。

(2)由于椎间盘图像的多种强度分布以及形变程度不同，导致其在不同的MRI扫描仪中呈现出较为宽泛的边界范围，增加了不必要的数据量，这给医生对疾病评估带来了负担。

鉴于此，传统的依赖专业医师对椎间盘MRI图像进行诊断的方法研究越来越难以满足现实对实时性、准确率的需求。因此，寻求一种可靠的椎间盘图像自动化诊断系统成为医疗行业的现实需要。本发明设计一种基于深度学习的椎间盘MRI图像智能诊断系统，通过输入病例椎间盘MRI图像数据，并对其进行处理，包括数据预处理、数据扩充、数据标注、数据转换与数据分类，然后通过改进的YOLOv3网络对其进行训练，并将训练好的模型进行存储。当传入待检测椎间盘MRI图片时，能够实时准确定位椎间盘病变位置，辅助医师制定下一步的治疗方案。

发明内容

本发明目的在于提供一种基于深度学习的椎间盘MRI图像智能诊断系统，以弥补传统人工诊断的不足，辅助医师对椎间盘病变进行分类诊断。

本发明是这样实现的：一种基于深度学习的椎间盘MRI图像智能诊断系统，包括：数据存储子系统、数据处理子系统、模型训练子系统、实时显示子系统；数据处理子系统包括：数据预处理模块、数据扩充模块、数据标注模块、数据转换模块，数据预处理模块与数据扩充模块相连，数据扩充模块与数据标注模块相连，数据标注模块与数据转换模块相连；实时显示子系统包括：RESTful API模块和结果显示模块，两模块顺序相连。各子系统以及各模块之间通过有线和/或WiFi无线和/或3G/4G/5G无线网络连接。

所述存储子系统存储模型训练需要使用的数据、转化后的数据、训练好的模型以及用户上传的待检测椎间盘MRI图片。

所述数据处理子系统包括数据预处理模块、数据扩充模块、数据标注模块、数据转换模块。

所述数据预处理模块对存储子系统中椎间盘MRI数据进行数据清理、数据集成、数据归约与数据转换。

所述数据扩充模块采用的方法包括变换，旋转，剪裁，缩放处理等，特点是利用传统数学形式对原图进行处理加工，以获得足够的数据支撑下一步的训练。

所述数据标注模块使用常用数据标注工具Labelme，将数据集上的椎间盘区域以多边形标注并打上多分类标签，标注完成后保存为json文件。