[发明专利]一种用于人工智能筛查尘肺病胸片遴选、标注及验证方法

权利要求书

1.一种用于人工智能筛查尘肺病胸片遴选、标注及验证方法；人工智能系统包括计算机硬件系统及控制软件系统，计算机硬件系统包括中央处理器、存储器、输入输出控制系统；其特征在于所述方法包括以下步骤：

1)、基础数据库的建立：

(1)采用统计功效估计方法遴选DR(数字化X线摄影)胸片：选取DR正常胸片、壹期尘肺病胸片、贰期尘肺病胸片、叁期尘肺病胸片若干份；

(2)依据《职业性尘肺病诊断》(GBZ70-2015)，对选取的上述胸片进行分区，按两侧肺野6个肺区范围，将左肺野及右肺野，分别由肺尖至膈顶的垂直距离，用等分点的水平线把每侧肺野各分为上、中、下三个肺区，即将胸片左右肺野共分为6个区域；

(3)依据《职业性尘肺病诊断》(GBZ70-2015)，并对采用统计功效估计方法遴选的胸片，由人工进行每一区域的特征标注，具体特征标注为：

A、小阴影形态和大小：记录小阴影的形态和大小，分别用p、q、r、s、t、u标记或组合标注，如p/p、p/q、q/q、q/p、p/s、s/s、s/t、t/t、t/s等；

B、密集度：按三大级及十二小级分级标注，表示如下：0/-、0/0、0/1为0级；1/0、1/1、1/2为1级；2/1、2/2、2/3为2级；3/2、3/3、3/+为3级；

C、总体密集度：以4大级分级标注，表示如下：0、1、2、3级；

D、大阴影：用4表示，并标注所处肺区，同时在胸片上用红色线条画图标注；

E、小阴影聚集：用9表示，并标注所处肺区，同时在胸片上用绿色线条画图标注；

F、分布范围：将胸片中具有的上述特征，分别在两肺野相应肺区标注，以表示分布范围；

(4)人工标注：

采用并联与串联相结合方法，即双盲与集体读片方法读片标注，以提高标准片的精准性；

A、将人工分为A、B两组，每组2人以上，各组分别独立读片，并用上述特征对每个肺区进行标注，诊断为尘肺及分期结果一致的胸片作为标准片；诊断结果不一致的胸片，随机再次分配给各组读片，诊断为尘肺及分期结果一致的胸片作为标准片；

B、对于两组读片结果不一致胸片，A组与B组共同读片，或另选同等条件的人工，即C组读片，诊断为尘肺及分期结果一致的作为标准片，认定未超过2/3一致的胸片剔除，每次读片间隔2周以上；

C、将标准片按分期结果分别存入计算机正常胸片标准数据库、壹期胸片标准数据库、贰期胸片标准数据库、叁期胸片标准数据库；

2)、计算与建模

采用深度学习方法之一的卷积神经网络法，对DR胸片DICOM图像进行学习训练，包括正常胸片标准数据库、壹期胸片标准数据库、贰期胸片标准数据库、叁期胸片标准数据库中的特征标注，建立人工智能筛查尘肺病初级模型；

由于原规格胸片分辨率较低，首先使胸片规格调整变小，对胸片两肺野进行抠影，并分为6个区域，以提高胸片分辨率，胸片重新调整至原规格，便于计算机对图像的识别；

模型共包含3个组件：输入层、隐藏层和输出层；其中，输入层用于接受DR胸片DICOM图像的输入,并传递给隐藏层，最终将信号传递给输出层；最后得出尘肺病及分期的预测结果；

3)、对人工智能模型验证：

(1)计算机录入用于验证的胸片，计算识别该胸片的特征，小阴影形态和大小、密集度、总体密集度、分布范围、大阴影、小阴影聚集，并分别存入待查胸片数据库；

(2)计算机将待查胸片数据库中该胸片的特征，输入筛查尘肺病初级模型，经过计算得出结果，生成尘肺病及分期的诊断报告；

(3)筛查尘肺病初级模型计算运行结束后，将该待查胸片、诊断结果存入诊断数据库；

(4)由两人以上的人工对诊断数据库中的疑似尘肺病的胸片读片，将读片最终诊断与计算机输出诊断结果对比进行验证，分别统计分析：阴阳准确率(ACC_scr)、灵感度(SEN)、特异度(SPE)、分期准确率(ACC_sta)；具体的计算为：

A、指标为：真阴性(TN)、伪阴性(FN)、伪阳性(FP)、真阳性(TP)；

B、计算公式为：

(5)经上述统计分析，筛选尘肺病准确率达到97％或以上，分期准确率达到80％或以上，灵敏度0.98，特异度0.97，验证结果显示所建筛查尘肺病模型效果良好。