[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

说明书

一种用于人工智能筛查尘肺病胸片遴选、标注及验证方法；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；其方法包括以下步骤：基础数据库的建立、计算与建模、对人工智能模型验证。本发明可准确和高效的对尘肺病胸片进行标注，并用于人工智能筛查尘肺模型的建立，使人工智能在接触粉尘工人职业健康检查筛查和尘肺病辅助诊断中，提高筛查和诊断准确率、提高工作效率。

技术领域

本发明涉及职业健康检查筛查或辅助诊断尘肺病方法，特别涉及统计功效估计遴选样本数、并联与串联相结合的尘肺病胸片读片标注、人工智能模型验证等技术。

背景技术

尘肺病是在职业活动中长期吸入生产性矿物性粉尘并在肺内潴留而引起的以肺组织弥漫性纤维化为主的肺部疾病，是目前世界上危害最严重和最常见的职业病。

目前尘肺病主要以X射线高千伏或数字化摄影(DR)后前位胸片作为筛查或诊断依据。长期的实践和研究证明，在尘肺病体检或诊断中，读片差异是客观存在的。在遵循相同的诊断原则及读片条件下，不同读片者或同一读片者前后判断的结果均不尽相同，这种差异严重影响尘肺病筛查或诊断的准确性，极易产生误诊或漏诊。通过检索1990年1月1日至2018年8月10日中国关于尘肺病诊断差异的文献资料并进行系统分析，结果显示，对尘肺病诊断的总体符合率在15.0％至64.0％之间。

近年来，人工智能在医疗卫生领域的研究与应用发展迅速。人工智能以强大的学习能力、计算能力、识别能力作为诊疗辅助手段发挥了重要作用，尤其是利用影像学数据对肺部疾病进行诊断发展迅速。使用决策树、支持向量机、卷积神经网络算法构建的模型，在对肺部疾病包括尘肺病诊断方面都取得了比较理想的结果。人工智能筛查或辅助诊断尘肺病，对减少读片差异和提高诊断准确性将发挥积极的作用。但建立人工智能模型需要使用胸片样本，而且要对胸片进行准确标记。

如采用传统方法，使用大量胸片样本，个人或集体对尘肺病胸片读片标注，由于受主观因素的影响，仍存在30～40％的较大差异，严重影响人工智能筛查或诊断尘肺病准确性，且成本效率不合理。

技术内容

本发明的目的是，提供一种采用统计功效估计方法遴选样本和并联与串联相结合读片标注方法，建立人工智能筛查尘肺病系统，通过验证获得理想效果。使人工智能在接触粉尘工人职业健康检查筛查和尘肺病辅助诊断中，提高筛查和诊断准确率，以及提高工作效率。

本发明的目的可以通过以下技术方案实现，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；