[发明专利]基于机器学习的肾脏疾病自动检测的方法和系统

说明书

基于机器学习的肾脏疾病自动检测的方法和系统，包括肾脏影像收集模块、肾脏影像管理模块、肾脏影像智能诊断模块和肾脏疾病分类模块，通过肾脏影像收集模块收集的带有肾脏疾病诊断标签的肾脏影像，在肾脏影像管理模块存储并更新肾脏疾病类型对应的肾脏影像，利用机器学习算法通过肾脏影像智能诊断模块推断肾脏疾病类型，肾脏疾病分类模块按照不同的肾脏疾病种类对诊断的肾脏疾病进行分类，从而实现各肾脏疾病类型的高效、精确的诊断，对于肾脏疾病的诊断和早期筛查具有重大意义。

技术领域

本公开内容涉及用于图像分析和使用图像分析的医疗诊断测试的系统和方法，更具体地，本公开内容涉及一种基于机器学习的肾脏疾病自动检测的方法和系统。

背景技术

医学影像是指为了医疗或医学研究，对人体或人体某部位以非侵入方式取得内部影像的技术和处理过程。随着各种科学技术的迅速发展，医学影像处理技术也有了飞速的进步，但随着科学技术的发展和医学影像应用的推广，有越来越多的医学影像需要医生解读，医学影像解读逐渐成为一个挑战性的工作。传统的医学影像的解读、诊断过程主要依靠有经验的医生，这个过程具有主观性，加之人工的医学影像解读过程中也会出现由于医生的认知能力限制或疲劳而产生解读错误的现象，从而造成误诊，这些缺陷都表明了使用有效的医学影像分析技术对于改善疾病诊断结果精确度的重要性。

人工智能技术由机器学习、计算机视觉等不同领域组成，其目的是生产出类似于人类的智慧机器。针对医学影像解读存在的问题，研究人员将图像处理技术和人工智能技术应用到医学影像诊断中，从而实现了医学影像自动分析以及辅助医生做出医学诊断的作用，能够有效减轻医生的工作量。

发明内容

针对上述问题，本发明旨在提供一种基于机器学习的肾脏疾病自动检测的方法和系统。

本发明创造的目的通过以下技术方案实现：

基于机器学习的肾脏疾病自动检测的方法和系统，包括肾脏影像收集模块、肾脏影像管理模块，肾脏影响智能诊断模块和肾脏疾病分类模块；

肾脏影像收集模块：用于收集患者各种类型的肾脏疾病影像，肾脏影像来源包括InterVar(位点致病性评判)、GeneReviews(疾病数据库)以及院内患者肾脏影像；

肾脏影像管理模块：包括肾脏影像预存储单元和肾脏影像更新单元，肾脏影像预存储单元用来预先存储肾脏影像收集模块收集到的各种类型的肾脏影像，通过肾脏影像更新单元，筛选带有肾脏疾病诊断标签的肾脏影像，清洗噪点过大，缺省或不相关的影像，之后更新肾脏影像训练集；

肾脏影像智能诊断模块，包括肾脏影像处理单元和肾脏影像数据库，肾脏影像处理单元通过分析带有肾脏疾病诊断标签的肾脏影像，平扫影像提取肾脏影像的疾病特征，通过肾脏影像更新单元更新后的肾脏影像作为训练集，建立机器学习模型，实现对需要判别的肾脏影像自动检测疾病，将训练好的带有肾脏疾病诊断标签的肾脏影像保存至肾脏影像数据库，生成可判别的肾脏影像自动检测疾病的模型以方便下次无需再次训练，直接使用；

肾脏疾病分类模块对肾脏影像智能诊断模块判别出的肾脏疾病进一步分类，以保证使用该系统的患者通过自检肾脏影像能获得诊疗方案。

进一步的，肾脏影像收集模块从InterVar(位点致病性评判)、GeneReviews(疾病数据库)以及院内患者肾脏影像的来源中收集，并汇总至sql数据库进行在线管理。

进一步的，肾脏影像更新单元，筛选带有肾脏疾病诊断标签的肾脏影像，标签包括钙化灶、肾盏肾盂密度、肾髓质、囊肿和癌栓。

进一步的，肾脏影像处理单元采用最大熵多阈值分割法对所述待诊断的肾脏影像进行图像分割，并采用粒子群算法确定所述肾脏影像处理单元中采用的最大熵多阈值分割法的最佳组合阈值。

进一步的，在所述粒子群算法中，粒子群采用下列方式对粒子的解进行迭代更新：