[发明专利]基于深度学习的泌尿结石平扫CT图像识别系统及训练方法

说明书

本发明涉及应用人工智能技术的综合生物验证系统技术领域，具体地说，涉及基于深度学习的泌尿结石平扫CT图像识别系统及训练方法。包括基建管理单元、数据处理单元、模型识别单元和功能服务单元；基建管理单元用于对基建设备进行管理；数据处理单元用于对数据进行处理；模型识别单元用于搭建模型并通过深度学习来促进系统的运行；功能服务单元用于提高系统的功能性。本发明设计的系统可以提前无创地预测泌尿系结石的成分类型，同时提高诊疗效率，减轻医师的工作负担，另外其可集成于各类型CT摄片仪器，并可广泛应用于基层医院；其训练方法可以系统的识别精度，提高泌尿系结石成分类型诊断的效率及准确率，达到良好的综合生物验证的效果。

技术领域

本发明涉及应用人工智能技术的综合生物验证系统技术领域，具体地说，涉及基于深度学习的泌尿结石平扫CT图像识别系统及训练方法。

背景技术

对结石进行成分分析，根据分析结果，通过控制饮食等方式对预防结石的复发有重要意义。系统性或者家族性的代谢性结石往往含有某种特定成分，可以通过特异性饮食或者药物来治疗或减少结石的复发，如尿酸结石。我国泌尿系结石成分中草酸钙结石最为常见，尿液中晶体抑制物质如枸橼酸不足、高钙尿、高草酸尿、细胞毒性物质损伤肾乳头上皮细胞等因素都是草酸钙结石形成的危险因素。患有此类结石的患者应避免摄入富含草酸的食物如甘蓝、菠菜、红茶等；高蛋白、高钙、高磷和高草酸食品的过分摄入，可导致尿酸排泄量增加，枸橼酸盐的排泌降低，故使草酸钙结石发病率增高；胱氨酸结石由先天性胱氨酸尿症所致，为常染色体隐性遗传病，此类患者应大量、均匀的饮水，素食为主，避免大量食用蛋、鱼等。

常见的结石成分分析方法有化学分析法、物理分析法、分子生物学方法和生物化学方法等，物理分析法包括X线衍射分析法、原子光谱分析法、热分析法及红外光谱分析法等。这些方法都需要术后将结石取出才可得到成分结果，使得临床医生无法在术前根据结石的成分调整治疗方案与手术方案，也限制了与结石成分相关的各种临床指标及预后的前瞻性研究的开展。传统的物理鉴别方法需要对结石进行清洗、烘干、与对比剂混合、研磨、制片等诸多流程，制备方法慢，患者等待时间长，对操作人员要求高。

目前，深度学习算法已广泛应用于医学领域，为解决临床医师和影像科医师的培训周期和工作量问题提供了可靠的方法。斯坦福大学研究人员的一项研究表明，它在识别皮肤癌方面达到了与皮肤科医生相当的准确性，在肺癌、直肠癌、前列腺癌和食道癌的图像分类和识别方面也显示出了较高的准确性。Faster-RCNN将特征提取、区域建议、边界盒回归、分类等功能整合为一个网络，这与医学影像诊断的过程非常相似。若可以将Faster-RCNN等人工智能技术应用在泌尿系结石平扫CT中对结石区域进行自动鉴别，以用于辅助影像诊断，进而指导临床决策，则可以有效达到良好的综合生物验证效果。然而，目前却没有较为完善的基于深度学习的泌尿结石平扫CT图像识别系统及训练方法。

发明内容

本发明的目的在于提供了基于深度学习的泌尿结石平扫CT图像识别系统及训练方法，以解决上述背景技术中提出的问题。

为实现上述技术问题的解决，本发明的目的之一在于，提供了基于深度学习的泌尿结石平扫CT图像识别系统，包括

基建管理单元、数据处理单元、模型识别单元和功能服务单元；所述基建管理单元、所述数据处理单元、所述模型识别单元与所述功能服务单元依次通过网络通信连接；所述基建管理单元用于对支撑系统运行的基建设备、技术、服务等进行管理分配；所述数据处理单元用于对大量的与泌尿系结石病症相关的图像及报告等数据进行处理；所述模型识别单元用于搭建自动识别模型并通过深度学习来促进识别系统的运行以提高识别精度；所述功能服务单元用于在基础功能上增设多种服务应用来提高系统的功能性；

所述基建管理单元包括设备管理模块、技术支撑模块、原始数库模块和专家服务模块；

所述数据处理单元包括数据采集模块、图像数库模块、目标勾画模块和泛化处理模块；

所述模型识别单元包括模型搭建模块、数集划分模块、模型训练模块和评估验证模块；