基于深度神经网络的慢性阻塞性肺病的检测系统技术方案

本发明专利技术提供一种基于深度神经网络的慢性阻塞性肺病的检测系统，包括：预处理模块，用于对获取的第一患者的胸部CT图像进行灰度化处理，并提取经过灰度化处理后的所述胸部CT图像中的多个肺小叶区域图像；检测模块，用于将获取的所述第一患者的身体质量指数BMI，以及所述多个肺小叶区域图像，输入训练好的深度神经网络模型，获取所述第一患者患慢性阻塞性肺病的概率值。本发明专利技术提供的基于深度神经网络的慢性阻塞性肺病的检测系统，通过将深度神经网络与医学影像相结合，利用人工对COPD进行诊断的临床经验知识作为先验，对早期的肺小叶细微病变进行检测，对病例作出高可靠的预测，从而提高了COPD检测的准确度。

【技术实现步骤摘要】
基于深度神经网络的慢性阻塞性肺病的检测系统
本专利技术涉及神经网络
，尤其涉及一种基于深度神经网络的慢性阻塞性肺病的检测系统。
技术介绍
随着计算机技术的飞速发展与广泛应用，计算机辅助诊断对人类的健康发挥出越来越重要的作用。现有技术中，通过计算机辅助诊断方法对慢性阻塞性肺病(chronicobstructivepulmonarydisease，COPD)的检测系统的检测方法如下：首先，获取患者的电子计算机断层扫描(ComputedTomography，CT)影像，然后通过对CT图像进行图像处理，然后根据CT图像每个像素的像素值，判断该像素与预设像素阈值的关系，得出该像素是否为病变区域图像像素，最后根据病变区域图像像素占整个肺部图像像素的比例判断该患者患COPD的概率。由于现有技术的检测系统中，影响预设像素阈值的因素较多，选择不同的阈值就会得出不同的结果，区分度不明显，导致对COPDCT影像的分析结果不准确。
技术实现思路
(一)要解决的技术问题本专利技术的目的是提供一种基于深度神经网络的慢性阻塞性肺病的检测系统，利用深度神经网络去发现并辨别肉眼难以识别的早期细微的肺小叶病变，解决了本文档来自技高网...

【技术保护点】
一种基于深度神经网络的慢性阻塞性肺病的检测系统，其特征在于，包括：预处理模块，用于对获取的第一患者的胸部CT图像进行灰度化处理，并提取经过灰度化处理后的所述胸部CT图像中的多个肺小叶区域图像；检测模块，用于将获取的所述第一患者的身体质量指数BMI，以及所述多个肺小叶区域图像，输入训练好的深度神经网络模型，获取所述第一患者患慢性阻塞性肺病的概率值。

【技术特征摘要】
1.一种基于深度神经网络的慢性阻塞性肺病的检测系统，其特征在于，包括：预处理模块，用于对获取的第一患者的胸部CT图像进行灰度化处理，并提取经过灰度化处理后的所述胸部CT图像中的多个肺小叶区域图像；检测模块，用于将获取的所述第一患者的身体质量指数BMI，以及所述多个肺小叶区域图像，输入训练好的深度神经网络模型，获取所述第一患者患慢性阻塞性肺病的概率值。2.根据权利要求1所述的系统，其特征在于，所述深度神经网络模型包括深度神经网络单元和计算单元，其中，深度神经网络单元，用于根据获取的所述第一患者的身体质量指数BMI和每个肺小叶区域图像，获取每个肺小叶病变的概率；计算单元，用于根据每个肺小叶病变的概率，获取所述第一患者患慢性阻塞性肺病的概率。3.根据权利要求1所述的系统，其特征在于，还包括：训练模块，用于获取训练样本集，所述训练样本集包含多组训练样本，每组训练样本包含一位样本患者的BMI和病变肺小叶的直径，所述病变肺小叶的直径由所述样本患者的胸部CT图像中获得；基于所述训练样本集，对所述深度神经网络模型进行训练。4.根据权利要求1所述的系统，其特征在于，所述训练好的深度神经网络模型的激活函数为：其中，P(i)为第i个肺小叶病变的概率，xi为第i个特征变量，K为特征变量的总数，W为连接权重。5.根据权利要求2所述的系统，其特征在于，所述根据每个肺小叶病变的概率，获取所述第一患者患慢性阻塞性肺病的概率具体为：其中，P为第一患者患慢性阻塞性肺病的概率，P(i)为第i个肺小叶...

【专利技术属性】
技术研发人员：夏一帆，杨琼，吴诗展，
申请(专利权)人：北京医拍智能科技有限公司，
类型：发明
国别省市：北京,11