一种疾病智能诊断装置及设备制造方法及图纸

本发明专利技术公开了一种疾病智能诊断装置，包括：预处理单元，用于根据诊断请求对输入的医疗图像进行数字化预处理，得到诊断特征矩阵，其中，医疗图像包括需要进行诊断的组织或器官；诊断分析单元，用于通过预训练的宽度学习网络对诊断特征矩阵进行医学特征提取，根据提取结果进行疾病分类，生成诊断结果。该装置实现了对医疗数据进行有效合理利用，在医疗资源不足的情况下即可根据医疗数据进行高准确率的疾病自动诊断，可以大大减轻医生诊断负担。本发明专利技术还公开了一种疾病智能诊断设备，具有上述有益效果。

An Intelligent Diagnostic Device and Equipment for Diseases

The invention discloses an intelligent diagnostic device for diseases, which comprises a preprocessing unit for digitally preprocessing input medical images according to diagnostic requests and obtaining diagnostic feature matrices, in which medical images include tissues or organs that need to be diagnosed, and a diagnostic analysis unit for medical features of diagnostic feature matrices through a pre-trained width learning network. Extract, classify diseases according to the extracted results, and generate diagnostic results. The device realizes the effective and rational use of medical data. Under the condition of insufficient medical resources, it can automatically diagnose diseases according to medical data with high accuracy, which can greatly reduce the burden of doctor's diagnosis. The invention also discloses an intelligent disease diagnosis device, which has the above beneficial effects.

【技术实现步骤摘要】
一种疾病智能诊断装置及设备
本专利技术涉及医学领域，特别涉及一种疾病智能诊断装置、设备及一种移动终端。
技术介绍
随着人们健康意识的提高，患病时去医院就诊的比例大大提高，而随着就诊患者不断增加，而医生数量相对固定，每个医生每天需要诊断的患者数量较多，医生诊断负担重。随着现代医学水平的提高，医院都建立了数据库，数据库中存放着大量用户医疗信息(或者称为医疗数据)，包括个人健康信息、临床治疗信息、临床诊断信息等。大量的数据往往只是一次性地应用，照了片子、看了结果、做了检查报告后就放在一边了，以后能不能持续性地应用，造成数据堆积与浪费。因此，如何根据医疗数据进行高准确率的疾病自动诊断，减轻医生诊断负担，是本领域技术人员需要解决的技术问题。
技术实现思路
本专利技术的目的是提供一种疾病智能诊断装置，该装置心电信号的识别准确度高，内存占用率较低；本专利技术的另一目的是提供一种心电智能检测设备及一种移动终端，具有上述有益效果。本专利技术提供一种心电智能检测装置，包括：预处理单元，用于根据诊断请求对输入的医疗图像进行数字化预处理，得到诊断特征矩阵，其中，所述医疗图像包括需要进行诊断的组织或器官；诊断分析单元，用于通过预训练的宽度学习网络对所述诊断特征矩阵进行医学特征提取，根据提取结果进行疾病分类，生成诊断结果。优选地，所述预处理单元中的图像分割子单元具体为：聚类分割子单元；所述聚类分割子单元用于根据聚类分割法对所述医疗图像进行医学分割，得到需要进行分析的图像部分。优选地，所述聚类分割子单元具体为：模糊C均值分割子单元；所述模糊C均值分割子单元用于根据模糊C均值进行聚类分割。优选地，所述预处理单元还包括：剔除子单元；所述剔除子单元用于将所述图像部分中无用数据剔除。优选地，所述疾病智能诊断装置还包括输出单元；所述输出单元用于将所述诊断结果输出。优选地，所述疾病智能诊断装置还包括异常提示单元；所述异常提示单元用于当诊断结果属于紧急病情时，输出异常提示信息。优选地，所述疾病智能诊断装置还包括失败提示单元；所述失败提示单元用于当诊断分析单元特征分类失败时，输出诊断失败提示信息。本专利技术公开一种疾病智能诊断设备，包括：数据接收端口，用于接收需要进行诊断的组织或器官的医疗图像以及诊断请求；处理器，用于根据诊断请求对输入的医疗图像进行数字化预处理，得到诊断特征矩阵，其中，所述医疗图像包括需要进行诊断的组织或器官；通过预训练的宽度学习网络对所述诊断特征矩阵进行医学特征提取，根据提取结果进行疾病分类，生成诊断结果。优选地，所述心电智能检测设备具体为移动终端。优选地，所述移动终端包括：用于显示所述诊断结果的显示器。为解决上述技术问题，本专利技术提供一种疾病智能诊断装置，通过将对需要进行诊断的医疗图像进行预处理，通过预处理单元将医疗图像转化为诊断特征数字矩阵，根据预训练的宽度学习网络对特征数字矩阵进行数字分析处理，提取得到诊断特征矩阵内部的医疗特征信息，根据这些医疗特征信息进行分析分类，即可自动生成特征信息对应的诊断结果，本专利技术实现了对医疗数据进行有效合理利用，在医疗资源不足的情况下即可根据医疗数据进行高准确率的疾病自动诊断，可以大大减轻医生诊断负担。本专利技术还公开了一种疾病智能诊断设备，具有上述有益效果，在此不再赘述。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例提供的疾病智能诊断装置的结构框图；图2为本专利技术实施例提供的疾病智能诊断设备的结构框图；图3为本专利技术实施例提供的另一种疾病智能诊断设备的结构示意图。具体实施方式本专利技术的核心是提供一种疾病智能诊断装置，该装置可以根据医疗数据进行高准确率的疾病自动诊断，减轻医生诊断负担；本专利技术的另一核心是提供一种疾病智能诊断设备，具有上述有益效果。为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在信息社会快速发展下，大数据已成为与自然资源同等重要的战略资源。医院数据库中存放着大量医疗数据，而这些往往只是一次性地应用，造成数据堆积与浪费。本专利技术通过训练构建的宽度学习网络，采用医疗大数据的方法进行数据分析及解读，能利用这些闲置的医疗数据，自动实现对疾病的诊断，大大减轻医生的诊断压力。下面对本专利技术提供的疾病智能诊断装置进行介绍，请参考图1，图1为本专利技术实施例提供的心电智能检测装置的结构框图；该装置可以包括：预处理单元100以及诊断分析单元200。预处理单元100主要用于对输入的医疗图像进行预处理，得到可以进行数据分析的诊断数据矩阵，即通过取样和量化过程将一个以自然形式存在的图像变换为适合计算机处理的数字形式，并从其中提取需要的部分进行分析。具体地，预处理单元中具体子单元设置以及具体功能实现可以根据进行检测的医疗图像的状态以及诊断请求进行配置，可以包括图像分割子单元、取样量化子单元以及阴影处理子单元等。例如，当输入的医疗图像为全身CT，诊断请求为进行胸腔疾病检测，则需要预处理单元需将原始CT转换为数字形式的CT，还需将胸腔部分进行取样处理。一般，预处理单元中可以配置有图像分割子单元以及量化子单元，其中，图像分割子单元主要用于根据图像中像素的相关特征，将图像分割为互不相交的不同组织或器官。基于图像分割子单元，可以提取医学图像中感觉兴趣的器官/组织，对病变组织等进行定性和定量分析；量化子单元主要用于将自然存在的图像转化为适合计算机处理的数字矩阵。优选地，图像分割子单元可以为聚类分割子单元，用于根据聚类分割法对医疗图像进行医学分割，得到需要进行分析的图像部分。通过聚类分割法进行图像分割可以提高图像切割的鲁棒性，可以大大提升含噪医学图像的分割准确度。当然，也可以采取其它方法进行图像分割，比如基于模糊理论的模糊分割法等，在此不做限定。优选地，聚类分割子单元具体可以为：模糊C均值分割子单元，用于根据模糊C均值进行聚类分割。模糊C均值算法是指，把图像转换成矩阵后，可以把矩阵看成一个集合，而集合里的元素就是像素,xj＝(j＝1,2,3,n)把xj分为c类，那么对应的就有c个类中心为ci(i＝1,2,...,c)，每个样本j属于某一类i的隶属度为uij，那么定义一个目标函数及其约束条件如下：再通过不断地迭代求取新的隶属值和中心点最后得到特征区域，即可得到特征矩阵。当然，也可以选取其它聚类分割方法进行图像的分割，在此不做限定。诊断分析单元200主要用于通过预训练的宽度学习网络对诊断特征矩阵进行医学特征提取，根据提取结果进行疾病分类，生成诊断结果，诊断分析单元200通过将得到的特征数字矩阵输入到已经训练好的宽度学习网络，利用已经建立起来的宽度学习系统学习分析该特征矩阵。然后将该数据分类，通过自学习分析出疾病类别。宽度学习系统是一个单隐层结构，它采用横向扩展的方式，本文档来自技高网...

【技术保护点】
1.一种疾病智能诊断装置，其特征在于，包括：预处理单元，用于根据诊断请求对输入的医疗图像进行数字化预处理，得到诊断特征矩阵，其中，所述医疗图像包括需要进行诊断的组织或器官；诊断分析单元，用于通过预训练的宽度学习网络对所述诊断特征矩阵进行医学特征提取，根据提取结果进行疾病分类，生成诊断结果。

【技术特征摘要】
1.一种疾病智能诊断装置，其特征在于，包括：预处理单元，用于根据诊断请求对输入的医疗图像进行数字化预处理，得到诊断特征矩阵，其中，所述医疗图像包括需要进行诊断的组织或器官；诊断分析单元，用于通过预训练的宽度学习网络对所述诊断特征矩阵进行医学特征提取，根据提取结果进行疾病分类，生成诊断结果。2.如权利要求1所述的疾病智能诊断装置，其特征在于，所述预处理单元中的图像分割子单元具体为：聚类分割子单元；所述聚类分割子单元用于根据聚类分割法对所述医疗图像进行医学分割，得到需要进行分析的图像部分。3.如权利要求2所述的疾病智能诊断装置，其特征在于，所述聚类分割子单元具体为：模糊C均值分割子单元；所述模糊C均值分割子单元用于根据模糊C均值进行聚类分割。4.如权利要求1所述的疾病智能诊断装置，其特征在于，所述预处理单元还包括：剔除子单元；所述剔除子单元用于将所述图像部分中无用数据剔除。5.如权利要求1所述的疾病智能诊断装置，其特征在于，所述疾病智能诊断装置还包括输出单元；所述输出...

【专利技术属性】
技术研发人员：黄成杰，鲁仁全，吴元清，任鸿儒，李艳洲，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44