一种肺结核的智能筛查和上报方法及系统技术方案

本申请涉及一种肺结核的智能筛查和上报方法及系统，其中，所述方法包括：建立胸片影像数据集，并对所述胸片影像数据集中的胸片样本进行病症标注；基于所述胸片影像数据集训练图像分类器，所述图像分类器用于区分胸片样本中是否包含表征肺结核的图像特征；获取待识别的临床图像，并将所述临床图像输入所述图像分类器，得到所述临床图像对应的诊断结果；当所述诊断结果表征疑似肺结核时，提取患者信息，并调用信息上报单；将携带所述患者信息的信息上报单发送至医务部，以通过所述医务部将所述患者信息上报至结核病防治机构。本申请提供的技术方案，能够提高肺结核的筛查效率和精度，并及时将疑似肺结核的患者信息上报至结核病防治机构。

【技术实现步骤摘要】
一种肺结核的智能筛查和上报方法及系统
本申请涉及互联网
，特别涉及一种肺结核的智能筛查和上报方法及系统。
技术介绍
结核病(tuberculosis)是由结核杆菌引起的一种慢性传染病，全身各器官均可发生，以肺结核最为多见。目前，我国仍是全球30个结核病高负担国家之一，每年新发结核病患者约90万例，位居全球第3位，结核病发病人数仍然较多，中西部地区、农村地区的结核病防治形势最为严峻。作为医学影像中的常规检查，胸部X线是诊断肺结核的必备手段。世界卫生组织在2016年发布的《胸部X线检查在结核病发现工作中应用》中再次强调，胸部X线影像检查是结核病早期发现的重要工具，也是实现WHO消除结核病策略的重要基础。而且胸部X线作为胸部影像学的首选检查，更有助于在基层医疗机构推广和进行肺结核筛查。然而，由于肺结核的胸片表现多种多样，一些基层或初级医生可能因为认识不足而误诊漏诊，而且目前还没有易于推广的肺结核胸片诊疗规范，导致全国不同地区肺结核诊断水平存在较大差距。另一方面，在一些综合性大医院，门诊或体检病人众多且流动性强，影像科医生阅片任务繁重，面对每天数以百计的胸部X线片及其复杂的影像学表现，医生常因压力大、视觉疲劳而导致肺结核的漏诊发生。目前放射科医生在发现可疑活动性肺结核后，需要手动填写传染病登记本，耗时费力且不能保证按时准确登记；有的医院即使进行了登记，但由于病患众多，疏于监管，有时也不能及时有效的反馈给临床医生和疾控部门，可能造成肺结核患者的漏报和迟报。整个肺结核的影像诊断与上报过程中涉及到大量的人工环节，包括医生人工阅片、手动填写报告单，医务部定期汇总名单，防治监管机构定期核查等，不仅人工成本高、执行效率低，还无法做到日常持续监管。更为关键的是，面对各级医疗单位，防治监管机构无法全面及时地掌控肺结核上报情况，仅靠随机查阅、现场核查、专项调查等手段开展监管工作，并且缺乏对当前肺结核发病情况的大数据分析。一旦发生漏报/瞒报情况，肺结核疫情蔓延后果不堪设想。尽管部分医院实现了结核病管理的信息化，但都是针对单个医院的业务流程定制开发，自动化程度差强人意，智能化更是无从谈起，不具备推广价值。
技术实现思路
本申请的目的在于提供一种肺结核的智能筛查和上报方法及系统，能够提高肺结核的筛查效率和精度，并及时将疑似肺结核的患者信息上报至结核病防治机构。为实现上述目的，本申请提供一种肺结核的智能筛查和上报方法，所述方法包括：建立胸片影像数据集，并对所述胸片影像数据集中的胸片样本进行病症标注；基于所述胸片影像数据集训练图像分类器，所述图像分类器用于区分胸片样本中是否包含表征肺结核的图像特征；获取待识别的临床图像，并将所述临床图像输入所述图像分类器，得到所述临床图像对应的诊断结果；当所述诊断结果表征疑似肺结核时，提取患者信息，并调用信息上报单；接收医生输入的确认指令，将携带所述患者信息的信息上报单发送至医务部，以通过所述医务部将所述患者信息上报至结核病防治机构。进一步地，在基于所述胸片影像数据集训练图像分类器时，所述方法还包括：引入评价系统对训练的所述图像分类器进行评价，以生成所述图像分类器的评价参数；当所述评价参数达到期望值时，结束图像分类器的训练过程；若所述评价参数未达到期望值，对所述胸片影像数据集和当前的卷积网络参数进行调整，并利用调整后的数据重新训练图像分类器，直至评价参数达到期望值为止。进一步地，生成所述图像分类器的评价参数包括：获取评价图像集，并利用所述图像分类器对所述评价图像集中的评价样本进行分类；根据分类结果，计算所述图像分类器的精度参数和召回率参数，其中，所述精度参数和所述召回率参数用于表征所述图像分类器的分类准确度。进一步地，基于所述胸片影像数据集训练图像分类器包括：建立肺部局部区域的检测分割模型，并通过所述检测分割模型识别并分割胸片样本中的肺部区域图像；基于分割后的肺部区域图像训练图像分类器。进一步地，基于所述胸片影像数据集训练图像分类器包括：预先训练一个浅层神经网络，并利用所述浅层神经网络的权值初始化训练阶段的整个神经网络；将所述胸片样本缩放至不同的尺寸，并从缩放后的各个版本中随机裁取固定大小的图片，并基于裁取的图片训练图像分类器。为实现上述目的，本申请还提供一种肺结核的智能筛查和上报系统，所述系统包括：样本集建立单元，用于建立胸片影像数据集，并对所述胸片影像数据集中的胸片样本进行病症标注；分类器训练单元，用于基于所述胸片影像数据集训练图像分类器，所述图像分类器用于区分胸片样本中是否包含表征肺结核的图像特征；诊断结果预测单元，用于获取待识别的临床图像，并将所述临床图像输入所述图像分类器，得到所述临床图像对应的诊断结果；信息提取单元，用于当所述诊断结果表征疑似肺结核时，提取患者信息，并调用信息上报单；信息上报单元，用于接收医生输入的确认指令，将携带所述患者信息的信息上报单发送至医务部，以通过所述医务部将所述患者信息上报至结核病防治机构。进一步地，所述分类器训练单元包括：评价模块，用于引入评价系统对训练的所述图像分类器进行评价，以生成所述图像分类器的评价参数；训练迭代模块，用于当所述评价参数达到期望值时，结束图像分类器的训练过程；若所述评价参数未达到期望值，对所述胸片影像数据集和当前的卷积网络参数进行调整，并利用调整后的数据重新训练图像分类器，直至评价参数达到期望值为止。进一步地，所述评价模块包括：评价图像集检测模块，用于获取评价图像集，并利用所述图像分类器对所述评价图像集中的评价样本进行分类；参数计算模块，用于根据分类结果，计算所述图像分类器的精度参数和召回率参数，其中，所述精度参数和所述召回率参数用于表征所述图像分类器的分类准确度。进一步地，所述分类器训练单元包括：局部检测模块，用于建立肺部局部区域的检测分割模型，并通过所述检测分割模型识别并分割胸片样本中的肺部区域图像；训练模块，用于基于分割后的肺部区域图像训练图像分类器。进一步地，所述分类器训练单元包括：权值初始化模块，用于预先训练一个浅层神经网络，并利用所述浅层神经网络的权值初始化训练阶段的整个神经网络；图片裁取模块，用于将所述胸片样本缩放至不同的尺寸，并从缩放后的各个版本中随机裁取固定大小的图片，并基于裁取的图片训练图像分类器。本申请提供的技术方案，通过对大量肺结核胸片的分析，开展基于深度学习的肺结核影像图像分析研究，实现了肺结核的筛查准确性达到甚至优于影像专家水平，减少由于工作繁忙或认识不足等多方面原因引起的肺结核的漏诊。同时，肺结核自动上报工作实现了全程电子化、自动化，非定点医疗机构的肺结核诊断工作全部有据可查，弥补了结核漏报漏登专项工作耗时费力的缺点，有利于政府卫生部门、疾控中心、定点医疗机构开展结核病监管防治工作。附图说明图1为本申请中肺结核的智能筛查方法示意图；图2为本申请中肺结核的智能上报方法示意图。具体实施方式为了使本
的人员更好地理解本申请中的技术方案，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，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它实施方式，都应当属于本申本文档来自技高网...

【技术保护点】
1.一种肺结核的智能筛查和上报方法，其特征在于，所述方法包括：建立胸片影像数据集，并对所述胸片影像数据集中的胸片样本进行病症标注；基于所述胸片影像数据集训练图像分类器，所述图像分类器用于区分胸片样本中是否包含表征肺结核的图像特征；获取待识别的临床图像，并将所述临床图像输入所述图像分类器，得到所述临床图像对应的诊断结果；当所述诊断结果表征疑似肺结核时，提取患者信息，并调用信息上报单；接收医生输入的确认指令，将携带所述患者信息的信息上报单发送至医务部，以通过所述医务部将所述患者信息上报至结核病防治机构。

【技术特征摘要】
1.一种肺结核的智能筛查和上报方法，其特征在于，所述方法包括：建立胸片影像数据集，并对所述胸片影像数据集中的胸片样本进行病症标注；基于所述胸片影像数据集训练图像分类器，所述图像分类器用于区分胸片样本中是否包含表征肺结核的图像特征；获取待识别的临床图像，并将所述临床图像输入所述图像分类器，得到所述临床图像对应的诊断结果；当所述诊断结果表征疑似肺结核时，提取患者信息，并调用信息上报单；接收医生输入的确认指令，将携带所述患者信息的信息上报单发送至医务部，以通过所述医务部将所述患者信息上报至结核病防治机构。2.根据权利要求1所述的方法，其特征在于，在基于所述胸片影像数据集训练图像分类器时，所述方法还包括：引入评价系统对训练的所述图像分类器进行评价，以生成所述图像分类器的评价参数；当所述评价参数达到期望值时，结束图像分类器的训练过程；若所述评价参数未达到期望值，对所述胸片影像数据集和当前的卷积网络参数进行调整，并利用调整后的数据重新训练图像分类器，直至评价参数达到期望值为止。3.根据权利要求2所述的方法，其特征在于，生成所述图像分类器的评价参数包括：获取评价图像集，并利用所述图像分类器对所述评价图像集中的评价样本进行分类；根据分类结果，计算所述图像分类器的精度参数和召回率参数，其中，所述精度参数和所述召回率参数用于表征所述图像分类器的分类准确度。4.根据权利要求1所述的方法，其特征在于，基于所述胸片影像数据集训练图像分类器包括：建立肺部局部区域的检测分割模型，并通过所述检测分割模型识别并分割胸片样本中的肺部区域图像；基于分割后的肺部区域图像训练图像分类器。5.根据权利要求1所述的方法，其特征在于，基于所述胸片影像数据集训练图像分类器包括：预先训练一个浅层神经网络，并利用所述浅层神经网络的权值初始化训练阶段的整个神经网络；将所述胸片样本缩放至不同的尺寸，并从缩放后的各个版本中随机裁取固定大小的图片，并基于裁取的图片训练图像分类器。6.一种肺结核的智能筛查和上报系统，其特征在于，所述系统包括：样本集建立单元，...

【专利技术属性】
技术研发人员：曹捷，
申请(专利权)人：天启慧眼北京信息技术有限公司，
类型：发明
国别省市：北京,11