肺功能曲线检测方法、装置、设备以及存储介质制造方法及图纸

本申请实施例公开了肺功能曲线检测方法、装置、设备以及存储介质，涉及人工智能技术领域。该方法的一具体实施方式包括：获取M种检测模型，其中，M为正整数，表示获取的检测模型的种类；基于M种检测模型的检测维度，在肺功能曲线上确定N个检测段，其中，N为不大于M的正整数，表示确定的检测段的数目；利用M种检测模型对肺功能曲线上的N个检测段进行多维度检测，生成肺功能曲线的多维度检测结果。该实施方式提供了一种肺功能曲线的自动化检测方法，通过对肺功能曲线进行多维度检测来生成检测结果，提升了肺功能曲线的检测准确度。

【技术实现步骤摘要】
肺功能曲线检测方法、装置、设备以及存储介质
本申请实施例涉及计算机
，具体涉及人工智能

技术介绍
慢性阻塞性肺疾病(chronicobstructivepulmonarydiseases，COPD)是常见的肺部疾病。目前，慢性阻塞性肺疾病的患病人数越来越多，其已成为与高血压、糖尿病等量齐观的常见慢性病。肺功能检查是慢性阻塞性肺疾病的必要检查项目，受政策驱动肺功能检查的需求将显著提高。肺功能检查是一项需要医生和患者高度配合的检查项目，需要医生指导患者完成检查，并对检查质量进行判断，只有合格的肺功能检查报告才有实际的筛查意义。然而，具备检查质量评估能力的医生的人数有限，通过人工评估的方式已无法满足如此庞大的检查需求。
技术实现思路
本申请实施例提出了肺功能曲线检测方法、装置、设备以及存储介质。第一方面，本申请实施例提出了一种肺功能曲线检测方法，包括：获取M种检测模型，其中，M为正整数，表示获取的检测模型的种类；基于M种检测模型的检测维度，在肺功能曲线上确定N个检测段，其中，N为不大于M的正整数，表示确定的检测段的数目；利用M种检测模型对肺功能曲线上的N个检测段进行多维度检测，生成肺功能曲线的多维度检测结果。第二方面，本申请实施例提出了一种肺功能曲线检测装置，包括：模型获取模块，被配置成获取M种检测模型，其中，M为正整数，表示获取的检测模型的种类；检测段确定模块，被配置成基于M种检测模型的检测维度，在肺功能曲线上确定N个检测段，其中，N为不大于M的正整数，表示确定的检测段的数目；多维度检测模块，被配置成利用M种检测模型对肺功能曲线上的N个检测段进行多维度检测，生成肺功能曲线的多维度检测结果。第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。本申请实施例提供的肺功能曲线检测方法、装置、设备以及存储介质，首先获取M种检测模型；然后基于M种检测模型的检测维度，在肺功能曲线上确定N个检测段；最后利用M种检测模型对肺功能曲线上的N个检测段进行多维度检测，生成肺功能曲线的多维度检测结果。提供了一种肺功能曲线的自动化检测方法，不仅提升了肺功能曲线的检测效率，还节省了大量人力。并且，通过对肺功能曲线进行多维度检测来生成检测结果，还提升了肺功能曲线的检测准确度。应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本申请的限定。其中：图1是本申请可以应用于其中的示例性系统架构；图2是根据本申请的肺功能曲线检测方法的一个实施例的流程图；图3是根据本申请的检测模型训练方法的第一个实施例的流程图；图4是根据本申请的检测模型训练方法的第二个实施例的流程图；图5是根据本申请的检测模型训练方法的第三个实施例的流程图；图6是根据本申请的检测模型训练方法的第四个实施例的流程图；图7是根据本申请的检测模型训练方法的第五个实施例的流程图；图8是卷积神经网络的一个结构示意图；图9A是肺功能曲线的第一个示意图；图9B是肺功能曲线的第二个示意图；图9C是肺功能曲线的第三个示意图；图9D是肺功能曲线的第四个示意图；图10是根据本申请的肺功能曲线检测装置的一个实施例的结构示意图；图11是用来实现本申请实施例的肺功能曲线检测方法的电子设备的框图。具体实施方式以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请的肺功能曲线检测方法或肺功能曲线检测装置的实施例的示例性系统架构100。如图1所示，系统架构100中可以包括存储设备101、网络102和服务器103。网络102用以在存储设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。存储设备101可以通过网络102与服务器103交互。存储设备101中可以提供样本肺功能曲线集，包括但不限于数据库、用户终端等等。服务器103可以提供各种服务，例如服务器103可以对肺功能曲线进行多维度检测，生成处理结果(例如多维度检测结果)。需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。需要说明的是，本申请实施例所提供的肺功能曲线检测方法一般由服务器103执行，相应地，肺功能曲线检测装置一般设置于服务器103中。应该理解，图1中的存储设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的存储设备、网络和服务器。在服务器103中存储有样本肺功能曲线集的情况下，系统架构100可以不设置存储设备101和网络102。继续参考图2，其示出了根据本申请的肺功能曲线检测方法的一个实施例的流程200。该肺功能曲线检测方法包括以下步骤：步骤201，获取M种检测模型。在本实施例中，肺功能曲线检测方法的执行主体(例如图1所示的服务器103)可以获取M(M为正整数，表示获取的检测模型的种类)种检测模型。其中，M种检测模型可以用于检测肺功能曲线是否合格。通常，每种检测模型可以对肺功能曲线上的一个检测段进行一种维度的检测。因此，M种检测模型可以对肺功能曲线上的N(N为正整数，表示确定的检测段的数目)个检测段进行M种维度的检测。需要说明的是，N通常不会大于M，也就是说一个检测段可以进行至少一个维度的检测。例如，一个检测段既可以进行平滑度检测，又可以进行流速检测。这里，肺功能曲线可以是肺功能报告上的曲线，一份肺功能报告上可以包括多条肺功能曲线。检测段可以是肺功能曲线上的一段曲线，包括但不限于呼气起始段、呼气峰流速段、呼气结束段和本文档来自技高网...

【技术保护点】
1.一种肺功能曲线检测方法，包括：/n获取M种检测模型，其中，M为正整数，表示获取的检测模型的种类；/n基于所述M种检测模型的检测维度，在肺功能曲线上确定N个检测段，其中，N为不大于M的正整数，表示确定的检测段的数目；/n利用所述M种检测模型对所述肺功能曲线上的N个检测段进行多维度检测，生成所述肺功能曲线的多维度检测结果。/n

【技术特征摘要】
1.一种肺功能曲线检测方法，包括：
获取M种检测模型，其中，M为正整数，表示获取的检测模型的种类；
基于所述M种检测模型的检测维度，在肺功能曲线上确定N个检测段，其中，N为不大于M的正整数，表示确定的检测段的数目；
利用所述M种检测模型对所述肺功能曲线上的N个检测段进行多维度检测，生成所述肺功能曲线的多维度检测结果。


2.根据权利要求1所述的方法，其中，所述M种检测模型通过如下步骤生成：
获取样本肺功能曲线集，其中，所述样本肺功能曲线集中的样本肺功能曲线上的N个检测段已标注合格情况；
对于N个检测段中的检测段，将所述样本肺功能曲线集中的样本肺功能曲线上的该检测段的特征作为输入，将输入对应的该检测段的标注合格情况作为输出，训练生成该检测段对应的检测模型。


3.根据权利要求2所述的方法，其中，所述N个检测段包括呼气段；以及
所述将所述样本肺功能曲线集中的样本肺功能曲线上的该检测段的特征作为输入，将输入对应的该检测段的标注合格情况作为输出，训练生成该检测段对应的检测模型，包括：
构造所述样本肺功能曲线集中的样本肺功能曲线的呼气段特征；
基于所述呼气段特征构造呼气段假设函数；
基于所述呼气段假设函数构造呼气段代价函数；
基于所述样本肺功能曲线集中的样本肺功能曲线上的呼气段的标注合格情况，更新所述呼气段假设函数的参数，直至所述呼气段代价函数最小化，将所述呼气段假设函数作为所述呼气段对应的检测模型。


4.根据权利要求3所述的方法，其中，所述呼气段包括呼气起始段；以及
所述构造所述样本肺功能曲线集中的样本肺功能曲线的呼气段特征，包括：
在所述呼气起始段上选取P个点，其中，P为正整数，表示在所述呼气起始段上选取的点的数目；
计算所述呼气起始段上的零点与P个点的连线的斜率组成的第一斜率组，以及所述呼气起始段上的P个点的斜率组成的第二斜率组；
从所述第一斜率组中选取i个第一斜率，以及从所述第二斜率组中选取i第二个斜率，其中，i为不大于P的正整数，表示选取的第一斜率的数目；
确定所述样本肺功能曲线集中的样本肺功能曲线对应的外推容积和外推容积占用力肺活量比值；
基于所述i个第一斜率、所述i个第二斜率、所述外推容积和所述外推容积占用力肺活量比值构造呼气起始段特征。


5.根据权利要求4所述的方法，其中，所述呼气起始段上的P个点等分所述呼气起始段，所述i个第一斜率是所述第一斜率组中最小前i个第一斜率，所述i个第二斜率是所述第二斜率组中最小前i个第二斜率。


6.根据权利要求3所述的方法，其中，所述呼气段包括呼气峰流速段；以及
所述构造所述样本肺功能曲线集中的样本肺功能曲线的呼气段特征，包括：
将所述样本肺功能曲线集中的样本肺功能曲线上的呼气峰流速段划分为上升段和下降段；
分别在所述上升段和所述下降段选取Q个点，其中，Q为正整数，表示在所述上升段或所述下降段上选取的点的数目；
计算所述上升段上的Q个点的斜率组成的第三斜率组，以及所述下降段上的Q个点的斜率组成的第四斜率组；
从所述第三斜率组中选取j个第三斜率，以及从所述第四斜率组中选取j个第四斜率，其中，j为不大于Q的正整数，表示选取的第二斜率的数目；
确定所述样本肺功能曲线集中的样本肺功能曲线对应的到达峰流速的时间、外推容积和外推容积占用力肺活量比值；
基于所述j个第三斜率、所述j个第四斜率、所述到达峰流速的时间、所述外推容积和所述外推容积占用力肺活量比值构造呼气峰流速段特征。


7.根据权利要求6所述的方法，其中，所述上升段位于所述下降段前方，所述上升段上的Q个点等分所述上升段，所述下降段上的Q个点等分所述下降段，所述j个第三斜率是所述第三斜率组中最小前j个第一斜率，所述j个第四斜率是所述第四斜率组中最大前j个第二斜率。


8.根据权利要求2所述的方法，其中，所述N个检测段中包括呼气结束段；以及
所述将所述样本肺功能曲线集中的样本肺功能曲线上的该检测段的特征作为输入，将输入对应的该检测段的标注合格情况作为输出，训练生成该检测段对应的检测模型，包括：
将所述样本肺功能曲线集中的样本肺功能曲线的呼气时长与预设时长的比较结果、流速的逐渐变化趋势和最低流速与预设流速的比较结果作为输入，将输入对应的呼气结束段的标注合格情况作为输出，训练生成所述呼气结束段对应的检测模型。


9.根据权利要求2所述的方法，其中，所述N个检测段中包括呼气整体段；以及
所述将所述样本肺功能曲线集中的样本肺功能曲线上的该检测段的特征作为输入，将输入对应的该检测段的标注合格情况作为输出，训练生成该检测段对应的检测模型，包括：
将所述样本肺功能曲线集中的样本肺功能曲线上的呼气整体段的流速的符号作为输入，将输入对应的呼气整体段的标注合格情况作为输出，训练生成所述呼气整体段对应的检测模型。


10.根据权利要求2所述的方法，其中，所述N个检测段中包括呼气整体段；以及
所述将所述样本肺功能曲线集中的样本肺功能曲线上的该检测段的特征作为输入，将输入对应的该检测段的标注合格情况作为输出，训练生成该检测段对应的检测模型，包括：
在所述呼气整体段选取K个点，组成流速和容积变化序列，其中，K为正整数，表示在所述呼气整体段上选取的点的数目；
将所述流速和容积变化序列作为输入，将输入对应的呼气整体段的标注合格情况作为输出，对卷积神经网络进行训练，生成所述呼气整体段对应的检测模型。


11.根据权利要求10所述的方法，其中，所述呼气整体段上的K个点等分所述呼气整体段的呼气流量。


12.根据权利要求10所述的方法，其中，所述卷积神经网络包括输入层、卷积层、批量归一化层、线性整流函数层、扰动层和全连接层。


13.根据权利要求1-12之一所述的方法，其中，所述方法还包括：
基于所述肺功能曲线所属的肺功能报告上的至少一条肺功能曲线的多维度检测结果，确定合格肺功能曲线数和可重复肺功能曲线数；
基于所述合格肺功能曲线数和所述可重复肺功能曲线数，生成所述肺功能报告的检测结果。


14.根据权利要求1-12之一所述的方法，其中，所述方法还包括：
若基于所述肺功能曲线的多维度检测结果，确定所述肺功能曲线上的至少一个检测段不合格，获取不合格的检测段对应的指导信息；
推送所述不合格的检测段对应的指导信息。


15.一种肺功能曲线检测装置，包括：
模型获取模块，被配置成获取M种检测模型，其中，M为正整数，表...

【专利技术属性】
技术研发人员：邢智慧，陈俊，黄海峰，陆超，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11