基于智能影像的尘肺预警方法、装置及存储介质制造方法及图纸

本发明专利技术提供一种基于智能影像的尘肺预警方法、装置及存储介质，包括：对接收到的CT图像预处理；基于识别模型对预处理后的尘肺CT图像依次进行粗分割和细分割得到粗分割结果和细分割结果；对粗分割结果和细分割结果融合处理得到融合结果；基于融合结果和相关产业人员的临床职业史资料、血液学指标进行尘肺预警。预先设置训练样本集，训练样本集包括多帧CT图像；识别模型对训练样本集中的CT图像进行识别，依次得到粗分割结果、细分割结果以及融合结果；识别模型将粗分割结果、细分割结果、融合结果与尘肺病信息和\或标准信息比对以更新识别模型的参数梯度。本发明专利技术能够对早期肺部病变进行有效识别，并根据识别结果进行潜在尘肺病高危人群进行预警。高危人群进行预警。高危人群进行预警。

【技术实现步骤摘要】
基于智能影像的尘肺预警方法、装置及存储介质


[0001]本专利技术涉及尘肺识别
，尤其涉及一种基于智能影像的尘肺预警方法、装置及存储介质。

技术介绍

[0002]尘肺病是由于在职业活动中长期吸入生产性粉尘，并在肺内潴留而引起的以肺组织弥漫性纤维化为主的全身性疾病。根据国内近年来多地报告的职业病发病情况，尘肺病仍位居职业病首位。
[0003]我国的尘肺诊断标准将尘肺按等级分为四类：无尘肺、一期尘肺、二期尘肺和三期尘肺，尘肺的等级主要是通过X光拍摄的胸片进行鉴定的，传统的X线成像是使透过人体的X线投射在夹在两侧增感屏之间的胶片上，其图像是模拟信号，影像信息只能记录在胶片上，影像真实，无法修饰。随着现代科学技术的发展CR、DR、CT等现代X线成像技术的图像都已经实现数字化。其拍摄结果能够被输入到计算机进行处理成像。
[0004]在对一期尘肺的CT图像进行识别时，会存在很多的肺部细小病灶无法被准确识别的情况，进而导致早期肺部病变识别时会出现误判断的情况。

技术实现思路

[0005]本专利技术实施例提供一种基于智能影像的尘肺预警方法、装置及存储介质，能够对早期肺部病变进行有效识别，并根据识别结果进行尘肺预警。
[0006]本专利技术实施例的第一方面，提供一种基于智能影像的尘肺预警方法，包括：
[0007]对接收到的CT图像进行预处理；
[0008]基于识别模型对预处理后的尘肺CT图像依次进行粗分割和细分割得到粗分割结果和细分割结果；
[0009]对所述粗分割结果和细分割结果融合处理得到融合结果；
[0010]基于所述融合结果进行尘肺预警。
[0011]可选地，在第一方面的一种可能实现方式中，通过以下步骤对所述识别模型进行训练，包括：
[0012]预先设置训练样本集，所述训练样本集包括多帧CT图像，其中每帧CT图像分别具有尘肺病信息和\或标准信息；
[0013]识别模型对训练样本集中的CT图像进行识别，依次得到粗分割结果、细分割结果以及融合结果；
[0014]识别模型将粗分割结果、细分割结果、融合结果与尘肺病信息和\或标准信息比对以更新识别模型的参数梯度。
[0015]可选地，在第一方面的一种可能实现方式中，在识别模型对训练样本集中的CT图像进行识别前，还包括：
[0016]获取当前时刻的CT图像，选取所述CT图像前和\或后的预设数量帧的CT图像；
[0017]将当前时刻的CT图像和选取的CT图像分别作为输入至所述识别模型进行训练。
[0018]可选地，在第一方面的一种可能实现方式中，在识别模型对训练样本集中的CT图像进行识别前，还包括：
[0019]对所述CT图像采用滑动窗口的方法生成48
×
64
×
64大小的体数据块作为识别模型的输入进行训练。
[0020]可选地，在第一方面的一种可能实现方式中，对接收到的CT图像进行预处理包括：
[0021]对所述CT图像依次进行层厚重分割、灰度校正、图像噪声及伪影去除。
[0022]本专利技术实施例的第二方面，提供一种基于智能影像的尘肺预警装置，包括：
[0023]预处理模块，用于对接收到的CT图像进行预处理；
[0024]分割模块，用于基于识别模型对预处理后的尘肺CT图像依次进行粗分割和细分割得到粗分割结果和细分割结果；
[0025]融合模块，用于对所述粗分割结果和细分割结果融合处理得到融合结果；
[0026]预警模块，用于基于所述融合结果进行尘肺预警。
[0027]可选地，在第二方面的一种可能实现方式中，还包括：
[0028]设置单元，用于预先设置训练样本集，所述训练样本集包括多帧CT图像，其中每帧CT图像分别具有尘肺病信息和\或标准信息；
[0029]识别单元，用于使识别模型对训练样本集中的CT图像进行识别，依次得到粗分割结果、细分割结果以及融合结果；
[0030]更新单元，用于使识别模型将粗分割结果、细分割结果、融合结果与尘肺病信息和\或标准信息比对以更新识别模型的参数梯度。
[0031]可选地，在第二方面的一种可能实现方式中，还包括：
[0032]第一选取单元，用于获取当前时刻的CT图像，选取所述CT图像前和\或后的预设数量帧的CT图像；
[0033]第一训练单元，用于将当前时刻的CT图像和选取的CT图像分别作为输入至所述识别模型进行训练。
[0034]可选地，在第二方面的一种可能实现方式中，还包括：
[0035]第二训练单元，用于对所述CT图像采用滑动窗口的方法生成48
×
64
×
64大小的体数据块作为识别模型的输入进行训练。
[0036]可选地，在第一方面的一种可能实现方式中，
[0037]本专利技术实施例的第二方面，提供一种
[0038]本专利技术实施例的第三方面，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本专利技术第一方面及第一方面各种可能设计的所述方法。
[0039]本专利技术提供的一种基于智能影像的尘肺预警方法、装置及存储介质，能够对正常人群及壹期尘肺人群的CT图像进行深度学习，计算已识别病灶的相关权重及系数，训练识别模型，实现对肺部尘肺相关病变进行早期预警，有效提高了尘肺筛查的准确度和效率。并且，早期预警可以发现煤矿相关产业人员中的尘肺高危人群，及早采取干预，降低了转变为尘肺的可能性。
附图说明
[0040]图1为基于智能影像的尘肺预警方法的流程图；
[0041]图2为识别模型对CT图像识别的示意图；
[0042]图3为基于智能影像的尘肺预警装置的结构图。
具体实施方式
[0043]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，所描述的实施例仅仅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。
[0044]本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
[0045]应当理解，在本专利技术的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本专利技术实施例的实施过程构成任何限定。
[0046]应当理解，在本专利技术中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能影像的尘肺预警方法，其特征在于，包括：对接收到的CT图像进行预处理；基于识别模型对预处理后的尘肺CT图像依次进行粗分割和细分割得到粗分割结果和细分割结果；对所述粗分割结果和细分割结果融合处理得到融合结果；基于所述融合结果进行尘肺预警。2.根据权利要求1所述的基于智能影像的尘肺预警方法，其特征在于，通过以下步骤对所述识别模型进行训练，包括：预先设置训练样本集，所述训练样本集包括多帧CT图像，其中每帧CT图像分别具有尘肺病信息和\或标准信息；识别模型对训练样本集中的CT图像进行识别，依次得到粗分割结果、细分割结果以及融合结果；识别模型将粗分割结果、细分割结果、融合结果与尘肺病信息和\或标准信息比对以更新识别模型的参数梯度。3.根据权利要求2所述的基于智能影像的尘肺预警方法，其特征在于，在识别模型对训练样本集中的CT图像进行识别前，还包括：获取当前时刻的CT图像，选取所述CT图像前和\或后的预设数量帧的CT图像；将当前时刻的CT图像和选取的CT图像分别作为输入至所述识别模型进行训练。4.根据权利要求2所述的基于智能影像的尘肺预警方法，其特征在于，在识别模型对训练样本集中的CT图像进行识别前，还包括：对所述CT图像采用滑动窗口的方法生成48
×
64
×
64大小的体数据块作为识别模型的输入进行训练。5.根据权利要求1所述的基于智能影像的尘肺预警方法，其特征在于，对接收到的CT图像进行预处理包括：对所述CT图像依次进行层厚重分割、灰度校正、图像噪声及伪影去除。6.一种基于智能影...

【专利技术属性】
技术研发人员：胡东，吴静，刘亚锋，王文洋，周家伟，邢应如，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：