一种基于深度学习多模型融合肌骨超声诊断系统技术方案

本发明专利技术公开了一种基于深度学习多模型融合肌骨超声诊断系统，诊断管理平台又包括模型库、诊断系统和显示系统，显示系统包括框选矩形模块和病灶信息显示模块，模型库包括数据采集模块和模型建立模块，诊断系统包括诊疗模块、量化对比模块、影像处理模块，本发明专利技术涉及医疗技术领域。该基于深度学习多模型融合肌骨超声诊断系统，通过诊疗模块获取待诊断肌骨病灶的医学影像信息发送至模型库，模型库与诊断系统建立通信连接，根据深度卷积神经网络模型得到的输出值确定待诊断肌骨病灶的医学影像的病灶风险的输出值，人工智能帮助医生精准提示超声影像病灶位置及性质，辅助诊断、结论客观，提高医生工作效率同时降低医生人为主观诊断失误风险。失误风险。失误风险。

【技术实现步骤摘要】
一种基于深度学习多模型融合肌骨超声诊断系统


[0001]本专利技术涉及医疗
，具体为一种基于深度学习多模型融合肌骨超声诊断系统。

技术介绍

[0002]超声技术，由于其具有实时动态显象、无创性、便携性、“可视化”介入操作引导、操作简便、重复性强、检查时间短并能迅速获取结果等优势，在临床中得到广泛应用及推广。肌骨超声是近年来新兴的超声检查技术，应用高频超声来诊断肌肉骨骼系统疾病，能够清晰显示肌肉、肌腱、韧带、周围神经等浅表软组织结构及其发生的病变，如炎症、肿瘤、损伤、畸形引起的结构异常。再结合相关病史及临床症状，大部分病例可得到准确的超声诊断。高频超声对软组织病变的显示能力，可与MRI相媲美。能够精细分辨肌肉、肌腱、浅表神经解剖结构。
[0003]但初学者由于对正常的解剖结构不能准确的识别，往往需要较长时间的学习曲线才能熟练使用肌骨超声技术进行医学扫查。此外，即使有一定经验的医师在进行肌骨超声操作时，结果判定也往往受个人经验、影像质量、解剖变异等影响，加之操作医师自身的经验和诊断水平参差不齐，普遍存在发现不了病灶、发现病灶但诊断错误本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习多模型融合肌骨超声诊断系统，包括诊断管理平台，其特征在于，所述诊断管理平台又包括模型库、诊断系统和显示系统，所述显示系统包括框选矩形模块和病灶信息显示模块；所述模型库包括以下模块：数据采集模块：所述数据采集模块采集以往肌骨病灶病例的医学影像；模型建立模块：将往例肌骨病灶的医学影像输入训练建立深度卷积神经网络模型，并从中得到输出值；所述诊断系统包括以下模块：诊疗模块：所述诊疗模块结合超声影像设备，获取待诊断肌骨病灶的医学影像信息；量化对比模块：所述量化对比模块是对自动提取的区域轮廓进行量化分析，并根据输出值确定所述待诊断肌骨病灶的医学影像的病灶风险；影像处理模块：降低超声影像有较大的散斑噪声，增强影像的区域轮廓。2.根据权利要求1所述的一种基于深度学习多模型融合肌骨超声诊断系统，其特征在于：将所述医学影像划分为训练集和测试集；所述训练集用于训练深度卷积神经网络模型；所述测试集用于测试深度卷积神经网络模型。3.根据权利要求1所述的一种基于深度学习多模型融合肌骨超声诊断系统，其特征在于：已训练的所述深度卷积神经网络模型通过如下构建：获取多张肌骨病灶组织的医学影像；注释医学影像的病灶组织；根据医学影像和医学影像的病灶组织对应的病灶风险进行训练，得到已训练的深度卷积神经网络模型。4.根据权利要求1所述的一种基于深度学习多模型融合肌骨超声诊断系统，其特征在于：所述医学影像输入至已训练的深度卷积神经网络模型中得到输出值。5.根据权利要求1所述的一种基于深度学习多模型融合肌骨超声诊断...

【专利技术属性】
技术研发人员：陈向东，孙树俊，杨东，林云，夏海发，王婷婷，赵帅，
申请(专利权)人：华中科技大学同济医学院附属协和医院，
类型：发明
国别省市：