一种基于人工智能的职业性尘肺病精准诊断系统及方法技术方案

本发明专利技术属于人工智能技术领域，公开了一种基于人工智能的职业性尘肺病精准诊断系统及方法，规范化采集技术质量优良的X线高千伏和数字化摄影(DR)后前位胸片，对其进行分区、分期标记，确定职业性尘肺病分期结果，分析建立病灶影像特征与该病病理基础、解剖之间的关联关系；用于X线高千伏和DR后前位胸片图像分割、标签分布构建、期别预测的深度学习模型和技术方案，对职业性尘肺病影像中无尘肺、壹期、贰期和叁期尘肺进行分级；将提出的深度学习诊断模型作为临床诊断的辅助工具，对结果进行对比验证和优化；建立诊断系统，指导职业性尘肺病的预防、诊断以及职业病伤残等级评定。本发明专利技术实现职业性尘肺病的精准诊断和早期干预。现职业性尘肺病的精准诊断和早期干预。现职业性尘肺病的精准诊断和早期干预。

【技术实现步骤摘要】
一种基于人工智能的职业性尘肺病精准诊断系统及方法


[0001]本专利技术属于人工智能
，尤其涉及一种基于人工智能的职业性尘肺 病精准诊断系统及方法。

技术介绍

[0002]职业性尘肺病是在职业活动中长期吸入不同致病性的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一组职业性肺部疾病的统称。按我 国《职业病分类和目录》，主要包括矽肺、煤工尘肺、石墨尘肺、炭黑尘肺、 石棉肺、滑石尘肺、水泥尘肺、云母尘肺、陶工尘肺、铝尘肺、电焊工尘肺、 铸工尘肺十二种。目前，我国职业性尘肺病的诊断依据《职业性尘肺病的诊断》 (GBZ 70)标准。职业性尘肺病的诊断原则是根据可靠的生产性矿物性粉尘接 触史，以技术质量合格的X射线高千伏或数字X射线摄影(DR)后前位胸片表 现为主要依据，结合工作场所职业卫生学、尘肺流行病学调查资料和职业健康 监护资料，参考临床表现和实验室检查，排除其他类似肺部疾病后，对照职业 性尘肺病诊断标准片，方可诊断。诊断医师应严格按照诊断标准，根据X线胸 片小阴影的总体密集度，小阴影分布的肺区范围，有无小阴影聚集、大阴影、 胸膜斑等，将尘肺病诊断分为壹期、贰期和叁期。
[0003]根据国家卫生健康委员会发布的全国职业病报告，2007
‑
2016年10年间职 业性尘肺病占职业病报告的平均比例为85.4％，平均每年新报告病例的增长比例 达到11.6％。数据表明，职业性尘肺病是我国职业活动中最主要的职业病，而且 潜在罹患职业性尘肺病的人群庞大，其中四川省职业性尘肺病患者人数高居全 国第三位。职业性尘肺病所致肺纤维化不可逆转，且并发症多，目前职业性尘 肺病治疗手段有限，故尘肺病患者患病后大多逐渐丧失劳动能力，导致患者家 庭因病致贫、因病返贫，健康状况和生活质量严重下降。尘肺病的诊治康复费 用给患者和社会带来沉重的经济负担。经测算，尘肺病一年使我国损失1845亿 元，包括直接经济损失250亿元，间接经济损失1595亿元，间接经济损失是直 接经济损失的6倍。用伤残调整生命年(Disability adjusted life year,DALY)方法 计算尘肺病患者人均一生社会生产力损失为60.85万元。因此，早期发现并及时 干预对职业性尘肺病的防治至关重要。
[0004]作为法定职业病，职业性尘肺病病人的待遇和安置以评定的伤残等级为主 要依据，伤残等级评定依赖于职业性尘肺病分期、肺功能损伤程度。由此可见， 职业性尘肺病的准确诊断涉及国家救助和企业工伤保险的落实等关系民生福祉 的重要举措。由于不同地区和不同机构的职业病诊断医师诊断水平存在差异， 易受多种因素干扰，导致职业性尘肺病诊断分期结论的同质性差，从而引发诸 多社会问题。
[0005]然而在职业性尘肺病诊断过程中，由于不同职业病诊断医师对职业性尘肺 病细微结构的认知存在较大差异且易受外界因素干扰，导致职业性尘肺病诊断 结论不能客观反映、精准评价患者肺部损害的真实改变。实现职业性尘肺病精 准诊断，亟待解决下述关键技术问题：
[0006](1)按照现行的职业性尘肺病诊断标准，由取得职业病诊断资质的医师将 拟申请职业性尘肺病诊断患者的胸片与标准片对比，集体讨论后形成诊断意见。 在此过程中，职业病诊断医师对影像的识别和对比较为主观，易受外界因素干 扰，识别结果的稳定性不够、可重复性差。
[0007](2)不同地区和不同诊断机构的职业病诊断医师因对职业性尘肺病影像改 变的认知不同和工作经验的差异，其诊断水平参差不齐，诊断结论同质性较差， 甚至出现误诊、漏诊。
[0008](3)因前后结构重叠，X线胸片对不规则小阴影和很小的圆形阴影等细微 病变显示欠佳，早期肺纤维化病变以及肺气肿、肺动脉高压等并发症不易被及 时、准确地发现，早期职业性尘肺病诊断对影像辅助识别技术需求迫切。
[0009](4)人眼能够分辨的影像灰度变化是有限度的，胸部影像上以数字呈现的 图像信息无法全部被肉眼捕获，影像数据的潜在价值有待进一步挖掘。
[0010](5)目前的职业性尘肺病诊断标准对密集度进行四大级和十二小级的分 级，此方法成为反映职业性尘肺病严重程度的主要依据，但其主要依靠诊断医 师的主观判断，分级精确度和准确度不够。随着医学的发展和对职业性尘肺病 研究的深入，尚需要更加客观、准确、全面的定量方法进行评价分析。
[0011]人工智能(Artificial Intelligence，AI)是研究、开发用于模拟、延伸和扩展 人的智能理论、方法、技术及应用系统的一门新的技术科学。机器学习是人工 智能的
之一，主要研究如何在经验学习中，基于数据驱动改善具体算 法的性能。而深度学习(Deep Learning)是机器学习的分支，是一种试图使用 包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算 法。近年来已有数种深度学习框架，如多层神经网络、卷积神经网络、深度置 信网络和递归神经网络已被应用在计算机视觉、语音识别、音频识别与生物信 息学等领域并取得了良好的效果。
[0012]在医学影像领域，机器学习用于图像分割、图像配准、基于内容的影像检 索以及诊断报告的文本分析，特别是计算机辅助检测与诊断的研究较多。在肺 部疾病方面，应用机器学习的方法对肺结节进行识别分类、预测肺部结节的良 恶性、比较不同机器学习的方法对肺癌分类的准确性以及对肺间质纤维化疾病 类型的分类。现有构建出基于深度学习的肺炎AI疾病图像诊断系统，在区分肺 炎和健康状态时，检测准确性的受试者特征曲线下面积(Area under the curve, AUC)达到96.8％，区分细菌性肺炎和病毒性肺炎的AUC达到94％，相关成果 发表在顶级期刊《Cell》。
[0013]在国内，针对职业性尘肺病基于人工智能进行诊断研究尚处于起步阶段。 现有研究技术团队基于主动形变模型的肺野分割和纹理特征提取方法对职业性 尘肺病胸片的弥漫性病灶进行识别；现有基于小波纹理特征和灰度增强技术并 采用支持向量机、决策树等方法在数字化摄影(Digital Radiography,DR)胸片上自 动识别小阴影、辅助诊断尘肺并进行分期研究，显示出较好的检测效能。然而， 上述这些方法均基于手工特征提取，具有特征提取有限、泛化性能较差以及神 经网络层数不足等问题。目前尚未检索到基于深度学习模型构建职业性尘肺病 精准诊断模型的研究报道。
[0014]解决上述技术问题的难度和意义：本专利技术首次建立一套科学、精准、高效 的职业性尘肺病精准诊断体系，做出的是基础性、原创性贡献。
[0015]研究精准、稳定可靠的职业性尘肺病诊断技术，具有以下几方面的重要意 义：(1)因接触生产性粉尘的人群庞大，精准、稳定可靠的职业性尘肺病诊断 技术可以减少社会矛盾和卫生费用支出。(2)最大限度地消除职业病诊断医师 业务能力和社会因素对职业性尘肺病诊断的影响与干扰，有助于保护职业性尘 肺病患者和企业双方的合法权益，达到减少劳资纠纷、避免引发群体性事件、 维护社会公平正义的目的。

技术实现思路
<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的职业性尘肺病精准诊断方法，其特征在于，所述的基于人工智能的职业性尘肺病精准诊断方法包括以下步骤：步骤一：规范化采集技术质量优良的X线高千伏和数字化摄影(DR)后前位胸片，对其进行分区、分期标记，确定职业性尘肺病分期结果，分析、建立病灶影像特征与该病病理基础、解剖之间的关联关系；步骤二：用于X线高千伏和DR后前位胸片图像分割、标签分布构建、期别预测的深度学习模型和技术方案，对职业性尘肺病影像中无尘肺、壹期、贰期和叁期尘肺进行分级；步骤三：将提出的深度学习诊断模型作为临床诊断的辅助工具，对结果进行对比验证和优化；建立诊断系统，指导职业性尘肺病的预防、诊断以及职业病伤残等级评定。2.如权利要求1所述的基于人工智能的职业性尘肺病精准诊断方法，其特征在于，所述步骤二中，对职业性尘肺病影像中出现的弥漫分布、目标病灶小的病变进行识别、分级，具体采用影像数据标记、弥漫性病变分割检测、标签分布构建和职业性尘肺病识别分期方法。3.如权利要求1所述的基于人工智能的职业性尘肺病精准诊断方法，其特征在于，所述步骤一中，影像数据标记具体采用以下步骤：
①
对职业性尘肺病X线高千伏和DR后前位胸片影像，按照职业性尘肺病诊断标准中的方法对肺野进行分区，对照标准片，分别对各区的阴影形态、密集度进行分级标记；
②
影像数据标记由5名从事胸部影像诊断工作5年以上的主治医师完成；所有拟标记影像数据进行随机选取，避免数据选择偏倚；在标记过程中意见不一致时协商解决，或反馈到高级职称医师进行系统性分析并确定结论；
③
由3名取得国家职业性尘肺病诊断医师资格的职业性尘肺病知名诊断专家采用少数服从多数的原则评价各组数据标记的准确性和确定职业性尘肺病分期。4.如权利要求1所述的基于人工智能的...

【专利技术属性】
技术研发人员：沈江，骆春波，伍东升，孙文建，罗杨，吴霜，张艳，刘露，张洪静，王成龙，郑后军，
申请(专利权)人：四川大学华西第四医院，
类型：发明
国别省市：