一种基于深度学习的肺炎病变模拟方法及系统技术方案

本发明专利技术公开了一种基于深度学习的肺炎病变模拟方法及系统。通过获取病人基础CT肺部图像，将肺部图像进行健康图像模拟处理，得到初始健康模拟肺部图像，通过构建肺部肺炎病例图像数据库，从肺炎病例图像数据库中获取历史已有的肺部病变图像集，将图像集导入基于深度学习的肺炎变化模型中进行图像训练，得到肺炎病变过程参数。将初始健康模拟肺部图像与肺炎病变过程参数导入肺炎变化模型进行病变模拟得到病变模拟图像集，通过病人真实CT肺部图像与病变模拟图像集进行数据对比与分析，得到肺炎情况参考信息，从而辅助医生判断病人的肺炎情况。通过本发明专利技术能够辅助医生对病人肺部图像进行综合分析，提高医生工作效率，降低误诊率。降低误诊率。降低误诊率。

【技术实现步骤摘要】
一种基于深度学习的肺炎病变模拟方法及系统


[0001]本专利技术涉及深度学习领域，更具体的，涉及一种基于深度学习的肺炎病变模拟方法及系统。

技术介绍

[0002]当前的肺炎的发病率很高，约占总人群的12%。预计我国每年有250万社区获得性肺炎（CAP）患者，其中，超过12万人死于社区获得性肺炎。且因社会人口老龄化、免疫受损宿主增加、病原体变迁、病原学诊断困难、不合理使用抗生素导致细菌耐药性增加等原因，近年来肺炎的发病率也有增加的趋势。
[0003]随着发病率的增加，肺炎的看诊也越来越多。而在进行肺炎检查时，如果单靠医生来检查病人的CT肺部图片，过程费时费力，在病人较多的情况下，对医生也是一种极大的考验，所以现在亟需一种能够辅助医生对肺炎病人的CT图像作出病变判断的方法，以提高医生看诊效率。

技术实现思路

[0004]为了解决上述至少一个技术问题，本专利技术提出了一种基于深度学习的肺炎病变模拟方法及系统。
[0005]本专利技术第一方面提供了一种基于深度学习的肺炎病变模拟方法，包括：获取初始CT肺部图像，将初始CT肺部图像进行图像预处理得到基础肺部图像；搭建基于深度学习的肺部健康模拟模型，将基础肺部图像进行图像关键数据提取与图像数据模拟，得到初始健康模拟肺部图像；将初始健康模拟肺部图像与肺炎病变过程参数导入肺炎变化模型中进行病变模拟，得到病变模拟图像集；将病变模拟图像集进图像拆分，并按预设方式在预设终端设备中进行展示。
[0006]本方案中，所述获取初始CT肺部图像，将初始CT肺部图像进行图像预处理得到基础肺部图像，具体为：获取目标对象初始CT肺部图像，将初始CT肺部图像进行数据格式转化处理，得到统一格式的肺部图像；将统一格式的肺部图像进行图像平滑、降噪处理，得到高质量的基础肺部图像。
[0007]本方案中，所述搭建基于深度学习的肺部健康模拟模型，将基础肺部图像进行图像关键数据提取与图像数据模拟，得到初始健康模拟肺部图像，具体为：将基础肺部图像进行图像轮廓锐化处理，得到锐化后的基础肺部图像；将锐化后的基础肺部图像进行图像轮廓特征提取，得到肺部大小信息与轮廓信息；将肺部大小与轮廓信息进行图像数据模拟分析，并生成初始健康模拟肺部图像。
[0008]本方案中，所述将初始健康模拟肺部图像与肺炎病变过程参数导入肺炎变化模型
中进行病变模拟，得到病变模拟图像集，之前包括：从肺炎病例图像数据库中获取已有的历史肺炎病变图像集；将历史肺炎病变图像集按照预设顺序进行图像数据拆分，得到多个肺炎病变图像子集；将多个肺炎病变图像子集导入肺炎变化模型进行图像变化分析，根据不同肺炎病变图像子集之间的图像变化，得到肺炎病变过程参数。
[0009]本方案中，所述将初始健康模拟肺部图像与肺炎病变过程参数导入肺炎变化模型中进行病变模拟，得到病变模拟图像集，还包括：获取目标对象基础情况信息，将目标对象基础情况信息进行数据分析处理，得到目标对象基础数据；将目标对象基础数据进行肺炎病变影响分析，得到多个病变影响指数，并计算出平均病变影响指数；根据平均病变影响指数，分析得到肺炎病变过程参数修正信息。
[0010]本方案中，所述将初始健康模拟肺部图像与肺炎病变过程参数导入肺炎变化模型中进行病变模拟，得到病变模拟图像集，还包括：根据病变过程参数修正信息，将肺炎病变过程参数进行修正；将初始健康模拟肺部图像与修正后的肺炎病变过程参数导入肺炎变化模型进行病变过程模拟，得到病变模拟图像数据；将病变模拟图像数据按图像变化程度进行图像数据的划分，得到多个病变模拟图像子集；将多个病变模拟图像子集进行数据整理得到病变模拟图像集。
[0011]本专利技术第二方面还提供了一种基于深度学习的肺炎病变模拟系统，该系统包括：存储器、处理器，所述存储器中包括基于深度学习的肺炎病变模拟方法程序，所述基于深度学习的肺炎病变模拟方法程序被所述处理器执行时实现如下步骤：获取初始CT肺部图像，将初始CT肺部图像进行图像预处理得到基础肺部图像；搭建基于深度学习的肺部健康模拟模型，将基础肺部图像进行图像关键数据提取与图像数据模拟，得到初始健康模拟肺部图像；将初始健康模拟肺部图像与肺炎病变过程参数导入肺炎变化模型中进行病变模拟，得到病变模拟图像集；将病变模拟图像集进图像拆分，并按预设方式在预设终端设备中进行展示。
[0012]本方案中，所述获取初始CT肺部图像，将初始CT肺部图像进行图像预处理得到基础肺部图像，具体为：获取目标对象初始CT肺部图像，将初始CT肺部图像进行数据格式转化处理，得到统一格式的肺部图像；将统一格式的肺部图像进行图像平滑、降噪处理，得到高质量的基础肺部图像。
[0013]本方案中，所述将初始健康模拟肺部图像与肺炎病变过程参数导入肺炎变化模型中进行病变模拟，得到病变模拟图像集，还包括：获取目标对象基础情况信息，将目标对象基础情况信息进行数据分析处理，得到目标对象基础数据；
将目标对象基础数据进行肺炎病变影响分析，得到多个病变影响指数，并计算出平均病变影响指数；根据平均病变影响指数，分析得到肺炎病变过程参数修正信息。
[0014]本方案中，所述将初始健康模拟肺部图像与肺炎病变过程参数导入肺炎变化模型中进行病变模拟，得到病变模拟图像集，还包括：根据病变过程参数修正信息，将肺炎病变过程参数进行修正；将初始健康模拟肺部图像与修正后的肺炎病变过程参数导入肺炎变化模型进行病变过程模拟，得到病变模拟图像数据；将病变模拟图像数据按图像变化程度进行图像数据的划分，得到多个病变模拟图像子集；将多个病变模拟图像子集进行数据整理得到病变模拟图像集。
[0015]本专利技术公开了一种基于深度学习的肺炎病变模拟方法及系统。通过获取病人基础CT肺部图像，将肺部图像进行健康图像模拟处理，得到初始健康模拟肺部图像，通过构建肺部肺炎病例图像数据库，从肺炎病例图像数据库中获取历史已有的肺部病变图像集，将图像集导入基于深度学习的肺炎变化模型中进行图像训练，得到肺炎病变过程参数。将初始健康模拟肺部图像与肺炎病变过程参数导入肺炎变化模型进行病变模拟得到病变模拟图像集，通过病人真实CT肺部图像与病变模拟图像集进行数据对比与分析，得到肺炎情况参考信息，从而辅助医生判断病人的肺炎情况。通过本专利技术能够辅助医生对病人肺部图像进行综合分析，提高医生工作效率，降低误诊率。
附图说明
[0016]图1示出了本专利技术一种基于深度学习的肺炎病变模拟方法的流程图；图2示出了本专利技术初始健康模拟肺部图像获取流程图；图3示出了本专利技术病变模拟图像集获取流程图；图4示出了本专利技术一种基于深度学习的肺炎病变模拟系统的框图。
具体实施方式
[0017]为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施方式对本专利技术进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
[0018]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是，本专利技术还可以采用其他不同于在此描述的其他方式来实施，因此，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的肺炎病变模拟方法，其特征在于，包括：获取初始CT肺部图像，将初始CT肺部图像进行图像预处理得到基础肺部图像；搭建基于深度学习的肺部健康模拟模型，将基础肺部图像进行图像关键数据提取与图像数据模拟，得到初始健康模拟肺部图像；将初始健康模拟肺部图像与肺炎病变过程参数导入肺炎变化模型中进行病变模拟，得到病变模拟图像集；将病变模拟图像集进图像拆分，并按预设方式在预设终端设备中进行展示；其中，所述得到病变模拟图像集，还包括：获取病变模拟图像集；将目标对象基础肺部图像与病变模拟图像集进行对比分析，得到在病变模拟图像集中与目标对象基础肺部图像相似度最高的一张病变模拟图像，将所述病变模拟图像进行标记，得到标记模拟图像；根据标记模拟图像和病变模拟图像集得到目标对象当前的肺炎病变时期；获取目标对象的年龄、职业、烟龄、基础疾病、生活环境状况基础信息；根据所述基础信息，结合目标对象肺炎病变时期，生成目标对象的针对性医嘱方案。2.根据权利要求1所述的基于深度学习的肺炎病变模拟方法，其特征在于，所述获取初始CT肺部图像，将初始CT肺部图像进行图像预处理得到基础肺部图像，具体为：获取目标对象初始CT肺部图像，将初始CT肺部图像进行数据格式转化处理，得到统一格式的肺部图像；将统一格式的肺部图像进行图像平滑、降噪处理，得到高质量的基础肺部图像。3.根据权利要求1所述的基于深度学习的肺炎病变模拟方法，其特征在于，所述搭建基于深度学习的肺部健康模拟模型，将基础肺部图像进行图像关键数据提取与图像数据模拟，得到初始健康模拟肺部图像，具体为：将基础肺部图像进行图像轮廓锐化处理，得到锐化后的基础肺部图像；将锐化后的基础肺部图像进行图像轮廓特征提取，得到肺部大小信息与轮廓信息；将肺部大小与轮廓信息进行图像数据模拟分析，并生成初始健康模拟肺部图像。4.根据权利要求1所述的基于深度学习的肺炎病变模拟方法，其特征在于，所述将初始健康模拟肺部图像与肺炎病变过程参数导入肺炎变化模型中进行病变模拟，得到病变模拟图像集，之前包括：从肺炎病例图像数据库中获取已有的历史肺炎病变图像集；将历史肺炎病变图像集按照预设顺序进行图像数据拆分，得到多个肺炎病变图像子集；将多个肺炎病变图像子集导入肺炎变化模型进行图像变化分析，根据不同肺炎病变图像子集之间的图像变化，得到肺炎病变过程参数。5.根据权利要求1所述的基于深度学习的肺炎病变模拟方法，其特征在于，所述将初始健康模拟肺部图像与肺炎病变过程参数导入肺炎变化模型中进行病变模拟，得到病变模拟图像集，还包括：获取目标对象基础情况信息，将目标对象基础情况信息进行数据分析处理，得到目标对象基础数据；
将目标对象基础数据进行肺炎病变影响分析，得到多个病变影响指数，并计算...

【专利技术属性】
技术研发人员：李芳芳，阚红星，马春，束建华，殷云霞，
申请(专利权)人：安徽中医药大学，
类型：发明
国别省市：