【技术实现步骤摘要】
本专利技术涉及辅助医疗技术，具体涉及一种基于深度学习的肺癌辅助诊疗系统。
技术介绍
1、肺癌为一种发生于支气管粘膜上皮的恶性肿瘤，是全世界发病率和死亡率最高的癌症。最近几年尽管在诊断方法、手术技术及化疗药物等方面均取得了新的进展，但肺癌患者总的5年生存率仅仅为16％，主要是因为大部分肺癌患者就诊时已发生转移，失去了手术根治机会。研究表明，肺癌的预后与分期直接相关，i期肺癌5年生存率为83％，ii期为53％，iii期为26％，iv期为6％。所以，降低肺癌患者死亡率的关键在于早诊断早治疗。
2、目前肺癌的诊断方法主要有如下几种：(1)影像学方法：比如，胸部扫描仪、低剂量ct及pet/ct。但是胸部扫描仪很难发现早期肺癌。低剂量ct及pet/ct虽然可发现肺内小结节，但是假阳性率高，其中低剂量ct可达96.4％，给被检查者带来不必要的心理负担。同时，胸部扫描仪和低剂量螺旋pet/ct因为辐射的原因不宜频繁使用。另外，影像学方法也往往会受到设备以及医生看片经验，和有效读片时间的影响。(2)细胞学方法：比如，痰液细胞学检查、支气管镜下刷片或取活检、支气管肺泡灌洗液细胞学检查等。痰液细胞学检查和支气管镜下刷片或取活检对于周围性肺癌的灵敏度较低。同时支气管镜下刷片或取活检、支气管肺泡灌洗液细胞学检查操作比较繁琐，且体检者舒适度不佳。(3)目前常用的血清肿瘤标志物：癌胚抗原(cea)、糖类抗原(ca125/153/199)、细胞角蛋白19片段抗原(cyfra21-1)和神经元特异性烯醇化酶(nse)等。这些血清肿瘤标志物对肺癌的灵敏
3、其中肺癌的诊断一般先由放射科医生分析pet/ct影像，普通的放射科医生在日常工作中需要每3-4秒做出一个诊断结果，高强度的工作会在很大程度上影响医生诊断结果的准确性，造成漏诊和误诊，且肺癌在放射治疗前，需要由放射科医生依据医学影像对病灶靶区和危及器官进行勾画，医生需要逐一对成百上千张的pet/ct影像进行处理，这种高强度的工作量会使得医生在阅片中疲劳、走神，可能影响诊断结果。
技术实现思路
1、本专利技术的目的是提供一种基于深度学习的肺癌辅助诊疗系统，以解决现有技术中的上述不足之处。
2、为了实现上述目的，本专利技术提供如下技术方案：一种基于深度学习的肺癌辅助诊疗系统，包括数据采集模块、数据预处理模块、图像显示模块、图像分割模块、数据存储模块与评估模块；
3、所述数据采集模块对pet/ct影像进行采集，并将其传送至所述数据预处理模块内部，对其进行初步分析；
4、所述图像分割模块将所述数据预处理模块处理后的图像进行分割，根据不同部位分别展示至不同图像上，并将分割后的图像展示至所述图像显示模块，便于对图像进行分析，将分析后与分割后的图像分别保存在所述数据存储模块内部；
5、所述评估模块对所述图像显示模块上的图像进行分析评估。
6、作为本专利技术的进一步优化方案，所述数据采集模块将扫描仪对人体某个部位一定厚度的层面进行扫描，然后由传感器将接收到的透过该层面的数据信号并转变为电信号，再通过模拟数字转换器转变为数字信号输入到所述数据预处理模块中进行处理。
7、作为本专利技术的进一步优化方案，所述数据预处理模块将所述数据采集模块传输的数据进行整合，并将整合后的数据与正常范围内的数据进行对比，并将异常的部位标注出来。
8、作为本专利技术的进一步优化方案，所述图像分割模块在接收到数据预处理模块传输的数据后，根据标注的异常数据将其拆分至多个图像，同时将多个图像依次排列并传送至所述图像显示模块上。
9、作为本专利技术的进一步优化方案，所述评估模块对每种图像上模态的医学图像，图像的评价指标分为客观的和医生主观的评价，客观评价指标主要根据融合图像亮度、对比度、有用信息的失真来考量的。
10、作为本专利技术的进一步优化方案，所述数据存储模块对所述图像显示模块与所述评估模块所给出的数据进行存储。
11、与现有技术相比，本专利技术提供的一种基于深度学习的肺癌辅助诊疗系统，其中图像分割模块可选用一个特定的阈值，将高于阈值的像素点归为一类，低于阈值的像素点归为一类，以此来确定图像的目标区域和背景区域，同时还可以设置多个阈值，将图像划分成更多的目标区域和背景，方便后续医生进行观看，进而减小误差；
12、评估模块对每种图像上模态的医学图像，图像的评价指标分为客观的和医生主观的评价，客观评价指标主要根据融合图像亮度、对比度、有用信息的失真来考量的；通过评估模块对图像进行分析，并将其传输至显示屏幕上，用于给医生进行参考，并且将图像上与标准数值上产生差异的部分进行标记，同步展示至显示屏幕上，同时根据图像上所反馈的信息，减少医生的工作量，并且提高精准度。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的肺癌辅助诊疗系统，其特征在于，包括数据采集模块(1)、数据预处理模块(2)、图像显示模块(3)、图像分割模块(4)、数据存储模块(5)与评估模块(6)；
2.根据权利要求1所述的一种基于深度学习的肺癌辅助诊疗系统，其特征在于，所述数据采集模块(1)将扫描仪对人体某个部位一定厚度的层面进行扫描，然后由传感器将接收到的透过该层面的数据信号并转变为电信号，再通过模拟数字转换器转变为数字信号输入到所述数据预处理模块(2)中进行处理。
3.根据权利要求1所述的一种基于深度学习的肺癌辅助诊疗系统，其特征在于，所述数据预处理模块(2)将所述数据采集模块(1)传输的数据进行整合，并将整合后的数据与正常范围内的数据进行对比，并将异常的部位标注出来。
4.根据权利要求1所述的一种基于深度学习的肺癌辅助诊疗系统，其特征在于，所述图像分割模块(4)在接收到数据预处理模块(2)传输的数据后，根据标注的异常数据将其拆分至多个图像，同时将多个图像依次排列并传送至所述图像显示模块(3)上。
5.根据权利要求1所述的一种基于深度学习的肺癌辅助诊
6.根据权利要求1所述的一种基于深度学习的肺癌辅助诊疗系统，其特征在于，所述数据存储模块(5)对所述图像显示模块(3)与所述评估模块(6)所给出的数据进行存储。
...【技术特征摘要】
1.一种基于深度学习的肺癌辅助诊疗系统，其特征在于，包括数据采集模块(1)、数据预处理模块(2)、图像显示模块(3)、图像分割模块(4)、数据存储模块(5)与评估模块(6)；
2.根据权利要求1所述的一种基于深度学习的肺癌辅助诊疗系统，其特征在于，所述数据采集模块(1)将扫描仪对人体某个部位一定厚度的层面进行扫描，然后由传感器将接收到的透过该层面的数据信号并转变为电信号，再通过模拟数字转换器转变为数字信号输入到所述数据预处理模块(2)中进行处理。
3.根据权利要求1所述的一种基于深度学习的肺癌辅助诊疗系统，其特征在于，所述数据预处理模块(2)将所述数据采集模块(1)传输的数据进行整合，并将整合后的数据与正常范围内的数据进行对比，并将异常的部...
【专利技术属性】
技术研发人员：胡奕奕，郎丽敏，杨炜华，刘淑芳，段承钰，李佳禾，王思琦，陈光芳，武志芳，李思进，
申请(专利权)人：山西医科大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。