基于深度学习技术的人工智能尘肺筛查平台的制作方法

1.本发明涉及尘肺筛查技术领域，尤其涉及基于深度学习技术的人工智能尘肺筛查平台。


背景技术：

2.尘肺，是由于在生产环境中长期吸入生产性粉尘而引起的以肺组织纤维化为主的全球性的职业疾病。我国是世界上尘肺病发病数量最多的国家，2018年，全国共报告各类职业病新病例23497例，职业性尘肺病及其他呼吸系统疾病19524例(其中职业性尘肺病19468例)，其中，职业性尘肺占总职业病第比例达到82.85%。这些数据主要通过确诊得到，因此除了报告中的数据，潜在的尘肺病患者数量估计更加庞大。在我国，每年因尘肺病而去世的煤矿工人数远高于同期内煤炭生产事故的死亡人数。
3.安徽省是尘肺病高发的省份。尘肺病依然是安徽省重点防控的职业病病种。2016年全省对超过41万人次职业体检结果中，报告新发职业病482例，其中尘肺病437例，占新发病例的90.66%。由此可见，对于尘肺高危的职业人群的筛查工作是尘肺病防治的实际工作中一个重要的工作。
4.但是，尘肺病的诊断对医生的主观依赖程度较高，主要是以合格影像学表现为主要依据，结合临床表现和实验室检查来确诊。受医生能力、状态等多种因素的影像，存在一定的误诊以及漏诊。因此，政府与医院都大力支持尘肺病防治筛查方面的科学研究工作，为医生和患者服务。
5.随着计算机领域中人工智能技术的发展，计算机辅助医疗技术在医疗健康领域的应用越来越广泛。因此行业内一直在研究计算机辅助诊断(computer aided diagnosis,cad)的方法，辅助临床医生发现识别病灶区域，提高诊断的效率。这对于减少医生工作量，减少诊断时间，提高诊断准确度，以及让更多的尘肺高危职业人群得到及时有效的诊疗有着重要的现实意义，为此需要基于深度学习技术的人工智能尘肺筛查平台。


技术实现要素：

6.本发明提出的基于深度学习技术的人工智能尘肺筛查平台，解决了现有技术中存在的问题。
7.为了实现上述目的，本发明采用了如下技术方案：基于深度学习技术的人工智能尘肺筛查平台，包括数据输入端、数据交互端、筛查端和用户端，所述数据输入端包括与数据交互端连接的样品信息输入模块、模型指令信息输入模块和模型输入模块；所述筛查端包括与数据交互端连接的数据接收模块，所述数据接收模块连接有数据分类模块，所述数据分类模块连接有存储模块、胸片处理模块和数据转录模块，所述胸片处理模块依次连接有胸片训练模块、胸片测试对比模块、胸片反馈模块和训练调整模块，所述训练调整模块与胸片训练模块和存储模块连接，数据转录模块依次连接有病患信息建立模块、病患信息筛查模块、测试整合模块和测试发布模块，所述测试整
合模块与胸片反馈模块连接，数据交互模块与用户端和测试发布模块连接，测试发布模块与存储模块连接。
8.优选的，所述模型输入模块用于输入训练测试用模型内容，样品信息输入模块用于输入待测试的样品测试信息，模型指令信息输入模块用于输入模型测试指令内容信息。
9.优选的，所述数据交互端用于用户端、筛查端和数据输入端之间的数据交互。
10.优选的，所述数据接收模块用于接收数据交互端接收的用户端和数据输入端分发的信息，数据分类模块用于将数据交互端接收的信息进行分类处理，将其分类为胸片信息、样品信息、用户信息、模型指令信息。
11.优选的，所述胸片处理模块用于对胸片进行影像预处理，胸片训练模块用于胸片训练操作，胸片测试对比模块用于将训练后的胸片进行测试对比，胸片反馈模块根据将测试对比后的胸片信息对模型指令进行调整。
12.优选的，所述数据转录模块将样品信息和用户信息进行转录处理，病患信息建立模块将转录后的用户信息构建标准病患信息列表，病患信息筛查模块用于将构建的标准病患信息列表进行筛查，测试整合模块将测试完成后的测试信息和标准病患信息列表进行整合形成测试文件，测试发布模块用于向用户分发测试文件内容。
13.本发明中，通过设置的数据输入端、数据交互端、筛查端、用户端、样品信息输入模块、模型指令信息输入模块、模型输入模块、数据分类模块、存储模块、胸片处理模块、数据转录模块、胸片训练模块、胸片测试对比模块、胸片反馈模块、训练调整模块、病患信息建立模块、病患信息筛查模块、测试整合模块和测试发布模块，实现尘肺的初步筛查操作，方便医生进行参考，辅助医生诊断，帮助医生提高诊断效率，降低漏诊率及误诊率，减轻医生的工作压力。
附图说明
14.图1为本发明提出的基于深度学习技术的人工智能尘肺筛查平台的原理示意图。
具体实施方式
15.下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。
16.参照图1，基于深度学习技术的人工智能尘肺筛查平台，包括数据输入端、数据交互端、筛查端和用户端，数据输入端包括与数据交互端连接的样品信息输入模块、模型指令信息输入模块和模型输入模块；筛查端包括与数据交互端连接的数据接收模块，数据接收模块连接有数据分类模块，数据分类模块连接有存储模块、胸片处理模块和数据转录模块，胸片处理模块依次连接有胸片训练模块、胸片测试对比模块、胸片反馈模块和训练调整模块，训练调整模块与胸片训练模块和存储模块连接，数据转录模块依次连接有病患信息建立模块、病患信息筛查模块、测试整合模块和测试发布模块，测试整合模块与胸片反馈模块连接，数据交互模块与用户端和测试发布模块连接，测试发布模块与存储模块连接。
17.进一步的，模型输入模块用于输入训练测试用模型内容，样品信息输入模块用于输入待测试的样品测试信息，模型指令信息输入模块用于输入模型测试指令内容信息。
18.具体的，数据交互端用于用户端、筛查端和数据输入端之间的数据交互。
19.尤其是，数据接收模块用于接收数据交互端接收的用户端和数据输入端分发的信息，数据分类模块用于将数据交互端接收的信息进行分类处理，将其分类为胸片信息、样品信息、用户信息、模型指令信息。
20.值得说明的，胸片处理模块用于对胸片进行影像预处理，胸片训练模块用于胸片训练操作，胸片测试对比模块用于将训练后的胸片进行测试对比，胸片反馈模块根据将测试对比后的胸片信息对模型指令进行调整。
21.此外，数据转录模块将样品信息和用户信息进行转录处理，病患信息建立模块将转录后的用户信息构建标准病患信息列表，病患信息筛查模块用于将构建的标准病患信息列表进行筛查，测试整合模块将测试完成后的测试信息和标准病患信息列表进行整合形成测试文件，测试发布模块用于向用户分发测试文件内容。
22.工作原理：模型输入设定：将待训练测试的模型通过模型输入模块经数据交互端传输至筛查端供训练测试，其中采用以下三种cnn模型（alexnet, vgg16, googlenet）种的至少一种，同时利用模型指令信息输入模块对输入的模型进行测试指令内容进行设定；用于和样品信息处理：样品信息输入模块和用户端将样品测试信息和用户检测试信息传输至数据接收模块，然后数据分类模块将接收样品测试信息和用户检测试信息进行分类处理，将其分类为胸片信息、样品信息和用户信息，之后数据转录模块将样品信息和用户信息进行转录处理，转隶为符合标准的信息登记列表，之后病患信息建立模块将转录后的用户信息构建标准病患信息列表，病患信息筛查模块根据构建的标准病患信息列表是否齐全进行筛查；胸片预处理、训练、测试：胸片处理模块将数据分类模块分类处的胸片信息内容进行影像预处理，处理时包含降低图像噪声和增强图像两个方面，研究去除胸片影像中的噪声等干扰信息，提高胸片影像质量，提高胸片影像中目标区域对比度，增强胸片影像的可识别率；之后将处理后的胸片传输至胸片训练模块进行训练操作，此时利用cnn模型对胸片进行训练，之后将训练后的胸片信息进行对比测试，测试的时候，将胸片与临床医生手工标记的结果进行比对分析，利用受试者工作特征曲线(roc)等性能度量指标对模型进行对比，之后根据对比信息，胸片反馈模块根据将测试对比后的胸片信息对模型指令进行调整，调整之后安装上述步骤循环进行训练测试，直到样品胸片与临床医生手工标记的结果一致；最终将用户胸片安装上述方式进行训练测试，从而得出测试内容；测试信息传输：测试整合模块将测试完成后的测试信息和标准病患信息列表进行整合形成测试文件，最后测试发布模块用于向用户分发测试文件内容；综上所述该设计首先利用cnn模型对样品胸片进行训练测试，从而即使调整模型内部参数内容，从而实现尘肺的初步筛查操作，方便医生进行参考，辅助医生诊断，帮助医生提高诊断效率，降低漏诊率及误诊率，减轻医生的工作压力。
23.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、
ꢀ“
右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、
“ꢀ
顺
时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
24.此外，术语“第一”、
ꢀ“
第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
25.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。