公开(公告)号：CN106971198A

公开(公告)日：2017-07-21

申请号：CN201710123839.8

申请日：2017-03-03

Applicant: 北京市计算中心

Inventor： 季红 ,  沈涛 ,  高玥 ,  刘海伦 ,  张秀玲 ,  褚丹丹 ,  陈轶雄 ,  樊晶光 ,  钱青俊 ,  张建芳

IPC: G06K9/62 ,  G06N3/04 ,  G06F19/00

CPC classification number: G06K9/6267 ,  G06K9/6256 ,  G06N3/0454 ,  G16H50/20

Abstract: 本发明提供一种基于深度学习的尘肺病等级判定方法，所述方法对尘肺胸片的医学影像进行分类及图像增强预处理，之后通过卷积神经网络的深度学习方法对大批量的尘肺病进行分类判定，最终利用得到的尘肺病等级判断模型实现对待判断尘肺病医学影像的判断。本发明具有可以快速、准确、高效进行尘肺病等级判断的有益效果。

公开(公告)号：CN107280697A

公开(公告)日：2017-10-24

申请号：CN201710340309.9

申请日：2017-05-15

Applicant: 北京市计算中心

Inventor： 季红 ,  贺文 ,  刘佳宝 ,  赵丽琴 ,  张秀玲 ,  唐艳艳 ,  刘海伦 ,  沈涛 ,  陈轶雄

IPC: A61B6/00

CPC classification number: A61B6/52

Abstract: 本发明提供了一种基于深度学习和数据融合的肺结节分级判定方法和系统，方法包括：对获取的多个电子计算机断层扫描CT肺部图像进行预处理，得到预处理后的各CT肺结节图像；提取各CT肺结节图像的图像特征，并根据图像特征对各CT肺结节图像进行预分类；对预分类后的各CT肺结节图像的图像特征和对应的综合临床就诊数据进行反复训练和迭代，得到诊断模型；基于诊断模型对CT肺部图像进行CT影像肺结节的分级判定。本发明采用深度学习中的卷积神经网络模型，并结合多源数据整合技术，通过验证与测试得出专门针对CT肺结节进行分级判定的方法，且判定过程全面且可靠，有效提高了判定结果的准确性，进而能够有效地辅助医生进行疾病诊断工作。