本申請公開了一種基于人工智能的肺部診斷輔助系統(tǒng)及其方法，該系統(tǒng)包括肺部圖片輸入模塊、肺部診斷輔助模塊以及肺部診斷建議輸出模塊，其中，肺部圖片輸入模塊接收輸入的待診斷病患肺部圖片；肺部診斷輔助模塊，將所述待診斷病患肺部圖片與目標肺部訓練模型中的肺部圖片庫進行肺部特征比對，比對得出肺部詳情；肺部診斷建議輸出模塊輸出所述肺部詳情對應的診斷建議，診斷建議包括與待診斷病患肺部圖片相似度最高的肺部病患圖片對應的肺部診斷信息、和與肺部健康圖片相比的差異特征對應的肺部異常原因信息。本申請能夠輔助醫(yī)生診斷，進而減少因醫(yī)生技術水平不一致導致肺部病情的漏診或誤診，提高肺部病情判斷的準確度。

技術領域

本申請涉及智能醫(yī)療技術領域，尤其涉及一種基于人工智能的肺部診斷輔助系統(tǒng)及其方法。

背景技術

目前，新冠疫情或者日常的肺部病情診斷時，肺部醫(yī)療方案都是通過檢測設備獲取肺部照片，然后由醫(yī)生分析肺部照片的特征，判斷病患的肺部病情。

此時，醫(yī)生的醫(yī)療技術成為肺部病情判斷的關鍵因素；因不同醫(yī)生診斷的水平不同，故針對同一張肺部照片，會出現(xiàn)漏診或誤診的情況。

此外，隨著人工智能技術的廣泛、深入應用，可以結(jié)合人工智能的深度學習技術，參與到肺部病情診斷過程中，減少因醫(yī)生技術水平的不一致，導致肺部病情的漏診或者誤診的情況，為醫(yī)生提供一種輔助診斷系統(tǒng)。

上述內(nèi)容僅用于輔助理解本申請的技術方案，并不代表承認上述內(nèi)容是現(xiàn)有技術。

發(fā)明內(nèi)容

為了解決上述問題，本申請?zhí)峁┮环N基于人工智能的肺部診斷輔助系統(tǒng)，該系統(tǒng)將待分析肺部圖片輸入到肺部訓練模型中進行比對分析，輸出肺部圖片對應的參考意見；從而輔助醫(yī)生診斷，進而減少因醫(yī)生技術水平不一致導致肺部病情的漏診或誤診，提高肺部病情判斷的準確度。

本申請第一方面公開了一種基于人工智能的肺部診斷輔助系統(tǒng)，所述系統(tǒng)包括肺部圖片輸入模塊、肺部診斷輔助模塊以及肺部診斷建議輸出模塊，其中，

所述肺部圖片輸入模塊，接收輸入的待診斷病患肺部圖片；

所述肺部診斷輔助模塊，將所述待診斷病患肺部圖片與目標肺部訓練模型中的肺部圖片庫進行肺部特征比對，比對得出肺部詳情；所述肺部圖片庫包括多個肺部健康圖片和多種類型肺部病患圖片，所述肺部詳情包括與所述待診斷病患肺部圖片相似度最高的肺部病患圖片、和與肺部健康圖片相比的差異特征；

所述肺部診斷建議輸出模塊，用于輸出所述肺部詳情對應的診斷建議，所述診斷建議包括與待診斷病患肺部圖片相似度最高的肺部病患圖片對應的肺部診斷信息、和與肺部健康圖片相比的差異特征對應的肺部異常原因信息。

在一種可能的實施方式中，所述肺部特征包括肺部密度特征、肺部紋理特征以及肺部形狀特征。

在一種可能的實施方式中，所述肺部診斷輔助模塊包括肺部診斷模型訓練單元，其中，所述肺部診斷模型訓練單元用于執(zhí)行以下步驟：

將待深度學習的肺部圖片，輸入初始肺部訓練模型中，且輸出訓練肺部詳情，并輸出訓練肺部詳情對應的診斷建議；所述待深度學習的肺部圖片包括肺部健康圖片和肺部病患圖片；

將所述訓練肺部診斷建議與目標肺部診斷建議，進行相似度比較；其中，目標肺部診斷建議包括與待深度學習肺部圖片相似度最高的肺部病患圖片對應的肺部診斷信息、和與肺部健康圖片相比的差異特征對應的肺部異常原因信息；

若相似度低于第一預設相似度閾值，則將待深度學習的肺部圖片及其對應的目標肺部診斷建議加入到初始肺部訓練模型中，重復上述訓練過程。

在一種可能的實施方式中，所述肺部診斷模型訓練單元還用于執(zhí)行以下步驟：若相似度大于或等于第一預設相似度閾值，則所述初始肺部訓練模型完成訓練，且得到中間肺部訓練模型；