(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211300243.8 (22)申请日 2022.10.24 (71)申请人 南京邮电大 学 地址 210023 江苏省南京市栖霞区文苑路9 号 申请人 江苏省人民医院 （南京医科 大学第 一附属医院） (72)发明人 景慎旗　郭永安　刘云　佘正明　 王园梦　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 专利代理师 陈月菊 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) G16H 30/20(2018.01) G16H 50/20(2018.01) G16H 50/70(2018.01) (54)发明名称 一种基于机器学习的肺结核图像辅助诊断 系统 (57)摘要 本发明公开了一种基于机器学习的肺结核 图像辅助诊断系统， 包括用户模块、 存储模块、 检 测诊断模块、 数据检索模块和医生修正模块； 所 述检测诊断模块基于改进的CNN网络构建得到， 根据脉冲信息计算对应的决策信息， 输出层将解 码后的决策信息传输至医生修正模块， 并将特征 信息传输至数据检索模块； 所述数据检索模块根 据检测诊断模块的输出特征图， 在存储模块中找 出与待处理的病人肺结核图像相似度最高的历 史病人肺结核图像信息， 由医生修正模块结合解 码后的决策信息和历史病人肺结核图像信息， 给 出最终诊断信息。 本发明使用哈希检索算法提高 病例检索效率， 智能化的提供以往病例信息给诊 断医生提供参考， 帮助医生更 快诊疗。 权利要求书2页 说明书6页 附图2页 CN 115375684 A 2022.11.22 CN 115375684 A 1.一种基于机器学习的肺结核图像辅助诊断系统， 其特征在于， 所述肺结核图像辅助 诊断系统包括用户模块、 存 储模块、 检测诊断模块、 数据检索模块和医生 修正模块； 所述用户模块用于提供用户以登录入口； 所述存储模块分为用户信 息存储子模块和病 例信息存储子模块， 用户信息存储子模块存储所有用户信息， 病例信息存储子模块存储历 史病人肺结核图像信息和最终诊断信息； 所述检测诊断模块基于改进的CNN网络构建得到； 所述检测诊断模块包括图像预处理 层、 脉冲编码层、 m个卷积层、 m个池化层和输出层； m个卷积层和m个池化层交替连接； 所述图像预处理层用于对输入的待处理的病人肺结核图像进行预处理， 脉冲编码层将 预处理后的病人肺结核图像编码成脉冲信息， 将脉冲信息发送至第一个卷积层， 经m个卷积 层、 m个池化层对脉冲信息进行特征提取， 第m个池化层根据全局 最大池化方法计算得到脉 冲信息对应的决策信息， 输出层输出解码后的决策信息至医生修正模块； m为大于等于3的 正整数； 所述数据检索模块根据检测诊断模块的输出特征图， 采用哈希算法在病例信 息存储子 模块中进 行病例对比， 找出与待处理的病人肺结核图像相似度最高的历史病人肺结核图像 信息， 发送至医生修正模块， 由医生修正模块结合解码后的决策信息和相似度最高的历史 病人肺结核图像信息， 对待处 理的病人肺结核图像进行 再次诊断， 给 出最终诊断信息 。 2.根据权利要求1所述的基于机器学习的肺结核图像辅助诊断系统， 其特征在于， 所述 医生修正模块将病人肺结核图像和给出的最终诊断信息作为新的历史病人肺结核图像信 息存储至病例信息存 储子模块。 3.根据权利要求1所述的基于机器学习的肺结核图像辅助诊断系统， 其特征在于， 所述 图像预处 理层对病人肺结核图像进行图像分割和图像下采样处 理。 4.根据权利要求1所述的基于机器学习的肺结核图像辅助诊断系统， 其特征在于， 所述 脉冲编码层采用首脉冲触发时间编码将预处理后的病人肺结核图像编码成相 应的脉冲信 息。 5.根据权利要求1所述的基于机器学习的肺结核图像辅助诊断系统， 其特征在于， 所述 检测诊断模块根据病例信息存储子模块存储的历史病人肺结核图像信息和 最终诊断信息 进行无监督学习， 学习过程包括以下步骤： S1， 将历史病人肺结核图像信息 输入检测诊断模块， 转换成相应的脉冲信息； S2， 根据输入的脉冲信息和LIF神经元模型计算出第一个卷积层的输出特征图， 再根据 局部最大池化方法映射到第一个池化层， 根据STDP规则更新第一个卷积层中神经元的突触 权值； S3， 令c=1； S4， 将第c个池化层的输出特征图输入到第c+1个卷积层， 计算得到第c+1个池化层的输 出特征图， 根据STD P学习规则更新第i+1个卷积层中神经 元的突触权值； S5， 令c=c+1， 返回步骤S4， 直至 c=m； S6， 根据第m ‑1个池化层的输出特征图和LIF神经元模型计算得到第m个卷积层的输出 特征图， 第m个池化层根据全局 最大池化方法计算得到历史病 人肺结核图像信息的决策信 息； S7， 将历史病人肺结核图像信息的决策信 息和历史病人肺结核图像信息的最终诊断信权　利　要　求　书 1/2 页 2 CN 115375684 A 2息进行匹配， 根据匹配结果反馈奖励信息或者惩罚信息至第m个卷积层， 根据R ‑STDP学习规 则更新第m个卷积层中神经 元的突触权值。 6.根据权利要求1所述的基于机器学习的肺结核图像辅助诊断系统， 其特征在于， 所述 解码后的决策信息和 最终诊断信息均代表输入的病人肺结核图像所属病例患有的肺结核 疾病类型。 7.根据权利要求6所述的基于机器学习的肺结核图像辅助诊断系统， 其特征在于， 所述 肺结核疾病类型包括原发性肺结核、 血 行播散性肺结核、 继 发性肺结核、 支气管性肺结核。 8.根据权利要求1所述的基于机器学习的肺结核图像辅助诊断系统， 其特征在于， 所述 数据检索 模块根据检测诊断模块的输出特征图， 采用哈希算法在病例 信息存储子模块中进 行病例对比， 找出与待处理的病人肺结核图像相似度最高的历史病人肺结核图像信息的过 程包括以下步骤： 模型训练阶段： 对检测诊断模块的最终池化层提取的特征信息进行离散优化， 将检测 诊断模块的输出结果限制为哈希编 码， 采用坐标下降法将哈希编 码直接参与检测诊断模块 的训练和优化过程； 哈希编码阶段： 对所有的历史病人肺结核图像信 息通过训练好的检测诊断模块建立哈 希编码倒排索引库； 检索阶段： 采用训练好的检测诊断模块对待处理的病人肺结核图像进行处理， 计算得 到相应的哈希编码； 通过比较待处理的病人肺结核图像的哈希编 码与哈希编码倒排索引库 中的哈希编码之间的汉明距离来确定编码之间的相似度， 找出汉明距离最近的前k个哈希 编码对应的历史病人肺结核图像作为检索结果； 所述 k为大于1的正整数。 9.根据权利要求8所述的基于机器学习的肺结核图像辅助诊断系统， 其特征在于， 通过 比较待处理的病人肺结核图像的哈希编码与哈希编码倒排索引库中的哈希编码之间的汉 明距离来确定编码之间的相似度是指： 通过比较向量每一位是否相同， 若不同则汉明距离加1， 得到汉明距离； 向量相似度越 高， 对应的汉明距离越小； 汉明距离的计算公式表达为： 其中： x和y表示n维编码， ， 表示异或操作， 表示x 和y之间的汉明距离 。 10.根据权利要求1所述的基于机器学习的肺结核图像辅助诊断系统， 其特征在于， 所 述用户的类型包括病人、 医生、 技术人员和管理员； 病人查看病情诊断报告和医生给予的建 议； 医生根据病人肺结核初步检测结果和参考病例数据库中的相似病例， 做出最终诊断结 果； 技术人员负责将病 人肺结核CT图像上传到该系统中； 管理人员管理肺结核图像辅助诊 断系统中存 储的相关数据。权　利　要　求　书 2/2 页 3 CN 115375684 A 3