(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211171869.3 (22)申请日 2022.09.26 (65)同一申请的已公布的文献号 申请公布号 CN 115274099 A (43)申请公布日 2022.11.01 (73)专利权人 之江实验室 地址 311121 浙江省杭州市余杭区之江实 验室南湖总部 (72)发明人 林宏翔　王银杰　黄慧敏　许莹莹　 (74)专利代理 机构 北京志霖恒远知识产权代理 有限公司 1 1435 专利代理师 戴莉 (51)Int.Cl. G16H 50/20(2018.01) G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/13(2017.01) G06T 7/62(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01)(56)对比文件 CN 112908474 A,2021.0 6.04 CN 114511728 A,202 2.05.17 CN 111062043 A,2020.04.24 CN 113972004 A,202 2.01.25 CN 114820520 A,202 2.07.29 CN 110910377 A,2020.0 3.24 CN 111784671 A,2020.10.16 CN 113576508 A,2021.1 1.02 CN 111445449 A,2020.07.24 CN 107730489 A,2018.02.23 CN 113989236 A,2022.01.28 CN 115100494 A,202 2.09.23 US 2021125724 A1,2021.04.2 9 张悦等.基 于深度学习辅助诊断青光眼病灶 检测算法及应用. 《眼科》 .2020,第2 9卷(第1期), 全文. 王洪洋等.基 于肺部CT图像的计算机 辅助诊 断系统构建. 《中国医学装备》 .2018,(第10期), 全文. (续) 审查员 韩慧 (54)发明名称 一种人与智能交互的计算机辅助诊断系统 与方法 (57)摘要 本发明公开了一种人与智能交互的计算机 辅助诊断系统与方法， 根据神经网络类型选择数 据集； 调用数据集对深度学习网络模型进行训 练； 完成深度学习网络模型的量化； 对量化后的 深度学习网络模 型进行编译； 并将编译后的深度 学习网络模型传输至边缘端计算机辅助诊断设 备； 边缘端计算机辅助诊断设备接收待诊断图 像， 结合用户在待诊断图像标记的可疑病灶， 进 行预处理； 将预处理后的待诊断图像输入至编译 后的深度学习网络模型中进行处理， 得到图像处 理结果； 本发 明在计算机辅助系统中以人工标注 的方式引入反馈机制， 提高了诊断的准确性； 可以确定可疑病灶区域的长轴和短轴， 进而确定包 含病灶区域的最小矩形作为 感兴趣区域， 降低了 数据处理量。 [转续页] 权利要求书2页 说明书9页 附图2页 CN 115274099 B 2022.12.30 CN 115274099 B (56)对比文件 Ziqi Wang.Automated Dia gnosis of Pneumothorax X-ray Ima ges Utilizing Deep Convolutional Neural Netw ork. 《IEEE XPlore》 .2020,全 文.林翊.基于深度学习的先天性心脏病辅助诊 疗研究. 《中国优秀硕士学位 论文全文数据库 (医药卫生科技辑)》 .2021,全 文. 张伟.高倍 率大视场细胞内镜成像系统研 究. 《光学 学报》 .2021,第41卷(第17期),全 文.2/2 页 2[接上页] CN 115274099 B1.一种人与智能交 互的计算机 辅助诊断方法， 其特 征在于， 具体包括如下步骤： S1、 根据神经网络类型选择 数据集； 调用数据集对深度学习网络模型进行训练； S2、 将训练完成后的深度学习网络模型的数据类型从32位浮点型数据转化为8位整型 数据， 完成深度学习网络模型的量 化； S3、 对量化后的深度学习 网络模型进行编译， 生成边缘端计算机辅助诊断设备可运行 的深度学习网络模型； 并将编译后的深度学习网络模型传输至边缘端计算机辅助诊断设 备； S4、 边缘端计算机辅助诊断设备接收待诊断图像， 结合用户在待诊断图像标记的可疑 病灶， 对待 诊断图像进行 预处理； S41、 读取待诊断图像， 通过测量待诊断图像的纵横比与尺寸， 调整统一 图像的尺寸大 小， 得到输入图像； S42、 将输入图像转换为灰度图像； S43、 检测灰度图像中的边 缘； S44、 根据灰度图像的边 缘， 找到面积最大、 长度最长的轮廓作为感兴趣区域； S45、 查找并反向平移匹配输入图像分辨率的四个顶点； 执行四个顶点透视变换以获得 矩形视图； S46、 用户对矩形视图中的可疑病灶进行标记； 具体操作如下： 用户通过一个长轴和一 个短轴构成的十字标记对可疑病灶进 行标记； 所述长轴大于等于可疑病灶区域外接圆的直 径； 短轴要大于等于 长轴垂直方向上 可疑病灶最大坐标差的绝对值； S47、 裁剪出包含可疑病灶的区域图像； 具体操作如下： 根据长轴和短轴得到一个正方 形框， 将正方形框向外扩展5个像素点， 再将正方形框的长宽 分别扩展到当前1.5倍大小， 进 而作为裁 剪区域； S5、 将预处理后的待诊断图像输入至编译后的深度学习网络模型中进行处理， 得到图 像处理结果。 2.如权利要求1所述的一种人与智能交互的计算机辅助诊断方法， 其特征在于： 步骤S1 中数据集为公开数据集或自建数据集， 所述数据集中包括训练数据集和验证数据集， 所述 数据集中的每组数据包括原始医学图像、 一张金标准分割图像和一张标记有 可疑病灶的图 像。 3.一种人与智能交互的计算机辅助诊断系统， 包括主机和边缘端计算机辅助诊断设 备； 其特征在于： 所述主机和边缘端计算机辅助诊断设备用于实现如权利要求 1所述的一种 人与智能交互的计算机辅助诊断方法； 所述主机内设有模型训练模块， 用于深度学习网络 模型的训练； 模型量化模块， 用于将32位的浮点型数据转化为8位的整型数据； 模型编译模 块， 用于编译生成边缘端计算机辅助诊断设备可运行 的深度学习网络模型； 所述边缘端计 算机辅助诊断设备内包含存储模块， 用于存储目标板运行的系统镜像； 图像获取模块， 用于 获取待诊断图像； U盘， 用来存储本地影像设备获取的待诊断图像以及分割完成的区域图 像； 输入模块， 用于用户输入可疑病灶标记； 动态随机存储器， 用于缓存数据； 显示器， 用于 显示计算机辅助诊断的结果； 分割模块， 用于裁剪出包含可疑病灶的区域图像； 预处理模 块， 用于对待 诊断图像的预处 理； 数据处 理单元， 用于处 理计算数据。 4.如权利要求3所述的一种人与智能交互的计算机辅助诊断系统， 其特征在于： 所述边权　利　要　求　书 1/2 页 2 CN 115274099 B 3