(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 202211094053.5 (22)申请日 2022.09.08 (71)申请人 中国人民解 放军陆军 军医大学第一 附属医院 地址 400038 重庆市沙坪坝区高滩岩正 街 30号 (72)发明人 刘晨　温茹　 (74)专利代理 机构 重庆鼎慧峰合知识产权代理 事务所(普通 合伙) 50236 专利代理师 杨云川 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/82(2022.01) G06V 10/26(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/98(2022.01) (54)发明名称 一种基于人工智能技术的肺炎分类方法及 装置 (57)摘要 本发明提供一种基于人工智能技术的肺炎 分类方法及装置， 本方案采用深度学习分割算法 实现肺组织预处理分割， 排除背景区域对病灶区 域的影响， 同时使用基于MixEfficientNet网络 的肺炎分类模型实现细菌性肺炎、 真菌性肺炎、 病毒性肺炎的准确分类。 同时采用了离散数据和 肺部影像数据结合， 通过权重因子和加权特征向 量验证、 修正肺炎分类模型的分类结果， 从而使 得分类结果更加准确。 权利要求书2页 说明书5页 附图2页 CN 115511798 A 2022.12.23 CN 115511798 A 1.一种基于人工智能技 术的肺炎分类方法， 其特 征在于， 包括： 将获取的患者临床数据分为离 散型数据和肺部影 像数据； 采用Onehot对所述离 散型数据集进编码， 将所述离 散型数据数值 化； 基于数值化的所述离散型数据， 建立全连接网络， 提取特征作为权重因子， 得到加权特 征向量； 采用深度学习分割算法， 对所述肺部影 像数据进行分割， 得到目标图像； 采用基于MixEfficientNet网络的肺炎分类模型对所述目标图像中携 带的肺炎病 原体 类型进行分类； 基于所述权 重因子和所述加权特 征向量验证、 修 正所述肺炎分类模型的分类结果。 2.根据权利要求1所述的方法， 其特征在于， 所述采用深度学习分割算法， 对所述肺部 影像数据进行分割， 得到目标图像步骤， 包括： 对获取到的多个肺部影像数据进行肺野区域、 肺炎病灶区域划分得到初始图像， 且所 述初始图像中采用标签标注携带肺炎的所属分类； 采用Unet分割网络对所述初始图像进行裁 剪， 得到仅包括肺野区域的目标图像。 3.根据权利要求2所述的方法， 其特征在于， 所述采用Unet分割网络对所述初始图像进 行裁剪， 得到仅包括肺野区域的目标图像步骤之后， 还 包括： 采用Dice  Loss作为损失函数， 保持所述Unet分割网络对所述初始图像进行剪裁 的性 能。 4.根据权利要求1所述的方法， 其特征在于， 所述基于MixEfficientNet网络 的肺炎分 类模型的建立 步骤包括： 将所述目标图像分为训练集、 验证集和 测试集； 采用渐进式学习方式， 将所述训练集输入建立的MixEfficientNet模型中， 对模型进行 训练得到初始模型； 采用验证集对所述初始模型进行参数确定和参数调整， 得到目标模型； 采用测试集对所述目标模型进行测试， 对肺炎病原分类的预测结果进行评估， 将评估 结果符合阈值的目标模型作为肺炎分类模型。 5.一种基于人工智能技术的肺炎分类装置， 其特征在于， 包括数据处理模块、 数据分割 模块和肺炎分类模块， 其中： 所述数据处理模块用于， 将获取的患者临床数据分为离散型数据和肺部影像数据； 采 用Onehot对所述离散型数据集进编码， 将所述离散型数据数值化； 基于数值化的所述离散 型数据， 建立全连接网络， 提取 特征作为权 重因子， 得到加权特 征向量； 所述数据分割模块用于， 采用深度学习分割算法， 对所述肺部影像数据进行分割， 得到 目标图像； 所述肺炎分类模块用于， 采用基于MixEfficientNet网络 的肺炎分类模型对所述目标 图像中携带 的肺炎病原体类型进行分类； 基于所述权重因子和所述加权特征向量验证、 修 正所述肺炎分类模型的分类结果。 6.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至4中任一项所 述方法的步骤。权　利　要　求　书 1/2 页 2 CN 115511798 A 27.一种存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被处理器执行 时实现权利要求1至4中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115511798 A 3