目的:研制一套提升超聲診斷水平的神經網絡超聲診斷軟件系統(tǒng),以提高超聲診斷效率和降低診斷誤判率。方法:基于神經網絡理論設計誤差反向傳播（BP）算法的前饋神經網絡結構,通過數據庫累積超聲專家的診斷知識對超聲診斷圖像進行特征提取,利用完成分類的超聲圖像數據,訓練神經網絡以獲取網絡權重,將目標超聲圖像導入神經網絡得到診斷分類。結果:將患者肝部超聲圖像導入系統(tǒng),在病理特征不明顯情況下,診斷系統(tǒng)仍可快速做出診斷分類,并給出置信區(qū)間,輔助醫(yī)師進行診斷。超聲輔助診斷系統(tǒng)的診斷時間由通常的10 min左右降低至2 min左右,縮短了患者的就診時間。結論:通過臨床測試,系統(tǒng)不僅可以提高超聲診斷效率、降低就診時間,而且可通過專家知識庫實現專家知識共享,提高患者疾病診斷的準確率。 

【文章來源】：中國醫(yī)學裝備. 2020,17(05)

【文章頁數】：3 頁

【部分圖文】：

人工神經網絡結構

(1)神經網絡訓練功能：神經網絡訓練主要用于實現通過對樣本集的處理、獲取網絡特征參數的過程。其中涉及樣本預處理，目的是將特征圖像按照病理分類[9]后，進行特征提取，提取結果直接用于神經網絡訓練。BP神經網絡訓練流程見圖2。(2)智能識別功能：智能識別過程是指經驗相對較少醫(yī)師將采集的超聲圖像導入神經網絡輸入端，經訓練完成的網絡處理后得到病理分類結果的過程。超聲輔助診斷系統(tǒng)診斷流程見圖3。

(2)智能識別功能：智能識別過程是指經驗相對較少醫(yī)師將采集的超聲圖像導入神經網絡輸入端，經訓練完成的網絡處理后得到病理分類結果的過程。超聲輔助診斷系統(tǒng)診斷流程見圖3。3 超聲輔助診斷驗證

【參考文獻】：
期刊論文
[1]人工智能在超聲影像甲狀腺結節(jié)良惡性預測研究[J]. 王洪杰,于霞,田進軍,王振宇.  中國醫(yī)學裝備. 2019(12)
[2]基于RBF神經網絡的老年癡呆癥智能診斷研究[J]. 張會敏,葉明全,羅永錢,孟婷瑋,陳玥珠.  中國數字醫(yī)學. 2015(06)
[3]圖像去噪混合濾波方法[J]. 關新平,趙立興,唐英干.  中國圖象圖形學報. 2005(03)
[4]BP神經網絡設計探討[J]. 李麗霞,王彤,范逢曦.  現代預防醫(yī)學. 2005(02)

博士論文
[1]肝臟超聲造影圖像處理與分析方法研究[D]. 吳開志.華中科技大學 2014
[2]基于變分偏微分方程的醫(yī)學B超圖像處理[D]. 黃杰.南京理工大學 2012

碩士論文
[1]基于主成分分析的神經網絡模型在預測老年人認知狀態(tài)中的研究[D]. 張文茜.第四軍醫(yī)大學 2017
[2]遺傳算法BP神經網絡在肝硬化分期診斷中的應用[D]. 左穎婷.山西醫(yī)科大學 2017
[3]1048例住院肝硬化患者病因及臨床特征分析[D]. 梁麗.重慶醫(yī)科大學 2012
[4]基于小波的醫(yī)學超聲圖像去斑點噪聲方法[D]. 劉春明.第一軍醫(yī)大學 2006



本文編號：3255126