(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 202211012475.3 (22)申请日 2022.08.23 (65)同一申请的已公布的文献号 申请公布号 CN 115115620 A (43)申请公布日 2022.09.27 (73)专利权人 安徽中医药大学 地址 230012 安徽省合肥市新站区龙子湖 路350号 （少荃湖校区） (72)发明人 李芳芳　阚红星　马春　束建华　 殷云霞　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 高宁馨 (51)Int.Cl. G06T 7/00(2017.01) G06N 20/00(2019.01) G16H 50/20(2018.01) G16H 50/50(2018.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01)(56)对比文件 CN 112820398 A,2021.0 5.18 US 20201 18691 A1,2020.04.16 CN 108877922 A,2018.1 1.23 CN 111738997 A,2020.10.02 JP 2020018705 A,2020.02.0 6 CN 111862075 A,2020.10.3 0 CN 112258511 A,2021.01.2 2 KR 20180 040287 A,2018.04.20 CN 112690815 A,2021.04.23 CN 109637669 A,2019.04.16 CN 105640577 A,2016.0 6.08 CN 111403042 A,2020.07.10 US 2018137941 A1,2018.0 5.17 CN 215868349 U,202 2.02.18 赵小二 等.不同阶段新型 冠状病毒肺炎的 CT影像演变分析. 《实用放 射学杂志》 .2021,第37 卷(第8期), 李芳芳 等.基 于注意力机制的肺炎 辅助诊 断模型. 《兰州文理学院学报 （自然科 学版） 》 .2022,第36卷(第3期), (续) 审查员 胡乔波 (54)发明名称 一种基于深度学习的肺炎病变模拟方法及 系统 (57)摘要 本发明公开了一种基于深度学习的肺炎病 变模拟方法及系统。 通过 获取病人基础CT肺部图 像， 将肺部图像进行健康图像模拟处理， 得到初 始健康模拟肺部图像， 通过构建肺部肺炎病例图 像数据库， 从肺炎病例图像数据库中获取历史已 有的肺部病变图像集， 将图像集导入基于深度学 习的肺炎变化模 型中进行图像训练， 得到肺炎病 变过程参数。 将初始健康模拟肺部图像与肺炎病 变过程参数导入肺炎变化模型进行病变模拟得 到病变模拟图像集， 通过病人真实CT肺部图像与 病变模拟图像集进行数据对比与分析， 得到肺炎情况参考信息， 从而辅助医生判断病人的肺炎情 况。 通过本发 明能够辅助医生对病人肺部图像进 行综合分析， 提高 医生工作效率， 降低误诊率。 [转续页] 权利要求书3页 说明书10页 附图2页 CN 115115620 B 2022.12.13 CN 115115620 B (56)对比文件 Kang Zhang 等.Cl inically Applicable AI System for Ac curate Dia gnosis, Quantitative Measurements, and Progn osis of COVID-19 Pneumo nia Using Computed Tomography. 《Cel l》 .2020, Xinxu Wei 等.De ep Pneumo nia: Attention-BLearn ing for Clas s-Imbalanced Pneumonia Lesion ased Co ntrastive Recognition in Chest X-rays. 《arXiv》 .202 2,2/2 页 2[接上页] CN 115115620 B1.一种基于深度学习的肺炎病变模拟方法， 其特 征在于， 包括： 获取初始CT肺部图像， 将初始CT肺部图像进行图像预处 理得到基础肺部图像； 搭建基于深度学习的肺部健康模拟模型， 将基础肺部 图像进行图像关键数据提取， 并 对所述关键数据进行图像数据模拟， 得到初始健康模拟肺部图像； 将初始健康模拟肺部图像与肺炎病变过程参数导入肺炎变化模型中进行病变模拟， 得 到病变模拟图像集； 将病变模拟图像集进图像 拆分， 并按预设方式在预设终端设备中进行展示； 其中， 所述肺炎病变过程 参数具体为： 从肺炎病例图像数据库中获取已有的历史肺炎病变图像集； 将历史肺炎病变图像集按照时间顺序进行图像数据拆分， 得到多个肺炎病变图像子 集； 将多个肺炎病变图像子集导入肺炎变化模型进行图像变化分析， 根据不同肺炎病变图 像子集之间的图像 变化， 得到肺炎病变过程 参数； 其中， 所述得到病变模拟图像集， 还 包括： 获取病变模拟图像集； 将目标对象基础肺部图像与病变模拟图像集进行对比分析， 得到在病变模拟图像集中 与目标对象基础肺部图像相似度最高的一张病变模拟图像， 将所述病变模拟图像进行标 记， 得到标记模拟图像； 根据标记模拟图像和病变模拟图像集得到目标对象当前的肺炎病变时期； 获取目标对象的年龄、 职业、 烟龄、 基础疾病 、 生活环境状况基础信息； 根据所述基础信息， 结合目标对象肺炎病变时期， 生成目标对象的针对性医嘱方案 。 2.根据权利要求1所述的基于深度学习的肺炎病变模拟方法， 其特征在于， 所述获取初 始CT肺部图像， 将初始CT肺部图像进行图像预处 理得到基础肺部图像， 具体为： 获取目标对象初始CT肺部图像， 将初始CT肺部图像进行数据格式转化处理， 得到统一 格式的肺部图像； 将统一格式的肺部图像进行图像平 滑、 降噪处 理， 得到高质量的基础肺部图像。 3.根据权利要求1所述的基于深度学习的肺炎病变模拟方法， 其特征在于， 所述搭建基 于深度学习的肺部健康模拟模型， 将基础肺部图像进行图像关键数据提取， 并对所述关键 数据进行图像数据模拟， 得到初始 健康模拟肺部图像， 具体为： 将 基础肺部图像进 行图像轮 廓锐化处 理， 得到锐化后的基础肺部图像； 将锐化后的基础肺部图像进行图像 轮廓特征提取， 得到肺部大小信息与轮廓信息； 将肺部大小与轮廓信息进行图像数据模拟分析， 并生成初始健康模拟肺部图像。 4.根据权利要求1所述的基于深度学习的肺炎病变模拟方法， 其特征在于， 所述将初始 健康模拟肺部图像与 肺炎病变过程参数导入肺炎变化模型中进行病变模拟， 得到病变模拟 图像集， 还 包括： 获取目标对象基础情况信息， 将目标对象基础情况信息进行数据分析处理， 得到目标 对象基础数据； 将目标对象基础数据进行肺炎病变影响分析， 得到多个病变影响指数， 并计算出平均 病变影响指数；权　利　要　求　书 1/3 页 2 CN 115115620 B 3