一种基于深度学习的职业性尘肺病多模态分析方法
基本信息
| 申请号 | CN202110579022.8 | 申请日 | - |
| 公开（公告）号 | CN113255889A | 公开（公告）日 | 2021-08-13 |
| 申请公布号 | CN113255889A | 申请公布日 | 2021-08-13 |
| 分类号 | G06N3/04;G06N3/08;G06T7/00 | 分类 | 计算；推算；计数; |
| 发明人 | 周孟然;杨先军;胡锋;陈焱焱;卞凯;闫鹏程 | 申请（专利权）人 | 合肥中科博谐科技有限公司 |
| 代理机构 | 西安铭泽知识产权代理事务所（普通合伙） | 代理人 | 张举 |
| 地址 | 232001 安徽省淮南市泰丰大街168号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供了一种基于深度学习的职业性尘肺病多模态分析方法，属于尘肺病分析领域，包括：采集人员的胸部X片影像信息和个人基础信息；对个人基础信息进行词向量化处理；构建一维卷积神经网络和二维卷积神经网络，并在此基础上建立多模态卷积神经网络MM‑CNN模型；将上述两种信息作为多模态卷积神经网络MM‑CNN模型的输入，建立多分类MM‑CNN尘肺病分析模型，在满足相应约束下形成目标函数；采用混合跳蛙算法SFLA优化多分类MM‑CNN尘肺病分析模型的超参数；采用优化后的多分类MM‑CNN尘肺病分析模型对人员的胸部X片影像信息和词向量化处理后的个人信息进行分析，并输出分析结果。该方法能够实现人员肺部健康的准确、实时检测分析，完成部分职业性尘肺病的早期预警。 |
