基于深度学习的计算机辅助诊断系统在嵌入式中的设计与实现

随着现代医学的成像质量提高和医学影像数据量的增大,医生想要从海量的医学影像里快速找到指定类别的医学影像数据耗费的时间成本越来越高,对医学图像库中的医学图像数据进行计算机辅助诊断成为一个非常现实的需求。因此,该文作为人工智能实验应用的典型案例,利用改进的深度学习算法,设计了一个可以对病变区域位置进行检测的计算机辅助诊断系统,该系统可以完成对医学图像中各个器官的自动分割。建立并使用卷积神经网络框架,训练医学图像库中大量的数据;然后根据训练好的分类器模型,将图像分到相应的类别,从而完成智能诊断过程;最后将系统移植到嵌入式开发板上实现,方便后续实际产品的开发。实验结果表明,该系统可以较好地识别病理区域,可应用于X射线胸片的计算机辅助诊断,为放射科医生提供较好的诊断帮助。