[發(fā)明專利]一種基于多模態(tài)超聲組學(xué)的智能輔助決策系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710587641.5
• 申請日: 2017-07-18
• 公開（公告）號: CN107582097A
• 公開（公告）日: 2018-01-16
• 發(fā)明（設(shè)計）人: 王偉;匡銘;陳立達(dá);李薇;李昕;謝曉燕;呂明德
• 申請（專利權(quán)）人: 中山大學(xué)附屬第一醫(yī)院
• 主分類號: A61B8/00
• 分類號: A61B8/00;A61B8/13;A61B8/08;A61B8/06
• 代理公司: 廣州凱東知識產(chǎn)權(quán)代理有限公司44259
• 代理人: 姚迎新

1.一種基于多模態(tài)超聲組學(xué)的智能輔助決策系統(tǒng)，其特征在于：

步驟1，分別從超聲儀器的不同信號來源，獲取患者形態(tài)學(xué)、血流灌注學(xué)和硬度學(xué)的多模態(tài)超聲數(shù)據(jù)；

(1)常規(guī)超聲信號提?。簩⒓膊〕曅盘栆造o態(tài)的Dicom類型文件進(jìn)行存儲，分析疾病的基礎(chǔ)信號差異；

(2)超聲射頻信號提?。簩⒊曅盘栆訰aw Data類型文件進(jìn)行存儲，分析疾病的形態(tài)信號差異；

(3)超聲剪切波信號提取：將超聲剪切波成像信號以靜態(tài)的Dicom類型文件進(jìn)行存儲，分析疾病的硬度質(zhì)地差異；

(4)超聲諧波信號提?。簩⒊曉煊爸C波成像信號以動態(tài)的Dicom類型文件進(jìn)行存儲，分析疾病的時間灌注曲線差異；

步驟2，專家分析多模態(tài)超聲圖像的感興趣區(qū)，利用交互式或人工方法分割圖像，計算機(jī)輔助量化分析或?qū)＜曳治鎏崛∠鄳?yīng)的超聲組學(xué)數(shù)據(jù)。根據(jù)結(jié)局指標(biāo)、臨床信息、實驗數(shù)據(jù)對超聲組學(xué)數(shù)據(jù)進(jìn)行分析及挖掘，采用線性回歸、機(jī)器學(xué)習(xí)數(shù)據(jù)挖掘方法篩選高質(zhì)量參數(shù)；

步驟3，利用傳統(tǒng)預(yù)測模型或機(jī)器學(xué)習(xí)的分析方法建立智能輔助臨床決策的系統(tǒng)，預(yù)測復(fù)發(fā)及生存率，早期判斷療效和放化療敏感性，分析病理特征、臨床分期、基因突變相關(guān)性，輔助臨床決策。

2.根據(jù)權(quán)利要求1所述的基于多模態(tài)超聲組學(xué)的智能輔助決策系統(tǒng)，其特征在于：

所述多模態(tài)超聲為常規(guī)超聲、形態(tài)學(xué)超聲、剪切波彈性超聲、動態(tài)灌注超聲造影；超聲圖像來源可為二維超聲、三維超聲、二維及三維動態(tài)超聲、四維超聲的數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的基于多模態(tài)超聲組學(xué)的智能輔助決策系統(tǒng)，其特征在于：

超聲組學(xué)數(shù)據(jù)包括射頻信號raw data來源數(shù)據(jù)，醫(yī)學(xué)數(shù)字成像和通信Dicom來源數(shù)據(jù)，靜態(tài)圖像和動態(tài)圖像來源數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的基于多模態(tài)超聲組學(xué)的智能輔助決策系統(tǒng)，其特征在于：

所述感興趣區(qū)為需觀察的病變部位，包括肝臟、乳腺、甲狀腺、腎臟、脾臟、心臟、胃腸組織、肌骨神經(jīng)組織、生殖器及附件、孕期子宮及胎兒。

5.根據(jù)權(quán)利要求1所述的基于多模態(tài)超聲組學(xué)的智能輔助決策系統(tǒng)，其特征在于：

所述步驟2中的所述交互式分割方法基于邊界和基于區(qū)域的方法相結(jié)合，分別從用戶標(biāo)注出前景以及背景區(qū)域采集樣本點，采用密集尺度不變特征變換描述局部灰度直方圖作為樣本點特征，使用Boosting算法學(xué)習(xí)，得出病灶區(qū)域判別模型。

6.根據(jù)權(quán)利要求5所述的基于多模態(tài)超聲組學(xué)的智能輔助決策系統(tǒng)，其特征在于：

采用經(jīng)典邊緣檢測算法，通過離線學(xué)習(xí)方法，得出病灶邊緣判別模型；最后，運用分裂Bregman迭代算法，快速優(yōu)化病灶區(qū)域判別模型和病灶邊緣判別模型的組合模型，得到最優(yōu)的分割結(jié)果。

7.根據(jù)權(quán)利要求1所述的基于多模態(tài)超聲組學(xué)的智能輔助決策系統(tǒng)，其特征在于：

所述步驟2分別提取相應(yīng)超聲數(shù)據(jù)特征包括：a、病變部位的形態(tài)特征包括，基于一般圖像變換和小波圖像變換方法獲取的空間閾或者矩陣特征；b、病變部位的硬度特征：平均硬度值、最大值、最小值、極差、標(biāo)準(zhǔn)差、均勻性、剪切波速度、硬度值積分、直方圖、峰態(tài)、腫瘤與周圍正常組織或脂肪組織的硬度比、速度比的測量擴(kuò)展參數(shù)；c、病變部位的動態(tài)血流灌注特征：包括曲線下面積、平均通過時間、峰值時間、上升斜率、下降斜率、灌注指數(shù)、峰值強(qiáng)度和擬合優(yōu)度。

8.根據(jù)權(quán)利要求7所述的基于多模態(tài)超聲組學(xué)的智能輔助決策系統(tǒng)，其特征在于：

對超聲組學(xué)的數(shù)據(jù)挖據(jù)方法包括超聲組學(xué)數(shù)據(jù)預(yù)處理、超聲組學(xué)特征工程及后續(xù)的無監(jiān)督和有監(jiān)督算法。其中傳統(tǒng)統(tǒng)計學(xué)包括一般線性回歸和廣義線性回歸；機(jī)器學(xué)習(xí)算法包括決策樹、隨機(jī)森林算法、邏輯回歸、支持向量機(jī)、樸素貝葉斯、K最近鄰算法、K均值算法、Adaboost算法、神經(jīng)網(wǎng)絡(luò)、馬爾可夫構(gòu)建的模型。

9.根據(jù)權(quán)利要求1所述的基于多模態(tài)超聲組學(xué)的智能輔助決策系統(tǒng)，其特征在于：

所述需要處理的數(shù)據(jù)包括：患者的臨床基本信息、實驗室檢查數(shù)據(jù)、病理組織結(jié)果、基因及蛋白組學(xué)信息、患者臨床預(yù)后隨訪數(shù)據(jù)。

10.根據(jù)權(quán)利要求1所述的基于多模態(tài)超聲組學(xué)的智能輔助決策系統(tǒng)，其特征在于：

超聲組學(xué)和臨床結(jié)局指標(biāo)、基因組學(xué)數(shù)據(jù)進(jìn)行比對方法包括：采用傳統(tǒng)的邏輯回歸法計算有效的高風(fēng)險指標(biāo)，并根據(jù)這些指標(biāo)建立諾莫圖nomogram，利用決策分析曲線Decision Curve Analysis比較預(yù)測復(fù)發(fā)或生存率的準(zhǔn)確性；采用決策樹、Adaboost或者隨機(jī)森林的方法建立分類模型，并利用驗證組的準(zhǔn)確率、錯誤率或受試者工作曲線下面積比較判斷療效和放化療敏感性；采用t檢驗、pearson/spearman相關(guān)性分析比較分析病理特征、臨床分期、基因突變相關(guān)性，輔助臨床決策。