[發明專利]一種基于多模態超聲組學的智能輔助決策系統

在審

• 申請號: 201710587641.5
• 申請日: 2017-07-18
• 公開（公告）號: CN107582097A
• 公開（公告）日: 2018-01-16
• 發明（設計）人: 王偉;匡銘;陳立達;李薇;李昕;謝曉燕;呂明德
• 申請（專利權）人: 中山大學附屬第一醫院
• 主分類號: A61B8/00
• 分類號: A61B8/00;A61B8/13;A61B8/08;A61B8/06
• 代理公司: 廣州凱東知識產權代理有限公司44259
• 代理人: 姚迎新

技術領域

本發明涉及醫學圖像大數據和人工智能輔助決策領域，具體來說是一種基于多模態超聲組學(ULTRASOMICS)的智能輔助決策系統。

背景技術

超聲成像是利用超聲的聲束掃描人體，通過對反射信號的接收、處理，以獲得體內器官的圖像。超聲成像方法常用來判斷臟器的位置、大小、形態，確定病灶的范圍和物理性質，提供一些腺體組織的解剖圖，鑒別胎兒的正常與異常，在眼科、婦產科及心血管系統、消化系統、泌尿系統的應用十分廣泛。

但是目前的超聲檢查過度依賴于臨床醫生的主觀經驗，甚至要結合患者的體征等才可以給出結論。這種主觀性過強的輔助診療體系，帶來的弊端包括：超聲醫生培養曲線過長、質量良莠不齊、區域性超聲醫療水平差異等。隨著計算機輔助量化分析的發展，超聲圖像已經可以轉化為標準化的圖像大數據，利用大數據云平臺和人工智能的算法，建立超聲組學的智能臨床輔助決策系統孕育而生。

發明內容

本發明的目的在于提供一種多模態超聲圖像大數據的智能挖掘方法，籍此提高醫生的臨床輔助決策水平的多模態超聲組學(ULTRASOMICS)的智能輔助決策系統。

為了克服上述現有技術中的缺陷，本發明采用如下技術方案：

一種基于多模態超聲組學的智能輔助決策系統，

步驟1，分別從超聲儀器的不同信號來源，獲取患者形態學、血流灌注學和硬度學的多模態超聲數據；

(1)常規超聲信號提取：將疾病超聲信號以靜態的Dicom類型文件進行存儲，分析疾病的基礎信號差異；

(2)超聲射頻信號提取：將超聲信號以Raw Data類型文件進行存儲，分析疾病的形態信號差異；

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

(4)超聲諧波信號提取：將超聲造影諧波成像信號以動態的Dicom類型文件進行存儲，分析疾病的時間灌注曲線差異；

步驟2，專家分析多模態超聲圖像的感興趣區，利用交互式或人工方法分割圖像，計算機輔助量化分析或專家分析提取相應的超聲組學數據。根據結局指標、臨床信息、實驗數據對超聲組學數據進行分析及挖掘，采用線性回歸、機器學習等數據挖掘方法篩選高質量參數；

步驟3，利用傳統預測模型或機器學習的分析方法建立智能輔助臨床決策的系統，預測復發及生存率，早期判斷療效和放化療敏感性，分析病理特征、臨床分期、基因突變等相關性，輔助臨床決策。

進一步地，所述多模態超聲為常規超聲、形態學超聲、剪切波彈性超聲、動態灌注超聲造影；超聲圖像來源可為二維超聲、三維超聲、二維及三維動態超聲、四維超聲的數據。

進一步地，超聲組學數據包括射頻信號(raw data)來源數據，醫學數字成像和通信(Dicom)來源數據，靜態圖像(JPEG、TIFF、RAW、BMP、GIF、PNG等)和動態圖像(AVI、WMV、MPEG、MKV、RM等)來源數據。

進一步地，所述感興趣區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、肌骨神經組織、生殖器及附件、孕期子宮及胎兒。

進一步地，所述步驟2中的所述交互式分割方法基于邊界和基于區域的方法相結合，分別從用戶標注出前景以及背景區域采集樣本點，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算法學習，得出病灶區域判別模型。

進一步地，采用經典邊緣檢測算法，通過離線學習方法，得出病灶邊緣判別模型；最后，運用分裂Bregman迭代算法，快速優化病灶區域判別模型和病灶邊緣判別模型的組合模型，得到最優的分割結果。

進一步地，所述步驟2分別提取相應超聲數據特征包括：a、病變部位的形態特征包括，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，更詳細地1)病變部位的灰度，如平均灰度值、灰度極差值、灰度積分、直方圖、峰態、不對稱性等；2)腫瘤形狀，如徑線、縱橫比、周長、周長/長徑等；3)紋理結構和/或灰度特征，如灰度標準差、灰度均數、扭曲度、熵；4)同時量化腫瘤與周圍淋巴結、周圍組織之間關系的特征參數；b、病變部位的硬度特征：平均硬度值、最大值、最小值、極差、標準差、均勻性、剪切波速度、硬度值積分、直方圖、峰態、腫瘤與周圍正常組織或脂肪組織的硬度比、速度比的測量擴展參數；c、病變部位的動態血流灌注特征：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、峰值強度和擬合優度。