[發明專利]基于結構化報告模板的醫學影像知識庫建立方法

在審

• 申請號: 201710707594.3
• 申請日: 2017-08-17
• 公開（公告）號: CN107463786A
• 公開（公告）日: 2017-12-12
• 發明（設計）人: 王衛鵬;鞏若箴;張翼
• 申請（專利權）人: 王衛鵬;鞏若箴;張翼
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 青島發思特專利商標代理有限公司37212
• 代理人: 鞏同海

1.一種基于結構化報告模板的醫學影像知識庫建立方法，其特征在于，包括如下步驟：

步驟一：醫學影像特征本體的建立：醫學影像特征本體的類別包括解剖結構、影像特征、病證表現和診斷結論；

步驟二：定義病證的標準：以專家共識、診斷指南為依據，對報告模板所涉及的部位預先定義可能存在的病證與診斷結論，病證表現及診斷結論通過代碼進行檢索；

步驟三：以結構化數據為元素的報告模板的設計：報告模板包括文本報告模板和圖文報告模板；

步驟四：知識元素的形成與信息交換：將報告模板根據CDA進行存儲，通過人工解讀，將圖像轉換成計算機可讀的特征；

步驟五：學習法則建立：將上述特征作為深度學習的輸入值，應用深度學習方法查找影像表現特征與診斷結果的關系。

2.根據權利要求1所述的基于結構化報告模板的醫學影像知識庫建立方法，其特征在于，所述步驟一中，醫學影像特征本體的建立包括如下小步：

S1：列出每一類所涉及到的詞條；

S2：根據詞條的固有屬性和專屬特征進行歸納和修改，對詞條建立類別以及層級化的分類模型；

S3：對上述詞條進行統一編碼，加入關聯信息；

S4：根據需要，添加實例作為概念的具象。

3.根據權利要求1或2所述的基于結構化報告模板的醫學影像知識庫建立方法，其特征在于，所述醫學影像特征本體的類別，即帶有編碼標注、層次關系、從屬關系、搜索路徑的規范化中文術語，以利用計算機進行準確的檢索，其中，根據解剖系統定義解剖結構的繼承關系；根據影像特征定義描述分類；根據病證表現分類將組織器官對應的病證表現進行定義；根據影像診斷結論分別建立ACR編碼庫及ICD-10編碼庫對數據庫中隨訪病例的診斷進行編碼。

4.根據權利要求1所述的基于結構化報告模板的醫學影像知識庫建立方法，其特征在于，所述步驟二中，定義病證的標準，包括如下小步：

S5：在各解剖部位中，對事先定義的病證建立包括正常表現在內的詳細描述，描述中涉及的影像特征采用醫學影像特征本體中影像特征術語進行標記；

S6：影像解讀及書寫報告模板時，醫生選擇該部位影像對應的病證名稱后，其對應的詳細描述自動填入；

S7：醫生在此基礎上對描述內容進行適當修改；

S8：報告模板外觀展現的是影像特征的文字描述，隱含內容中包括病證的發生部位、病證名稱和編碼，成為可檢索的知識內容；

S9：上述報告模板內容在其他文檔模板中被引用，達到利用有限的報告模板來定義所有的文檔。

5.根據權利要求1所述的基于結構化報告模板的醫學影像知識庫建立方法，其特征在于，所述步驟三中，文本報告模板包括掃查部位、模態、病證的名稱及代碼，掃查部位的分類為頭頸、胸、腹和四肢，模態分為CT、MRI和X線。

6.根據權利要求1所述的基于結構化報告模板的醫學影像知識庫建立方法，其特征在于，所述步驟三中，圖文報告模板包括量化指標、關鍵影像和圖像注釋；量化指標包括解剖部位、測量值和定量分析值，將圖像內容變成可分析檢索的標準數據。

7.根據權利要求1所述的基于結構化報告模板的醫學影像知識庫建立方法，其特征在于，所述步驟四中，知識元素采用CDA標準構建；在知識元素的建立過程中，根據CDA和XML標準進行構造，每一份影像學報告模板即一份CDA文檔。

8.根據權利要求1所述的基于結構化報告模板的醫學影像知識庫建立方法，其特征在于，所述步驟五中，深度學習采用監督模式學習方法，建立多層神經網絡模型，多層神經網絡模型包括輸入層、隱含層和輸出層；

輸入層為：a＝f(w^Tx+b)

隱含層為：Q_j＝f(∑w_ij×x_i-q_j)

輸出模型為：Y_k＝f(T_jk×O_j-q_k)

其中，f為非線形作用函數，q為神經單元的閾值，w_ij為輸入節點x_i對隱層節點的影響權重；

誤差計算模型是反映神經網絡期望輸出與計算輸出之間誤差大小的函數，其計算如下：

E=12N×Σp=1N(Tp-Qp)2]]>

其中T_p為網絡目標輸出；

多層神經網絡模型的學習過程，即連接下層節點和上層節點之間的權重矩陣w_ij的設定和誤差修正過程。