[發(fā)明專利]一種基于人工智能的肺部影像數(shù)據(jù)處理方法、裝置及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810311958.0
• 申請(qǐng)日: 2018-04-09
• 公開（公告）號(hào): CN108510495A
• 公開（公告）日: 2018-09-07
• 發(fā)明（設(shè)計(jì)）人: 陳磊;康雁;張震;孫巖
• 申請(qǐng)（專利權(quán)）人: 沈陽東軟醫(yī)療系統(tǒng)有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G16H50/30;G16H50/20;G16H30/20
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 王玲;王寶筠

1.一種基于人工智能的肺部影像數(shù)據(jù)處理方法，其特征在于，包括：

接收肺部病例數(shù)據(jù)，將所述肺部病例數(shù)據(jù)轉(zhuǎn)換為肺部結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在云端影像數(shù)據(jù)庫(kù)中；

利用所述云端影像數(shù)據(jù)庫(kù)存儲(chǔ)的肺部結(jié)構(gòu)化數(shù)據(jù)訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型；

接收肺部影像數(shù)據(jù)，利用所述神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)所述肺部影像數(shù)據(jù)進(jìn)行分析，得到至少包括肺結(jié)節(jié)位置以及良惡性預(yù)測(cè)概率的預(yù)測(cè)分析結(jié)果；

輸出所述預(yù)測(cè)分析結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

對(duì)所述肺部影像數(shù)據(jù)進(jìn)行定量分析，輸出定量分析結(jié)果；所述定量分析結(jié)果包括肺結(jié)節(jié)最大徑、最小徑、體積、最大密度或最小密度。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

對(duì)所述肺部影像數(shù)據(jù)進(jìn)行形態(tài)學(xué)分析，確定分葉征、毛刺征或血管臨近關(guān)系。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

接收基于所述預(yù)測(cè)分析結(jié)果得到的診療報(bào)告文件；

根據(jù)所述肺部影像數(shù)據(jù)、所述預(yù)測(cè)分析結(jié)果、所述診療報(bào)告文件生成新肺部結(jié)構(gòu)化數(shù)據(jù)，存儲(chǔ)所述新肺部結(jié)構(gòu)化數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述方法還包括：

根據(jù)所述云端影像數(shù)據(jù)庫(kù)存儲(chǔ)的新肺部結(jié)構(gòu)化數(shù)據(jù)更新所述神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的網(wǎng)絡(luò)參數(shù)。

6.一種基于人工智能的肺部影像數(shù)據(jù)處理系統(tǒng)，其特征在于，包括：

云端影像輸入模塊，用于接收肺部影像數(shù)據(jù)以及肺部病例數(shù)據(jù)；

云端影像數(shù)據(jù)庫(kù)，用于將所述肺部病例數(shù)據(jù)轉(zhuǎn)換為肺部結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)；

預(yù)測(cè)分析模塊，用于基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)所述肺部影像數(shù)據(jù)進(jìn)行分析，得到至少包括肺結(jié)節(jié)位置以及良惡性預(yù)測(cè)概率的預(yù)測(cè)分析結(jié)果；其中，所述神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型根據(jù)所述云端影像數(shù)據(jù)庫(kù)存儲(chǔ)的肺部結(jié)構(gòu)化數(shù)據(jù)訓(xùn)練得到；

云端影像輸出模塊，用于輸出所述預(yù)測(cè)分析結(jié)果。

7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，還包括：

計(jì)算機(jī)輔助分析模塊，用于對(duì)所述肺部影像數(shù)據(jù)進(jìn)行圖像分析，輸出定量分析結(jié)果；所述定量分析結(jié)果包括肺結(jié)節(jié)最大徑、最小徑、體積、最大密度或者最小密度。

8.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，還包括：

形態(tài)學(xué)分析模塊，用于對(duì)所述肺部影像數(shù)據(jù)進(jìn)行形態(tài)學(xué)分析，確定分葉征、毛刺征或血管臨近關(guān)系。

9.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述云端影像輸入模塊還用于：

接收基于所述預(yù)測(cè)分析結(jié)果得到的診療報(bào)告文件；

所述云端影像數(shù)據(jù)庫(kù)還用于：

根據(jù)所述預(yù)測(cè)分析結(jié)果、診療報(bào)告文件、肺部影像數(shù)據(jù)生成新肺部結(jié)構(gòu)化數(shù)據(jù)，存儲(chǔ)所述肺部結(jié)構(gòu)化數(shù)據(jù)。

10.根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，還包括：

神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型更新模塊，用于根據(jù)所述云端影像數(shù)據(jù)庫(kù)存儲(chǔ)的新肺部結(jié)構(gòu)化數(shù)據(jù)更新所述神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的網(wǎng)絡(luò)參數(shù)。

11.一種用于基于人工智能的肺部影像數(shù)據(jù)處理的裝置，其特征在于，包括有存儲(chǔ)器，以及一個(gè)或者一個(gè)以上的程序，其中一個(gè)或者一個(gè)以上程序存儲(chǔ)于存儲(chǔ)器中，且經(jīng)配置以由一個(gè)或者一個(gè)以上處理器執(zhí)行所述一個(gè)或者一個(gè)以上程序包含用于進(jìn)行以下操作的指令：

接收肺部病例數(shù)據(jù)，將所述肺部病例數(shù)據(jù)轉(zhuǎn)換為肺部結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在云端影像數(shù)據(jù)庫(kù)中；

利用所述云端影像數(shù)據(jù)庫(kù)存儲(chǔ)的肺部結(jié)構(gòu)化數(shù)據(jù)訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型；

接收肺部影像數(shù)據(jù)，利用所述神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)所述肺部影像數(shù)據(jù)進(jìn)行分析，得到至少包括肺結(jié)節(jié)位置以及良惡性預(yù)測(cè)概率的預(yù)測(cè)分析結(jié)果；

輸出所述預(yù)測(cè)分析結(jié)果。

12.一種機(jī)器可讀介質(zhì)，其上存儲(chǔ)有指令，當(dāng)由一個(gè)或多個(gè)處理器執(zhí)行時(shí)，使得裝置執(zhí)行如權(quán)利要求1至4中一個(gè)或多個(gè)所述的基于人工智能的肺部影像數(shù)據(jù)處理方法。