[發(fā)明專利]一種基于隨機選取分區(qū)的肺氣腫精準檢測與量化分析方法

有效

• 申請?zhí)枺?/td>: 201811029180.0
• 申請日: 2018-09-05
• 公開（公告）號: CN109035283B
• 公開（公告）日: 2021-03-30
• 發(fā)明（設(shè)計）人: 趙立;康雁;高懿卓;李強;陳磊
• 申請（專利權(quán)）人: 中國醫(yī)科大學附屬盛京醫(yī)院
• 主分類號: G06T7/136
• 分類號: G06T7/136;G06T7/11;G06T7/62;G06K9/62;G16H30/20;G16H50/20
• 代理公司: 沈陽圣群專利事務(wù)所(普通合伙) 21221
• 代理人: 張立新

本發(fā)明涉及一種基于隨機選取分區(qū)的肺氣腫精準檢測與量化分析方法，（1）、先由數(shù)據(jù)輸入模塊完成CT圖像序列輸入和圖像標準化預處理；（2）、肺實質(zhì)和氣管提取模塊對CT圖像進行自動分割提取肺實質(zhì)和利用波前檢測算法提取氣管，提取肺組織感興趣區(qū)域；（3）、根據(jù)隨機區(qū)域選取模塊在CT圖像上隨機提取肺實質(zhì)體積計算該部分肺實質(zhì)的肺氣腫；（4）、慢阻肺病灶提取模塊根據(jù)每個肺實質(zhì)體積計算病灶與健康肺組織的CT值分布模型，利用凝聚層次聚類算法提取病灶區(qū)域；并根據(jù)提取的病灶區(qū)域計算病灶特征指數(shù)；（5）、輸出與顯示模塊將各區(qū)域CT閾值顯示在圖像上。本發(fā)明的優(yōu)點效果：能夠更精確的定位肺氣腫的區(qū)域以及區(qū)域肺氣腫的嚴重程度。

技術(shù)領(lǐng)域

本發(fā)明涉及一種肺氣腫檢測與量化分析方法，尤其涉及一種基于隨機選取分區(qū)的肺氣腫精準檢測與量化分析方法。

背景技術(shù)

慢性阻塞性肺疾病（chronic obstructive pulmonary disease,COPD）是一種嚴重威脅人類健康的疾病，目前肺功能檢查是診斷COPD的金標準，然而肺功能檢查在很多臨床應(yīng)用場景中受限，很多患者無法配合檢查，同時也無法定位肺氣腫的嚴重程度及具體分布，導致肺氣腫量化分級不準確，病情評估大大受限，無法實現(xiàn)精準醫(yī)療。

基于CT圖像的肺功能分析可以提供肺氣腫病灶區(qū)域的位置信息，目前市場上常用的工具有mimics、數(shù)字肺等。兩者為肺葉自動分割，由于肺葉分割對患者圖像要求較高，在很多患者的CT圖像上無法做到自動分割，因此引入分區(qū)域肺氣腫檢測與分析具有重要意義。醫(yī)生在對肺氣腫不同區(qū)域、不同嚴重程度進行診斷的時候尤為重要。

早預防早診斷是降低慢阻肺發(fā)病和死亡率的關(guān)鍵。如何更加精確的得出肺部各組織、各部分的診斷數(shù)據(jù)對慢阻肺早期的診斷具有重要意義。肺功能檢查是判斷氣流受限且重復性好的客觀指標， 但對于肺部病理形態(tài)變化(如肺氣腫)的診斷敏感性較差，更不能對病變部位做出準確定位。

但在實際臨床工作中，由于病情原因，很大一部分患者無法配合完成肺功能檢查，這使得肺功能檢查的使用在很大程度上受限。臨床醫(yī)生迫切需要一種患者既能很好完成，又能準確評估肺氣腫嚴重程度的檢查方法。目前，基于影像的數(shù)字化學科在近些年迅速發(fā)展，使得基于肺CT的肺功能評估得以實現(xiàn)，其中最為重要的是肺氣腫分析。而傳統(tǒng)的肺氣腫分析方法只能對全肺進行評估，不能滿足臨床醫(yī)生對于具體區(qū)域的數(shù)據(jù)需求，使其實用性大大降低。

目前肺氣腫診斷主要依賴肺功能檢查來判斷肺氣腫的嚴重程度，但肺功能的檢查既無法精確定位肺氣腫的位置也不能很好的反映肺氣腫在局部的嚴重程度。目前存在的肺功能分析工具，如體描箱、肺功能儀、傳統(tǒng)肺量計等，無法滿足醫(yī)生對肺氣腫精確定位及判斷局部肺氣腫嚴重程度的要求。

現(xiàn)有的技術(shù)能提供半自動和全自動肺功能分析方法，實現(xiàn)氣腫病灶定位和計算肺體積、含氣量、肺實質(zhì)重量等定量分析參數(shù)。根據(jù)設(shè)定的閾值自動進行肺功能計算肺功能參數(shù)列表列出CT圖像可以檢測到的肺功能參數(shù)。包括CT均值、肺體積、標準差、表面積、肺含氣量、組織體積、組織重量、密度和氣管體積。很難保證對每個患者的肺葉做到精確分割，從而無法繼續(xù)進行精確量化分析。

存在技術(shù)問題

肺氣腫病變組織分布并非是均勻的，目前國際上計算肺氣腫嚴重程度是按全肺計算，這一計算方法的缺陷在于：基于全肺的分析結(jié)果可能是“輕度氣腫”甚至“無氣腫”，然而局部部位的氣腫病變可能已經(jīng)非常嚴重。基于肺葉分割的氣腫量化分析算法可以減少此類誤診情況的發(fā)生，然而，由于病變肺組織可能因黏連、變形，導致肺葉的解剖部位發(fā)生顯著變化，使自動、準確的肺葉分割算法往往在很多慢阻肺患者的CT圖像上不能高質(zhì)量的執(zhí)行。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題本發(fā)明提供一種基于隨機選取分區(qū)的肺氣腫精準檢測與量化分析方法，目的是達到肺氣腫精準量化對比。