[發明專利]一種3D實現多器官病灶整合的控制方法及控制裝置

在審

• 申請號: 201910538729.7
• 申請日: 2019-06-20
• 公開（公告）號: CN110288577A
• 公開（公告）日: 2019-09-27
• 發明（設計）人: 賈虎;沈超;魯昭龍
• 申請（專利權）人: 翼健（上海）信息科技有限公司;廈門翼方健數信息科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G16H15/00;G16H30/40;G06T3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種3D實現多器官病灶整合的控制方法，其通過將2D影像轉化為3D影像實現多病灶的整合，包括如下步驟：基于一個或多個第一2D影像數據確定以器官為單位的一個或多個第二2D影像數據以及與所述一個或多個第二2D影像數據相對應地一種或多種類型的病灶信息；基于一個或多個第二2D影像數據以及一種或多種類型的病灶信息確定一種或多種類型的病灶信息所對應地3D病灶影像數據，最后基于所述3D病灶影像數據生成報告。本發明使用簡單，操作便捷，功能強大，實用性強，學習能力強大，整合高效準確，具有極高的商業價值。

技術領域

本發明屬于計算機醫學應用領域，具體地，涉及一種3D實現多器官病灶整合的控制方法及控制裝置。

背景技術

目前在現有的醫學影像病灶整合技術中，會用到許多輔助醫生來完成病灶整合的技術方案，其中，包括有醫學影像的輔助篩查，影像報告的輔助生成，病歷質量控制等等。而將這些技術應用于不同的系統，可以輔助醫生完成不同的工作，例如，將其應用于PACS系統時，可輔助醫生進行病灶識別；將其應用于RIS系統時，可輔助醫生進行影像報告的書寫；將其應用于RIS系統，可通過病灶的識別預測能力，有效監控影像報告的書寫質量。

在已有的整合方案中，主要是通過高質量的數據集的訓練，讓模型對一個指定臟器的指定病進行識別預測。目前，在現有技術中，常用的識別模型主要有：SAE、RBM等無監督學習方案，進行逐層訓練CNN、RNN、FCNN、FRCNN等各類神經網絡。

然而在當前的各種預測模型中，通常只能識別一個指定臟器的指定病灶，在實際的業務場景中泛用性不強，并不能真正有效地幫助醫生提高工作效率。同時預測模型的訓練需要花費大量的時間準備訓練數據集，而高質量的數據集在收集上又面臨難度大、成本高，以及患者的隱私等問題。此外在實際的業務場景落地時，模型往往只能幫助醫生進行病灶的篩查，在報告書寫方面沒有提供很大的幫助，醫生還是只能使用傳統的固定模板方式進行書寫，不但工作效率低，而且還要面對繁瑣的模板維護工作。

目前在現有的技術中，并沒有一種能夠解決上述技術問題的技術方案，具體地，缺少一種3D實現多器官病灶整合的控制方法及控制裝置。

發明內容

針對現有技術存在的技術缺陷，本發明的目的是提供一種3D實現多器官病灶整合的控制方法，其通過將2D影像轉化為3D影像實現多病灶的整合，包括如下步驟：

a.基于一個或多個第一2D影像數據確定以器官為單位的一個或多個第二2D影像數據以及與所述一個或多個第二2D影像數據相對應地一種或多種類型的病灶信息；

b.基于一個或多個第二2D影像數據以及一種或多種類型的病灶信息確定一種或多種類型的病灶信息所對應地3D病灶影像數據。

優選地，在所述步驟a中，所述一種或多種類型的病灶信息通過如下步驟獲取：

a1：基于卷積神經網絡確定一個或多個第一2D影像數據中的一個或多個特征信息；

a2：基于區域建議網絡確定一個或多個特征信息中的一個或多個前景區域；

a3：基于區域分類網絡確定一個或多個前景區域中的一種或多種類型的病灶信息。

優選地，在所述步驟a之后，還包括步驟a′：基于一個或多個第二2D影像數據以及一種或多種類型的病灶信息對一個或多個器官外的假陽性進行剔除。

優選地，在所述步驟b之后，還包括步驟c：基于所述3D病灶影像數據生成報告。

優選地，在所述步驟c之前，還包括步驟c′：基于所述3D病灶影像數據對3D假陽性進行篩選。

優選地，在所述步驟c之前，還包括步驟c″：基于所述3D病灶影像數據對相鄰位置進行去重處理。

優選地，第一2D影像數據為CT數據。