[發(fā)明專利]基于神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林的顱側(cè)面影像分析方法和系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910541470.1
• 申請(qǐng)日: 2019-06-21
• 公開（公告）號(hào): CN110246580B
• 公開（公告）日: 2021-10-15
• 發(fā)明（設(shè)計(jì)）人: 杜鑫;陳毅;朱露
• 申請(qǐng)（專利權(quán)）人: 上海優(yōu)醫(yī)基醫(yī)療影像設(shè)備有限公司
• 主分類號(hào): G16H50/20
• 分類號(hào): G16H50/20;G16H30/20;G06N3/04
• 代理公司: 上海市匯業(yè)律師事務(wù)所 31325
• 代理人: 王函

本發(fā)明公開了一種基于神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林的顱側(cè)面影像分析方法和系統(tǒng)。成像設(shè)備(一般是口腔頜面斷層成像設(shè)備，簡(jiǎn)稱CBCT)完成對(duì)患者顱側(cè)面曝光和圖片合成后，將成像結(jié)果輸入到顱側(cè)面解剖特征標(biāo)記模塊中，經(jīng)過一系列計(jì)算機(jī)自動(dòng)識(shí)別和標(biāo)記流程，完成對(duì)圖像上重要解剖結(jié)構(gòu)的標(biāo)記工作，輸出特征點(diǎn)的高精度位置；之后顱側(cè)面報(bào)告生成模塊接收顱側(cè)面解剖特征標(biāo)記模塊經(jīng)人工校驗(yàn)和調(diào)整后的各解剖特征點(diǎn)的位置，完成顱面醫(yī)學(xué)分析，得到最終的顱側(cè)面分析報(bào)告作為醫(yī)生后續(xù)診斷的依據(jù)。本發(fā)明解決了對(duì)顱側(cè)面影像進(jìn)行快速自動(dòng)化分析的難題，大幅減少醫(yī)生在顱側(cè)面影像分析過程中的體力勞動(dòng)，縮短診斷周期；同時(shí)提高系統(tǒng)預(yù)測(cè)的穩(wěn)定性，防止異常結(jié)果出現(xiàn)。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)輔助診斷技術(shù)領(lǐng)域，涉及一種顱側(cè)面X射線影像自動(dòng)分析方法和系統(tǒng)，尤其涉及一種基于隨機(jī)森林技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)的顱側(cè)面X射線影像（下稱顱側(cè)面影像）自動(dòng)分析方法和系統(tǒng)。

背景技術(shù)

X射線顱側(cè)位成像 (X-ray Cephalometry) 技術(shù)是利用X射線對(duì)患者頭部進(jìn)行射線投影，從而獲得患者頭部側(cè)透視圖的一種成像技術(shù)；其功能特點(diǎn)在于使用較小的輻射劑量，獲得頭部骨骼和組織的截面影像數(shù)據(jù)，為臨床醫(yī)生的診斷提供依據(jù)。在顱腦的側(cè)位成像結(jié)果中，有一些生理結(jié)構(gòu)所指示的特征點(diǎn)，這些特征點(diǎn)可以為醫(yī)生的診斷提供輔助信息，或成為診斷的依據(jù)。數(shù)據(jù)顯示，牙科醫(yī)生完成整次顱面影像分析過程需要20分鐘以上的時(shí)間。為盡量縮短醫(yī)生手動(dòng)標(biāo)記的耗時(shí)，減小醫(yī)生的體力勞動(dòng)，提高問診效率， 采用基于計(jì)算機(jī)數(shù)據(jù)分析和圖像識(shí)別技術(shù)的自動(dòng)標(biāo)記技術(shù)日益成為趨勢(shì)。顱面影像標(biāo)記技術(shù)便是整個(gè)自動(dòng)分析過程中重要的一環(huán)。

顱側(cè)面影像自動(dòng)標(biāo)記技術(shù)的基本實(shí)現(xiàn)思路主要分為四種：基于特征提取的回歸技術(shù)（參見C. Chu, C. Chen, L.-P. Nolte and G. Zheng, ”Fully Automatic Cephalo-metric X-Ray Landmark Detection Using Random Forest Regression and Sparseshape composition,” in Proc. ISBI International Symposium on BiomedicalImaging 2014: Automatic Cephalometric X-Ray Landmark Detection Challenge,2014；C. Chen and G. Zheng, ”Fully-Automatic Landmark Detection inCephalometric X-Ray Images by Data-Driven Image Displacement Estima- tion,”in Proc. ISBI International Symposium on Biomedical Imaging 2014: AutomaticCephalometric X-Ray Landmark Detection Challenge, 2014）、基于特征提取的區(qū)域分類技術(shù)（參見R. Vandaele, R. Marée, S. Jodogne, and P. Geurts, ”AutomaticCephalo- metric X-Ray Landmark Detection Challenge 2014: A tree-based ap-proach,” in Proc. ISBI International Symposium on Biomedical Imaging 2014:Automatic Cephalometric X-Ray Landmark Detection Challenge, 2014.）、形狀匹配技術(shù)（參見B. Ibragimov, B. Likar, F. Pernuˇ s and T. Vrtovec, ”Automaticcephalo- metric X-ray landmark detection by applying game theory and randomforests,” in Proc. ISBI International Symposium on Biomedical Imaging 2014:Automatic Cephalometric X-Ray Landmark Detection Challenge, 2014.）、基于深度學(xué)習(xí)的位置估計(jì)技術(shù)（Arik, Sercan ?., Bulat Ibragimov, and Lei Xing. Fullyautomated quantitative cephalometry using convolutional neural networks.Journal of Medical Imaging 4.1 (2017): 014501.）。前三種思路中，特征提取和形狀匹配在構(gòu)建時(shí)需要大量手動(dòng)干預(yù)和領(lǐng)域?qū)I(yè)知識(shí)，構(gòu)建過程費(fèi)時(shí)、不可靠，更新難度高；而第四種基于深度學(xué)習(xí)的自動(dòng)標(biāo)記技術(shù)隨著深度學(xué)習(xí)領(lǐng)域的整體高速發(fā)展，近年來(lái)受到廣泛關(guān)注。實(shí)際搭建自動(dòng)標(biāo)記系統(tǒng)時(shí)，往往采取其中的兩種相互配合，以同時(shí)提高精度和系統(tǒng)穩(wěn)定性。