[發(fā)明專利]血管內(nèi)超聲自動影像組學分析系統(tǒng)及分析方法

有效

• 申請?zhí)枺?/td>: 201911178279.1
• 申請日: 2019-11-27
• 公開（公告）號: CN110946619B
• 公開（公告）日: 2023-06-06
• 發(fā)明（設計）人: 楊靖
• 申請（專利權）人: 楊靖
• 主分類號: A61B8/08
• 分類號: A61B8/08
• 代理公司: 上海眾象合一知識產(chǎn)權代理有限公司 31395
• 代理人: 姜微微

本發(fā)明公開了一種血管內(nèi)超聲自動影像組學分析系統(tǒng)及分析方法，系統(tǒng)設置在計算機內(nèi)，系統(tǒng)包括分析系統(tǒng)包括數(shù)據(jù)采集轉化模塊、圖像標注和處理模塊、圖像學習模塊、圖像分割處理模塊、組學特征運算處理模塊、分類處理輸出模塊；方法包括步驟一：圖像質(zhì)量控制：步驟二：圖像分割；步驟三：組學特征計算；步驟四：分類及輸出。采用本技術方案后，通過全自動分析技術可以在極短時間內(nèi)獲取大量組學特征信息，解決了現(xiàn)有技術依賴人力費時費力、不同分析者間變異度大的問題，另外可以通過機器學習方法挖掘出哪些特征對分類任務起到了的作用，解決了以往判斷準確性低的問題。

技術領域

本發(fā)明涉及數(shù)字化醫(yī)學影像分析領域，尤其涉及一種血管內(nèi)超聲自動影像組學分析系統(tǒng)及分析方法。

背景技術

醫(yī)學影像學Medical?Imaging，是研究借助于某種介質(zhì)(如X射線、電磁場、超聲波等)與人體相互作用，把人體內(nèi)部組織器官結構、密度以影像方式表現(xiàn)出來，供診斷醫(yī)師根據(jù)影像提供的信息進行判斷，從而對人體健康狀況進行評價的一門科學，包括醫(yī)學成像系統(tǒng)和醫(yī)學圖像處理兩方面相對獨立的研究方向。

醫(yī)學影像學作為一種醫(yī)療輔助手段用于診斷和治療，診斷主要包括透視、放射線片、CT、MRI、超聲、數(shù)字減影、血管造影等。治療主要應用為介入治療、放療等方面。除了醫(yī)療上述用途之外，影像學還可以與其他學術領域相結合，譬如認知心理學(cognitivepsychology)、語言學(linguistics)、教育學(education)、社會學(sociology)等，通過與其它領域相互結合可以讓研究人員探索人類在進行認知行為時的大腦活動，這樣的研究已經(jīng)逐漸成形，學術界稱之為認知神經(jīng)科學(cognitive?neuroscience)。

由于成像技術的迅速發(fā)展，醫(yī)學影像已成為疾病管理中的重要模式，為臨床提供了全面的視角和豐富的信息，在疾病篩查、早期診斷、治療指導和預后評估等方面發(fā)揮著舉足輕重的作用。現(xiàn)已知病灶形態(tài)或功能上的變化是由患者個體的基因、細胞、生理微環(huán)境、生活習慣和生存大環(huán)境等諸多因素共同決定的。若在常規(guī)影像學定性診斷基礎上，通過深度挖掘數(shù)據(jù)，尋找出疾病的內(nèi)涵特征，從而反映人體組織、細胞和基因水平的變化，將會對臨床醫(yī)學產(chǎn)生重大影響。

基于這一理論，影像組學(radiomics)應運而生，影像組學技術是計算機科學與醫(yī)學影像結合而產(chǎn)生出的新興的影像分析方法，它能夠從醫(yī)學影像中提取高通量特征來量化病變特征。即采用自動化算法從影像的感興趣區(qū)(ROI)內(nèi)提取出大量(數(shù)百個乃至數(shù)千個)的特征信息作為研究對象，并進一步采用多樣化的統(tǒng)計分析和數(shù)據(jù)挖掘方法從大批量信息中提取出真正起作用的關鍵信息，最終用于疾病的輔助診斷、分類或分級。影像組學的技術作為跨學科的創(chuàng)新分析技術，主要用于腫瘤影像領域，在心血管領域的研究始于2017年，目前僅有十數(shù)篇論文報道，也僅限于CT和磁共振的初步研究，對于圖像感興趣區(qū)的分割主要依賴于分析者手動。

另一方面，傳統(tǒng)的影像分析目前主要通過人工判斷或借助商用軟件半自動分析的方法實現(xiàn)。人工判斷是指擁有醫(yī)學影像專業(yè)技能的影像科醫(yī)生或臨床醫(yī)生憑借自身的知識和經(jīng)驗通過目測進行的分析和決策。軟件半自動分析是指影像文檔導入影像設備自帶軟件或另外購買的分析軟件中，軟件給出初步分割結果，人工判斷修正后得到病灶的定量結果，比如體積、面積、長度、厚度、角度等等。

傳統(tǒng)的影像分析存在如下缺陷：1、耗費大量的人力和時間，判斷的準確性極大依賴于觀察者的經(jīng)驗和知識水平；2、只能分析體積、面積、長度等低維度的病變表型特征，卻丟失了大量的深度信息。這些缺陷造成了影像診斷的準確性低和不可靠。而上述病變的定性定量信息以外的高維度信息無法通過傳統(tǒng)的技術獲得。

如何通過使用自動組學特征分析對血管內(nèi)超聲中的血管病變進行分類，解決現(xiàn)有技術依賴人力費時費力、不同分析者間變異度大的問題和判斷準確性低的問題是申請人致力于研究和想要克服的課題。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術存在的缺陷，本發(fā)明提供一種血管內(nèi)超聲自動影像組學分析系統(tǒng)及分析方法。