[發(fā)明專利]基于肺部CT影像和臨床信息的醫(yī)療資源分配方法及設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202011285827.3
• 申請(qǐng)日: 2020-11-17
• 公開（公告）號(hào): CN112365962B
• 公開（公告）日: 2023-08-18
• 發(fā)明（設(shè)計(jì)）人: 楊利;孟舒娟;白皛;吳靜;唐磊
• 申請(qǐng)（專利權(quán)）人: 中南大學(xué)湘雅二醫(yī)院
• 主分類號(hào): G16H40/20
• 分類號(hào): G16H40/20;G16H10/20;G06T7/00;G06T7/11;G06N3/0442;G06N3/045;G06N3/0464;G06N3/08
• 代理公司: 長沙市融智專利事務(wù)所(普通合伙) 43114
• 代理人: 熊開蘭

本發(fā)明公開了一種基于肺部CT影像和臨床信息的醫(yī)療資源分配方法及設(shè)備，其方法包括：從肺部CT影像中分割病理區(qū)域并生成肺部病灶切片；分別以患者的肺部病灶切片和預(yù)設(shè)種類的臨床診斷信息為輸入，均以嚴(yán)重性標(biāo)簽為輸出，訓(xùn)練兩個(gè)不同的學(xué)習(xí)模型，得到兩個(gè)相互獨(dú)立的嚴(yán)重性預(yù)測模型；分別以CT影像的特征向量和預(yù)設(shè)種類的臨床診斷信息為輸入，均以醫(yī)療資源分配標(biāo)簽為輸出，訓(xùn)練得到兩個(gè)基于隨機(jī)森林的醫(yī)療資源預(yù)分配模型；對(duì)肺炎新患者，基于其CT影像和臨床信息，使用兩個(gè)醫(yī)療資源預(yù)分配模型分別進(jìn)行資源預(yù)分配，最終融合分配結(jié)果作為新患者最終的醫(yī)療資源分配方案。本發(fā)明可對(duì)醫(yī)療資源進(jìn)行合理分配，避免醫(yī)療資源的浪費(fèi)。

技術(shù)領(lǐng)域

本發(fā)明屬于醫(yī)療信息技術(shù)領(lǐng)域，具體涉及一種基于肺部CT影像和臨床信息的醫(yī)療資源分配方法及設(shè)備。

背景技術(shù)

新型冠狀病毒(COVID-19)已經(jīng)蔓延到200多個(gè)國家和地區(qū)，截至2020年5月30日，全球新冠肺炎死亡率為6.2％，死亡人數(shù)超過SARS和中東呼吸綜合征的總和。目前能有效控制COVID-19很難的原因之一在于，治療新冠肺炎的醫(yī)療資源有限，包括專科診斷醫(yī)生、病床、重癥監(jiān)護(hù)病房、呼吸機(jī)等。因此，在面對(duì)當(dāng)前嚴(yán)重的新冠肺炎疫情以及極其有限的醫(yī)療資源條件下，如何根據(jù)患者的肺部CT影像和臨床信息對(duì)有限的醫(yī)療資源進(jìn)行有效分配，提高新冠肺炎疫情整體的治愈率，是目前亟需解決的技術(shù)問題。

發(fā)明內(nèi)容

基于當(dāng)前嚴(yán)重的新冠肺炎疫情以及極其有限的醫(yī)療資源，本發(fā)明提供一種基于肺部CT影像和臨床信息的醫(yī)療資源分配方法，可以根據(jù)患者的肺部CT影像和臨床信息對(duì)有限的醫(yī)療資源進(jìn)行有效分配，避免醫(yī)療資源的浪費(fèi)，提高新冠肺炎疫情整體的治愈率。

為實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明采用如下技術(shù)方案：

一種基于肺部CT影像和臨床信息的醫(yī)療資源分配方法，包括以下步驟：

步驟1，針對(duì)RT-PCR檢測陽性的患者，采集其肺部CT影像和預(yù)設(shè)種類的臨床診斷信息；

步驟2，從肺部CT影像中分割所有病灶；

步驟3，選擇已標(biāo)定嚴(yán)重性標(biāo)簽的若干患者：以其肺部病灶的切片為輸入、嚴(yán)重性標(biāo)簽為輸出訓(xùn)練第一深度學(xué)習(xí)模型，得到第一嚴(yán)重性預(yù)測模型；以其預(yù)設(shè)種類的臨床診斷信息為輸入、嚴(yán)重性標(biāo)簽為輸出訓(xùn)練第二深度學(xué)習(xí)模型，得到第二嚴(yán)重性預(yù)測模型；

步驟4，選擇已標(biāo)定醫(yī)療資源分配標(biāo)簽的若干患者，將其肺部病灶的切片輸入至第一嚴(yán)重性預(yù)測模型，由第一嚴(yán)重性預(yù)測模型的中間層輸出對(duì)應(yīng)患者的CT影像特征向量；然后以所述若干患者的CT影像特征向量為輸入、醫(yī)療資源分配標(biāo)簽為輸出訓(xùn)練第一隨機(jī)生存森林，得到醫(yī)療資源第一預(yù)分配模型；同時(shí)以所述若干患者的預(yù)設(shè)種類的臨床診斷信息為輸入、醫(yī)療資源分配標(biāo)簽為輸出訓(xùn)練第二隨機(jī)生存森林，得到醫(yī)療資源第二預(yù)分配模型；

步驟5，對(duì)于RT-PCR檢測陽性的新患者，按步驟1和步驟2獲取其預(yù)設(shè)種類的臨床診斷信息和肺部病灶，將其肺部病灶的切片輸入至第一嚴(yán)重性預(yù)測模型，由第一嚴(yán)重性預(yù)測模型的中間層輸出CT影像特征向量；

將第一嚴(yán)重性預(yù)測模型的中間層輸出的CT影像特征向量輸入至醫(yī)療資源第一預(yù)分配模型，并將新患者預(yù)設(shè)種類的臨床診斷信息輸入至醫(yī)療資源第二預(yù)分配模型，融合兩個(gè)醫(yī)療資源預(yù)分配結(jié)果得到新患者最終的醫(yī)療資源分配方案。

在更優(yōu)的技術(shù)方案中，從肺部CT影像中分割病灶的方法為：利用肺部CT影像樣本以及樣本中各像元的病變標(biāo)簽訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)，得到的病灶分割網(wǎng)絡(luò)即可用于對(duì)肺部CT影像中各像元進(jìn)行病變判斷，進(jìn)而根據(jù)病變判斷結(jié)果分割出病灶。

在更優(yōu)的技術(shù)方案中，病灶分割網(wǎng)絡(luò)對(duì)應(yīng)的深度卷積神經(jīng)網(wǎng)絡(luò)，采用3D?U-net網(wǎng)絡(luò)。

在更優(yōu)的技術(shù)方案中，訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)得到病灶分割網(wǎng)絡(luò)的過程，其損失函數(shù)采用交叉熵與骰子損失函數(shù)的混合損失函數(shù)。