[發明專利]不明原因肺炎影像快速篩查方法及裝置

在審

• 申請號: 202011370420.0
• 申請日: 2020-11-30
• 公開（公告）號: CN112396597A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 朱華棟;吳及;李妍;高鍵東;孫岳川;孫成章;劉業成
• 申請（專利權）人: 中國醫學科學院北京協和醫院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G16H30/20;G06K9/62
• 代理公司: 北京智橋聯合知識產權代理事務所(普通合伙) 11560
• 代理人: 金光恩

1.一種不明原因肺炎影像快速篩查方法，其特征在于，所述方法包括：

預先利用采集的少量肺部CT影像序列、CT數據及其相關數據建立影像分析模型；所述相關數據包括以下任意一種或多種：病歷、化驗指標；

獲取患者肺部CT影像數據及其相關數據；

對所述CT影像數據及其相關數據進行融合處理，以使其轉換至統一的特征空間，得到多維特征；

將所述多維特征輸入所述影像分析模型，根據所述影像分析模型的輸出得到肺部病情類別及其置信度。

2.根據權利要求1所述的方法，其特征在于，所述利用采集的少量肺部CT影像序列、CT數據及其相關數據建立影像分析模型包括：

采集少量肺部CT影像序列、CT數據及其相關數據，并對每張CT影像進行標注，得到對應每張CT影像的標簽；

對所述CT數據進行增強處理；

利用增強處理后的CT數據及CT影像的標簽信息訓練得到基線模型；

對所述CT數據和所述相關數據進行融合處理，得到多維特征；

根據所述多維特征對所述基線模型進行網絡結構調整，得到影像分析模型。

3.根據權利要求2所述的方法，其特征在于，所述對所述CT數據進行增強處理包括：

調整DICOM格式的CT數據的窗位與窗寬，使其達到不同程度的對比度增強。

4.根據權利要求2所述的方法，其特征在于，所述對應每張CT影像的標簽包括以下任意一種或多種：是否存在感染、占位、肺水腫征兆。

5.根據權利要求2所述的方法，其特征在于，所述利用增強處理后的CT數據及CT影像的標簽信息訓練得到基線模型包括：

選擇多個圖像分類深度學習網絡結構作為候選模型網絡結構；

基于增強處理后的CT數據及CT影像的標簽信息對所述候選模型網絡結構進行訓練，并對所述候選模型的輸出概率以等權求和方式進行集成學習得到基線模型。

6.根據權利要求2所述的方法，其特征在于，所述根據所述融合特征對所述基線模型進行網絡結構調整，得到影像分析模型包括：

根據所述融合特征使用神經網絡結構搜索技術進行網絡結構調整，得到影像分析模型。

7.根據權利要求2至6任一項所述的方法，其特征在于，所述利用采集的少量肺部CT影像序列及其相關數據建立影像分析模型還包括：

對所述標簽進行質量評估，得到所述標簽的質量評分；

根據所述標簽的質量評分確定在訓練所述基線模型過程中所述標簽的權重；或者

在所述標簽的質量評分低于設定閾值時，根據訓練所述基線模型過程中每次得到的肺部病情類別和可信度，對所述標簽進行修正。

8.根據權利要求1所述的方法，其特征在于，所述對所述相關數據進行融合處理包括：

采用前期融合、或者后期融合、或者緩慢融合方式對所述相關數據進行融合處理。

9.一種不明原因肺炎影像快速篩查裝置，其特征在于，所述裝置包括：

分析模型建立模塊，用于預先利用采集的少量肺部CT影像序列、CT數據及其相關數據建立影像分析模型；所述相關數據包括以下任意一種或多種：病歷、化驗指標；

輸入信息獲取模塊，用于獲取患者肺部CT影像數據及其相關數據；

數據轉換模塊，用于對所述CT數據及其相關數據進行融合處理，得到多維特征；

篩查模塊，用于將所述多維特征輸入所述影像分析模型，根據所述影像分析模型的輸出得到肺部病情類別及其置信度。