[發(fā)明專利]一種針對(duì)腦出血疾病的CT圖像處理方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011456744.6
• 申請(qǐng)日: 2020-12-10
• 公開（公告）號(hào): CN112541917B
• 公開（公告）日: 2022-06-10
• 發(fā)明（設(shè)計(jì)）人: 高躍;陳自強(qiáng);魏宇軒
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類號(hào): G06T7/10
• 分類號(hào): G06T7/10;G06V10/40;G06K9/62;G06V10/764
• 代理公司: 北京律譜知識(shí)產(chǎn)權(quán)代理有限公司 11457
• 代理人: 黃云鐸;孫紅穎

本申請(qǐng)公開了一種針對(duì)腦出血疾病的CT圖像處理方法，包括：步驟1，對(duì)樣本數(shù)據(jù)集進(jìn)行數(shù)據(jù)預(yù)處理操作，標(biāo)注樣本數(shù)據(jù)集中每例數(shù)據(jù)中每幀CT圖像的切面數(shù)據(jù)；步驟2，構(gòu)建基于單幀CT圖像的圖像分類模型，并對(duì)切面數(shù)據(jù)進(jìn)行數(shù)據(jù)分割，生成切面數(shù)據(jù)的數(shù)據(jù)分割結(jié)果；步驟3，利用全連接層和reshap函數(shù)，對(duì)數(shù)據(jù)分割結(jié)果進(jìn)行分類，生成數(shù)據(jù)分類結(jié)果；步驟4，提取數(shù)據(jù)分割結(jié)果、數(shù)據(jù)分類結(jié)果中的檢索特征，并根據(jù)檢索特征，生成切面數(shù)據(jù)的識(shí)別結(jié)果。通過本申請(qǐng)中的技術(shù)方案，對(duì)CT圖像進(jìn)行分割、分類和檢索處理，以便起到助于醫(yī)生理解CT圖像的作用。

技術(shù)領(lǐng)域

本申請(qǐng)涉及神經(jīng)網(wǎng)絡(luò)的技術(shù)領(lǐng)域，具體而言，涉及一種針對(duì)腦出血疾病的CT圖像處理方法。

背景技術(shù)

自發(fā)性腦出血(SICH)是多種病因?qū)е碌脑l(fā)性腦實(shí)質(zhì)出血，僅有12％～39％的患者可以實(shí)現(xiàn)遠(yuǎn)期生活自理，給社會(huì)和家庭帶來了極大的疾病負(fù)擔(dān)。腦出血的診斷與治療具有一定的復(fù)雜性，涉及神經(jīng)外科、神經(jīng)內(nèi)科等多個(gè)學(xué)科，不同地區(qū)患者的預(yù)后差異較大，導(dǎo)致這種差異的原因復(fù)雜多樣，但缺少對(duì)腦出血精準(zhǔn)診斷的便捷技術(shù)是其中的重要原因之一。

頭部CT圖像檢查可以很好地顯示出血灶，實(shí)現(xiàn)準(zhǔn)確估算CT圖像中血腫量，為各項(xiàng)研究提供基礎(chǔ)數(shù)據(jù)，目前以醫(yī)師手動(dòng)分割的血腫結(jié)果作為計(jì)算血腫量的“金標(biāo)準(zhǔn)”，但這種方法耗時(shí)費(fèi)力；而且臨床上常以多田公式(即長(zhǎng)×寬×高/2)作為血腫量的估算方法，但其結(jié)果難言精準(zhǔn)。

發(fā)明內(nèi)容

本申請(qǐng)的目的在于：提供一種針對(duì)腦出血疾病的CT圖像處理方法，建立在臨床的基礎(chǔ)需求上，對(duì)CT圖像進(jìn)行分割、分類和檢索處理，以便起到助于醫(yī)生理解CT圖像的作用。

本申請(qǐng)的技術(shù)方案是：提供了一種針對(duì)腦出血疾病的CT圖像處理方法，該方法包括：步驟1，對(duì)樣本數(shù)據(jù)集進(jìn)行數(shù)據(jù)預(yù)處理操作，標(biāo)注樣本數(shù)據(jù)集中每例數(shù)據(jù)中每幀CT圖像的切面數(shù)據(jù)；步驟2，構(gòu)建基于單幀CT圖像的圖像分類模型，并對(duì)切面數(shù)據(jù)進(jìn)行數(shù)據(jù)分割，生成切面數(shù)據(jù)的數(shù)據(jù)分割結(jié)果；步驟3，利用全連接層和reshap函數(shù)，對(duì)數(shù)據(jù)分割結(jié)果進(jìn)行分類，生成數(shù)據(jù)分類結(jié)果；步驟4，提取數(shù)據(jù)分割結(jié)果、數(shù)據(jù)分類結(jié)果中的檢索特征，并根據(jù)檢索特征，生成切面數(shù)據(jù)的識(shí)別結(jié)果。

上述任一項(xiàng)技術(shù)方案中，進(jìn)一步地，步驟2中生成切面數(shù)據(jù)的數(shù)據(jù)分割結(jié)果的方法，具體包括：步驟21，在進(jìn)行數(shù)據(jù)分割時(shí)，對(duì)切面數(shù)據(jù)進(jìn)行預(yù)處理，調(diào)整切面數(shù)據(jù)的大小，并通過卷積層生成第一圖像；步驟22，采用圖像分類模型中的encoder模塊，對(duì)第一圖像的分辨率進(jìn)行調(diào)整，生成第二圖像；步驟23，在圖像分類模型中中引入反卷積算法，根據(jù)第二圖像，生成切面數(shù)據(jù)的數(shù)據(jù)分割結(jié)果。

上述任一項(xiàng)技術(shù)方案中，進(jìn)一步地，檢索特征至少包括：病灶大小、病灶數(shù)量、病灶位置和分類特征，步驟4中，生成切面數(shù)據(jù)的識(shí)別結(jié)果，具體包括：當(dāng)判定數(shù)據(jù)分割結(jié)果中的分類特征為有病、且數(shù)據(jù)分類結(jié)果中的分類特征為無病時(shí)，分別計(jì)算數(shù)據(jù)分割結(jié)果、數(shù)據(jù)分類結(jié)果中的病灶數(shù)量相似分?jǐn)?shù)、病灶大小相似分?jǐn)?shù)、病灶位置相似分?jǐn)?shù)；根據(jù)病灶數(shù)量相似分?jǐn)?shù)、病灶大小相似分?jǐn)?shù)、病灶位置相似分?jǐn)?shù)，計(jì)算數(shù)據(jù)分割結(jié)果的第一相似分?jǐn)?shù)；根據(jù)數(shù)據(jù)分割結(jié)果的第一相似分?jǐn)?shù)，生成切面數(shù)據(jù)的識(shí)別結(jié)果。

上述任一項(xiàng)技術(shù)方案中，進(jìn)一步地，檢索特征至少包括：病灶大小、病灶數(shù)量、病灶位置和分類特征，步驟4中，生成切面數(shù)據(jù)的識(shí)別結(jié)果，具體還包括：當(dāng)判定數(shù)據(jù)分割結(jié)果中的分類特征為無病、且數(shù)據(jù)分類結(jié)果中的分類特征為有病時(shí)，計(jì)算數(shù)據(jù)分類結(jié)果的第二相似分?jǐn)?shù)；根據(jù)數(shù)據(jù)分類結(jié)果的第二相似分?jǐn)?shù)，生成切面數(shù)據(jù)的識(shí)別結(jié)果。

上述任一項(xiàng)技術(shù)方案中，進(jìn)一步地，檢索特征至少包括：病灶大小、病灶數(shù)量、病灶位置和分類特征，步驟4中，生成切面數(shù)據(jù)的識(shí)別結(jié)果，具體還包括：當(dāng)判定數(shù)據(jù)分割結(jié)果中的分類特征為有病、且數(shù)據(jù)分類結(jié)果中的分類特征為有病時(shí)，根據(jù)病灶大小、病灶數(shù)量、病灶位置和分類特征，計(jì)算切面數(shù)據(jù)的第三相似分?jǐn)?shù)；根據(jù)切面數(shù)據(jù)的第三相似分?jǐn)?shù)，生成切面數(shù)據(jù)的識(shí)別結(jié)果。

本申請(qǐng)的有益效果是：