[發(fā)明專(zhuān)利]基于人工智能的肺部檢查影像輔助標(biāo)記方法及其系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110743086.7
• 申請(qǐng)日: 2021-07-01
• 公開(kāi)（公告）號(hào): CN113409924A
• 公開(kāi)（公告）日: 2021-09-17
• 發(fā)明（設(shè)計(jì)）人: 俞曄;方圓圓;袁鳳
• 申請(qǐng)（專(zhuān)利權(quán)）人: 上海市第一人民醫(yī)院
• 主分類(lèi)號(hào): G16H30/40
• 分類(lèi)號(hào): G16H30/40;G16H30/20;G16H10/60;G06T7/00;G06K9/62
• 代理公司: 北京沁優(yōu)知識(shí)產(chǎn)權(quán)代理有限公司 11684
• 代理人: 周慶路

1.基于人工智能的肺部檢查影像輔助標(biāo)記方法，其特征在于，包括以下步驟：

步驟S1：獲取肺部檢查影像，并對(duì)肺部檢查影像進(jìn)行預(yù)處理；

步驟S2：獲取訓(xùn)練后的外部異物處理模型，所述外部異物處理模型使用若干組金屬飾品的掃描影像進(jìn)行訓(xùn)練，使得訓(xùn)練后的外部異物處理模型對(duì)金屬飾品的掃描影像進(jìn)行標(biāo)記；

獲取訓(xùn)練后的分區(qū)處理模型，所述分區(qū)處理模型使用若干張肺部掃描影像進(jìn)行訓(xùn)練，使得訓(xùn)練后的分區(qū)處理模型對(duì)肺部掃描影像進(jìn)行分區(qū)；

獲取訓(xùn)練后的標(biāo)記模型，所述標(biāo)記模型使用若干張歷史病歷肺部掃描影像進(jìn)行訓(xùn)練，使得訓(xùn)練后的標(biāo)記模型對(duì)肺部掃描影像進(jìn)行病癥識(shí)別與框選；

步驟S3：采用外部異物處理模型，對(duì)肺部檢查影像進(jìn)行處理：

當(dāng)標(biāo)記有外部異物時(shí)，重新進(jìn)行步驟S1；

當(dāng)未標(biāo)記有外部異物時(shí)，采用分區(qū)處理模型，對(duì)肺部檢查影像進(jìn)行分區(qū)；

步驟S4：將分區(qū)后的肺部檢查影像進(jìn)行編碼；

步驟S5：分別獲取分區(qū)后的肺部檢查影像，并分別使用標(biāo)記模型對(duì)各自所在分區(qū)的預(yù)設(shè)的歷史病歷影像數(shù)據(jù)庫(kù)內(nèi)的分區(qū)后的肺部掃描影像進(jìn)行識(shí)別：

當(dāng)標(biāo)記模型識(shí)別出歷史病歷的肺部掃描影像與肺部檢查影像一致時(shí)，標(biāo)記模型將分區(qū)后的肺部檢查影像中識(shí)別出的影像進(jìn)行框選和標(biāo)記，該標(biāo)記標(biāo)簽為識(shí)別出的對(duì)應(yīng)的病癥名稱(chēng)；

當(dāng)標(biāo)記模型識(shí)別出歷史病歷的肺部掃描影像與肺部檢查影像不一致時(shí)，將該分區(qū)后的肺部檢查影像進(jìn)行標(biāo)記，該標(biāo)記標(biāo)簽為無(wú)識(shí)別病癥。

2.根據(jù)權(quán)利要求1所述的基于人工智能的肺部檢查影像輔助標(biāo)記方法，其特征在于，所述步驟S2中，將若干組金屬飾品的掃描影像作為外部異物訓(xùn)練組，將若干組帶有金屬飾品的肺部掃描影像作為外部異物驗(yàn)證組：

使用外部異物訓(xùn)練組進(jìn)行訓(xùn)練，得到外部異物處理模型，再通過(guò)外部異物驗(yàn)證組進(jìn)行框選與標(biāo)記：

當(dāng)對(duì)外部異物驗(yàn)證組框選與標(biāo)記的結(jié)果與實(shí)際值差距＜0.5時(shí)，得到訓(xùn)練后的外部異物處理模型；

當(dāng)對(duì)外部異物驗(yàn)證組框選與標(biāo)記的結(jié)果與實(shí)際值差距≥0.5時(shí)，重新訓(xùn)練外部異物處理模型。

3.根據(jù)權(quán)利要求2所述的基于人工智能的肺部檢查影像輔助標(biāo)記方法，其特征在于，所述步驟S2中，將若干張肺部掃描影像作為分區(qū)訓(xùn)練組，將另外的若干組肺部掃描影像作為分區(qū)驗(yàn)證組：

使用分區(qū)訓(xùn)練組進(jìn)行訓(xùn)練，得到分區(qū)處理模型，再通過(guò)分區(qū)驗(yàn)證組進(jìn)行框選與分區(qū)：

當(dāng)對(duì)分區(qū)驗(yàn)證組框選與分區(qū)的結(jié)果與實(shí)際值差距＜0.5時(shí)，得到訓(xùn)練后的分區(qū)處理模型；

當(dāng)對(duì)分區(qū)驗(yàn)證組框選與分區(qū)的結(jié)果與實(shí)際值差距≥0.5時(shí)，重新訓(xùn)練分區(qū)處理模型。

4.根據(jù)權(quán)利要求3所述的基于人工智能的肺部檢查影像輔助標(biāo)記方法，其特征在于，所述步驟S2中，將若干張歷史病歷肺部掃描影像作為標(biāo)記訓(xùn)練組，將若干張已知病歷的肺部掃描影像作為標(biāo)記驗(yàn)證組：

使用標(biāo)記訓(xùn)練組進(jìn)行訓(xùn)練，得到標(biāo)記模型，再通過(guò)標(biāo)記驗(yàn)證組進(jìn)行框選、識(shí)別與標(biāo)記：

當(dāng)對(duì)標(biāo)記驗(yàn)證組框選、識(shí)別與標(biāo)記的結(jié)果與實(shí)際值差距＜0.5時(shí)，得到訓(xùn)練后的標(biāo)記模型；

當(dāng)對(duì)標(biāo)記驗(yàn)證組框選、識(shí)別與標(biāo)記的結(jié)果與實(shí)際值差距≥0.5時(shí)，重新訓(xùn)練標(biāo)記模型。

5.根據(jù)權(quán)利要求3所述的基于人工智能的肺部檢查影像輔助標(biāo)記方法，其特征在于，所述步驟S4包括：

步驟S4-1：分區(qū)處理模型將肺部檢查影像進(jìn)行分區(qū)；

步驟S4-2：分別對(duì)分區(qū)后的肺部檢查影像進(jìn)行編碼。

6.根據(jù)權(quán)利要求5所述的基于人工智能的肺部檢查影像輔助標(biāo)記方法，其特征在于，所述步驟S4-1中，分區(qū)處理模型將肺部檢查影像分區(qū)為2個(gè)部分，分別為肺部檢查影像的左肺葉、和右肺葉的兩個(gè)部分。

7.根據(jù)權(quán)利要求6所述的基于人工智能的肺部檢查影像輔助標(biāo)記方法，其特征在于，所述步驟S4-2中，對(duì)步驟S4-1中分區(qū)后的兩個(gè)部分進(jìn)行編碼，該編碼分為兩個(gè)部分，第一部分的編碼指代該肺部檢查影像的相對(duì)應(yīng)患者的身份證號(hào)。