[發明專利]人工智能在核素心肌灌注顯像中的輔助診斷系統、方法及應用

在審

• 申請號: 202111588861.2
• 申請日: 2021-12-23
• 公開（公告）號: CN114358154A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 孟召偉;張如意;張為;譚建;賈強;王澎;李劍明;邊艷珠;劉雪輝;王赫;王淼;王深;申一鳴;徐凌云;張雪梅;范巖;胡玉敬;廖栩鶴
• 申請（專利權）人: 天津醫科大學總醫院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/02;G06T3/40;G06T7/00;G16H30/40;G06V10/774
• 代理公司: 天津市宗欣專利商標代理有限公司 12103
• 代理人: 董光仁

本發明屬于醫學影像處理技術領域，公開了人工智能在核素心肌灌注顯像中的輔助診斷系統、方法及應用。將標注后的圖像放入深度學習網絡進行特征提取，從而對輔助診斷模型進行訓練；基于特征提取訓練完畢后的輔助診斷模型對輸入被檢測圖像進行不同病變位置和不同病變程度進行判斷；同時應用改進的分割網絡進行靶心圖檢測，統計出心肌缺血部位的面積占比；將統計后的結果進行可視化顯示。本發明通過逐步完善此人工智能網絡，以提高其診斷準確性，之后將其拓展到核醫學其它檢查部位圖像的輔助診斷以及推廣到云端輔助診斷，為基層醫院及檢查量大的醫院或其他第三方機構提供支持，為核素心肌灌注顯像的輔助診斷提供一種全新的手段。

技術領域

本發明屬于醫學影像處理技術領域，尤其涉及一種人工智能在核素心肌灌注顯像中的輔助診斷系統、方法及應用。

背景技術

目前，心肌核素灌注顯像作為無創檢查中最常用的冠心病影像學診斷方法，它可以較為準確的對心肌缺血的程度、面積以及部位作出評估。隨著近些年心肌核素灌注顯像的成熟，其在對冠心病的危險分級、各級預防、治療方案及預后評估等方面積累了大量的臨床資料，具有良好的參考意義。

基于人工智能的學習網絡過去在醫學中的應用存在一定難度,限制了它在醫學領域中的應用。而近些年來，隨著人工智能神經網絡的發展，已較為普遍的應用于各行各業。人工智能在保證工作正確有效進行的前提下，大幅度的減少了不必要的勞動支出和時間成本，提高了工作效率。在這樣的人工智能大背景下，如何實現人工智能網絡學習與醫學臨床應用的有效結合成為亟待探索與解決的問題。

盡管人工智能在一些諸如超聲、CT、核磁共振、病理檢測等圖像診斷領域已經得到了部分程度的驗證與應用，但其目前在核醫學心肌灌注圖像的輔助診斷方面仍處于空白階段，因此其應用具有很大的可行性和必要性。在中外文獻數據庫中通過檢索相關關鍵詞(中文數據庫檢索詞為：“心肌灌注顯像”and“人工智能”；英文數據庫檢索詞為：“Myocardialperfusion imaging and”and“Artificial intelligence”)，共搜索到0篇中文文獻，37篇英文文獻。其中，這些研究中主要有三個不足點：1、部分研究只針對心臟靶心圖進行人工智能網絡模型進行訓練；2、大多數研究并沒有針對心肌三個心腔軸17分區不同部位進行高準確度的診斷；3、沒有利用人工智能對不同心腔軸不同部位、不同程度病變進行綜合輔助診斷。目前，對于核醫學心肌灌注和AI的結合運用尚未得到驗證，并未有相關文獻或報道。如果將兩者的結合應用具有一定的新穎性和創新性。同時，通過特殊的診斷流程和方法可以作為一種有效的智能化輔助診斷的解決手段。

通過上述分析，現有技術存在的問題及缺陷為：

(1)對于核醫學心肌灌注和AI的結合運用于醫學圖像處理，現有技術沒有給出全面的心肌核素灌注顯像診斷技術路線。

(2)現有技術醫學領域圖像處理中，傳統的神經學習網絡有其局限性，使得圖像處理的準確度較低。

(3)現有技術醫學領域圖像處理中，臨床醫學圖像診斷效率低，勞動成本高。

解決以上問題及缺陷的難度為：核醫學心肌灌注圖像診斷的難點在于其圖像診斷的復雜性和綜合性，對醫師的臨床經驗要求較高，同時需對照多個軸位的圖像綜合作出評判。而AI可以在已知標注圖像中獲取特征，從而使診斷效率最大化。由于醫學領域圖像的特殊性，傳統的神經學習網絡有其局限性，因而不能直接應用于醫學領域，而要對其進行必要的改進。本發明將建立與驗證一種基于深度學習網絡和檢測流程的新的輔助診斷模式。

解決以上問題及缺陷的意義為：使用新的神經學習網絡進行輔助診斷，一方面可以使診斷具備綜合性，能夠從心肌整體核素攝取狀態進行綜合評判；另一方面，可以使這種綜合評判更好的建立在診斷效率上，進而使診斷效率和綜合性最大化。

發明內容

為克服相關技術中存在的問題，本發明公開實施例提供了一種人工智能在核素心肌灌注顯像中的輔助診斷系統、方法及應用。所述技術方案如下：