[發(fā)明專利]一種基于CT影像的腦部損傷檢測輔助閱片方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210019415.8
• 申請日: 2022-01-10
• 公開（公告）號: CN114359241A
• 公開（公告）日: 2022-04-15
• 發(fā)明（設(shè)計(jì)）人: 唐泳;王唯佳;楊曉帥;榮知?dú)J;周祎楠;趙偉
• 申請（專利權(quán)）人: 北京富通東方科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/70;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G16H30/40;G16H50/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于CT影像的腦部損傷檢測輔助閱片系統(tǒng)，其特征在于，包括以下步驟：從病人數(shù)據(jù)庫中獲取患者數(shù)據(jù)；對患者數(shù)據(jù)進(jìn)行預(yù)處理；基于腦部損傷檢測模型對病人進(jìn)行診斷；診斷結(jié)果可視化；將診斷結(jié)果保存至本地?cái)?shù)據(jù)庫；定期對本地?cái)?shù)據(jù)庫于數(shù)據(jù)庫內(nèi)的數(shù)據(jù)進(jìn)行優(yōu)化。通過上述方式，本發(fā)明能夠?qū)⑴R床經(jīng)驗(yàn)豐富的醫(yī)生的診斷經(jīng)驗(yàn)融合進(jìn)算法中，為其他醫(yī)生在診斷中提供輔助診斷。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)學(xué)圖像識別技術(shù)領(lǐng)域領(lǐng)域，特別是涉及一種基于CT影像的腦部損傷檢測輔助閱片的方法及系統(tǒng)。

背景技術(shù)

顱腦損傷是頭顱部較為常見的外傷，病因主要由車禍、高處墜落、跌倒、斗毆等情況導(dǎo)致，屬于臨床上較為常見的一種急癥，對患者的生活質(zhì)量以及生命安全均造成嚴(yán)重的影響。顱腦外傷具有病情復(fù)雜、變化快等特點(diǎn)，同時(shí)該疾病常與患者身體其他部位的損傷復(fù)合存在，具有較高的致殘率和致死率，準(zhǔn)確的診斷和及時(shí)的治療對患者的預(yù)后具有重要意義。

據(jù)相關(guān)醫(yī)學(xué)數(shù)據(jù)研究顯示，顱腦損傷的發(fā)病率在各位類型的損傷中位居首位，或者僅次于四肢骨折，占全身各部位損傷的15%~20%。

CT檢查作為一種臨床上常用的診斷技術(shù)，無創(chuàng)、快速、可多次重復(fù)檢查。近些年，CT已成為臨床上顱腦外傷診斷的主要方式，CT能夠?qū)⒒颊叩娘B腦外傷情況清晰的顯示出來，臨床醫(yī)師借助CT影像可以對顱腦外傷患者進(jìn)行準(zhǔn)確診斷，有利于治療方案的制定，并以患者損傷情況為依據(jù)采取有效的治療干預(yù)。

腦部CT影像人工智能損傷檢測輔助閱片系統(tǒng)能夠?qū)崿F(xiàn)對CT影像的自動化閱片，并給出診斷建議，同時(shí)將損傷區(qū)域在圖像中可視化出來，對醫(yī)生診斷具有巨大的輔助意義，能夠極大的縮短醫(yī)生的篩選時(shí)間，減輕工作強(qiáng)度，提升閱片的準(zhǔn)確率和工作效率，同時(shí)能夠?qū)⒔?jīng)驗(yàn)豐富的醫(yī)生的知識和系統(tǒng)融合。

發(fā)明內(nèi)容

解決上述問題，本發(fā)明提供一種基于CT影像的腦部損傷檢測輔助閱片方法，用于解決圖像處理過程中速度慢、精度低的問題，只是解決了圖像標(biāo)注的問題，無法自動診斷腦部出現(xiàn)的各類的問題。

本發(fā)明采用的一個(gè)技術(shù)方案是：一種基于CT影像的腦部損傷檢測輔助閱片方法，包括：

步驟1：從病人數(shù)據(jù)庫中獲取患者數(shù)據(jù)；

步驟2：對患者數(shù)據(jù)進(jìn)行預(yù)處理；

步驟3：基于腦部損傷檢測模型對病人進(jìn)行診斷；

步驟4：診斷結(jié)果可視化；

步驟5：將診斷結(jié)果保存至本地?cái)?shù)據(jù)庫；

步驟6：定期對本地?cái)?shù)據(jù)庫于數(shù)據(jù)庫內(nèi)的數(shù)據(jù)進(jìn)行優(yōu)化。

進(jìn)一步的，所述患者數(shù)據(jù)包括病人影像信息和病人狀態(tài)信息，所述病人狀態(tài)信息包括：患者ID、患者出生年月、患者性別、就診記錄等；所述就診記錄包括就診時(shí)間、受傷過程描述、影像檢查和病人描述等；

進(jìn)一步的，所述數(shù)據(jù)預(yù)處理包括：病人狀態(tài)描述預(yù)處理和病人影像信息預(yù)處理。

所述病人狀態(tài)描述預(yù)處理包括：文本糾錯(cuò)、關(guān)鍵詞提取、文本理解；

所述病人影像信息預(yù)處理包括：DICOM格式轉(zhuǎn)換、圖像濾波、降噪、圖像剪裁和大小變換；

進(jìn)一步的，所述腦部檢測損傷模型包括：腦部損傷定位模型、腦中線定位模型、腦室腦池診斷模型；

進(jìn)一步的，所述腦部損傷定位模型為基于Mask-RCNN的損傷區(qū)域識別模型；所述腦中線定位模型為基于FCN的腦中線分割模型；所述腦室腦池診斷模型為基于DenseNet的二分類模型；

進(jìn)一步的，所述腦部損傷定位模型可以定位出顱骨骨折、腦部挫傷、顱內(nèi)氣體和腦部出血的癥狀。

所述腦中線定位模型可以獲取病人的腦中線偏移距離；

所述腦室腦池診斷模型可以獲取病人的腦室腦池狀況，所述狀況包括受壓形變或消失；