[發明專利]一種基于DLPE算法的肺炎纖維化量化分析方法

有效

• 申請號: 202210558970.8
• 申請日: 2022-05-21
• 公開（公告）號: CN114820571B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 邱兆文;高欣;周隆熙;白娜
• 申請（專利權）人: 東北林業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T11/00;G06V10/774
• 代理公司: 黑龍江立超同創知識產權代理有限責任公司 23217
• 代理人: 楊立超

一種基于DLPE算法的肺炎纖維化量化分析方法，涉及醫學圖像處理技術，針對肺炎CT掃描結果利用現有圖像處理技術無法在原始肺窗下看到全部肺實質病變，也無法排除氣管、血管這些有大CT值的組織對病變量化的影響，導致無法對肺炎病變進行準確識別以及對肺炎后遺癥的準確預測。具體過程為：步驟一、采集肺部CT數據組，將采集的肺部CT數據組進行歸一化；步驟二、設計分割模型，將歸一化后的每個CT數據中肺部、呼吸道、血管和可見病變進行分割；步驟三、根據分割結果，確定觀察肺實質病變的最佳窗寬窗位，在最佳窗寬窗位下得到增強的CT數據；步驟四、采用2.5D分割算法，并采用human?in?the?loop程序，結合放射科醫生對訓練結果的標注，建立更強的分割和量化模型。

技術領域

本發明涉及醫學圖像處理技術，具體而言，涉及一種基于DLPE算法的肺炎纖維化量化分析方法。

背景技術

肺炎是指肺部出現炎癥，為呼吸系統的多發病、常見病。肺炎可以發生在任何年齡層的人身上，但以年幼及年長者、以及患有免疫力缺乏癥或免疫系統比較差的人屬于高?；颊?，他們比較容易發病。若病況嚴重，可以致命。重癥肺炎會留下鈣化灶或者纖維灶，嚴重者可能還會出現肺不張、肺纖維化等問題，從而導致肺功能下降。針對肺炎的后遺癥，現有的CT掃描方式無法全面的顯示引起患者后遺癥的病變。

例如COVID-19常在出院數月后引起肺實質病變，如磨玻璃混濁(GGO)、實變和長期纖維化。目前，對COVID-19住院患者CT掃描病灶進行量化，將CT結果作為COVID-19住院患者癥狀及短期預后的預測指標。然而，有研究顯示，在出院的COVID-19患者中，呼吸后遺癥與其后續CT掃描之間存在不一致。首先，重度癥狀患者的6個月隨訪患者的肺功能總體上要比輕度癥狀患者差得多，而CT掃描結果幾乎各方面都非常相似。第二，大部分COVID-19患者在出院6個月后仍有呼吸道后遺癥。然而，經驗豐富的放射科醫生和最先進的人工智能系統無法在大約一半的患者身上檢測到CT病變，而另一半的患者的CT檢測只能檢測到微不足道的病變。由此可認為這些呼吸后遺癥可能由胸部CT上肉眼看不清的肺部病變引起的。

由于CT掃描結果對有些肺部病變不能全部顯示，這對病變識別的準確性存在一定影響，尤其對肺炎后遺癥預測的準確性中影響較大。這就需要一種圖像處理方法能夠將CT掃描結果圖像中的亞視覺病變顯現出來，然而現有的圖像處理技術無法針對肺部的亞視覺病變進行可視化和量化。

發明內容

本發明要解決的技術問題是：

針對肺炎CT掃描結果利用現有圖像處理技術無法在原始肺窗下看到全部肺實質病變(即看不到有些肺實質病變)，也無法排除氣管、血管這些有大CT值的組織對病變量化的影響，導致無法對肺炎病變進行準確識別以及對肺炎后遺癥的準確預測。

本發明為解決上述技術問題所采用的技術方案：

本發明提供一種基于DLPE算法的肺炎纖維化量化分析方法，本發明所述DLPE算法為Deep?Lung?Parenchyma?Enhanced的縮寫，所述亞視覺病變為在CT掃描過程看不見的病變，本發明實質是提供一種圖像處理技術，將CT掃描圖像中不易看到的病變進行可視化。本發明方法是按照如下步驟進行的：

步驟一、采集肺部CT數據組，將采集的肺部CT數據組進行歸一化，使數據組轉換到一個有相同維度和相同分辨率的標準空間中；

步驟二、設計分割模型，將歸一化后的每個CT數據中肺部、呼吸道、血管和可見病變進行分割；

步驟三、根據分割結果得到健康肺實質區域，統計健康肺實質的CT信號中位數和標準差，以此確定觀察肺實質病變的最佳窗寬窗位；在最佳窗寬窗位下進一步去掉除肺實質外的組織，得到增強的CT數據；