[發明專利]一種基于體位識別的AI結構勾畫方法及系統

有效

• 申請號: 202210923344.4
• 申請日: 2022-08-02
• 公開（公告）號: CN115148341B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 劉強
• 申請（專利權）人: 重慶大學附屬三峽醫院
• 主分類號: G16H30/40
• 分類號: G16H30/40;G06V40/10;G06V10/26;G06V10/25;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 深圳市世紀宏博知識產權代理事務所(普通合伙) 44806
• 代理人: 賴智威

本發明公開了一種基于體位識別的AI結構勾畫方法及系統，包括：構建用于識別矢狀位圖像的卷積神經網絡；基于卷積神經網絡，通過采集三維醫學圖像，獲取矢狀位圖像；根據矢狀位圖像，識別體位以及體位對應的真實體位；構建用于AI結構勾畫的全卷積神經網絡；通過識別真實體位，獲取體位對應的三維醫學圖像；基于結構，根據全卷積神經網絡以及體位對應的三維醫學圖像，進行AI結構勾畫，其中，結構用于表示醫學圖像中醫生感興趣的區域或者器官區域區域；本發明技術方案不僅可以簡化對AI勾畫模型的訓練，還可以顯著地提高結構勾畫的精度，很好地解決嚴格區分左右或者上下的結構的勾畫任務。

技術領域

本發明涉及數字醫療技術領域，具體而言，涉及一種基于體位識別的AI結構勾畫方法及系統。

背景技術

在臨床或者科研中，醫生會在醫學圖像上標記出感興趣的結構區域，以便對該結構進行下一步的分析研究。而AI結構勾畫方法是基于全卷積神經網絡(如U-net)方法，將醫學圖像輸入到神經網絡中，預測出醫學圖像中每個像素點屬于各結構的概率，最后選擇概率最大的結構作為該像素的類別。由于醫學圖像的體位有8種，通常體位HFS在醫學圖像中比較常見，因此一般都是以基于HFS的圖像作為樣本訓練AI模型，這使得在實際使用中遇到其余7種體位時AI模型的勾畫精度會變得很差。對于嚴格區分左右的結構(如左右眼球、左右腮腺等)而言，這種訓練方法會導致AI模型在勾畫此類結構時容易出現很嚴重的偏差，例如AI模型在訓練中會遇到左眼球會出現在圖像的左側或者右側，導致最終預測會將右眼球的一部分也是識別成左眼球，因此，急需一種基于體位識別的AI結構勾畫方法及系統，用來解決現有技術中存在的技術問題。

發明內容

為了解決上述問題，本發明的目的是提供一種基于體位識別的AI結構勾畫方法及系統，用于解決AI模型在體位未知的醫學圖像中識別嚴格區分左右或者上下的結構的問題。

為了實現上述技術目的，本申請提供了一種基于體位識別的AI結構勾畫方法，包括以下步驟：

構建用于識別矢狀位圖像的卷積神經網絡；

基于卷積神經網絡，通過采集三維醫學圖像，獲取矢狀位圖像；

根據矢狀位圖像，識別體位以及體位對應的真實體位；

構建用于AI結構勾畫的全卷積神經網絡；

通過識別真實體位，獲取體位對應的三維醫學圖像；

基于結構，根據全卷積神經網絡以及體位對應的三維醫學圖像，進行AI結構勾畫，其中，結構用于表示醫學圖像中醫生感興趣的區域或者器官區域。

優選地，在構建卷積神經網絡的過程中，卷積神經網絡包括vgg16，resnet18中的一種或多種組合。

優選地，在采集三維醫學圖像的過程中，三維醫學圖像包括8個體位為：HFS：頭在前，仰臥；HFP：頭在前，俯臥；FFS：腳在前，仰臥；FFP：腳在前，俯臥；HFDL：頭在前，左側臥；HFDR：頭在前，右側臥；FFDL：腳在前，左側臥；FFDR：腳在前，右側臥；

體位為HFS、HFP、FFS和FFP中的一種的三維醫學圖像的矢狀位圖像，用于表示過三維圖像中心的x-z平面的圖像；

體位為HFDL、HFDR、FFDL和FFDR中的一種的三維醫學圖像的矢狀位圖像，用于表示過三維圖像中心的y-z平面的圖像。

優選地，在獲取矢狀位圖像的過程中，將三維醫學圖像的平面圖像拷貝三份，形成三通道圖像，經歸一化像素值、調整圖像尺寸預處理后，輸入到卷積神經網絡中，預測該圖像是矢狀位的概率，并根據預測結果，生成矢狀位圖像。

優選地，在識別體位和真實體位的過程中，如果矢狀位圖像是過三維圖像中心的x-z平面的圖像，則真實體位為識別的體位；如果矢狀位圖像是過三維圖像中心的y-z平面的圖像，則，