本發(fā)明專利技術(shù)公開(kāi)了一種基于CT影像的腦部損傷檢測(cè)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(kù)中獲取患者數(shù)據(jù)；對(duì)患者數(shù)據(jù)進(jìn)行預(yù)處理；基于腦部損傷檢測(cè)模型對(duì)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(kù)；定期對(duì)本地?cái)?shù)據(jù)庫(kù)于數(shù)據(jù)庫(kù)內(nèi)的數(shù)據(jù)進(jìn)行優(yōu)化。通過(guò)上述方式，本發(fā)明專利技術(shù)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。在診斷中提供輔助診斷。在診斷中提供輔助診斷。
【技術(shù)實(shí)現(xiàn)步驟摘要】
一種基于CT影像的腦部損傷檢測(cè)輔助閱片方法及系統(tǒng)
[0001]本專利技術(shù)涉及醫(yī)學(xué)圖像識(shí)別
領(lǐng)域，特別是涉及一種基于CT影像的腦部損傷檢測(cè)輔助閱片的方法及系統(tǒng)。
技術(shù)介紹
[0002]顱腦損傷是頭顱部較為常見(jiàn)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(jiàn)的一種急癥，對(duì)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(duì)患者的預(yù)后具有重要意義。
[0003]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%。
[0004]CT檢查作為一種臨床上常用的診斷技術(shù)，無(wú)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(lái)，臨床醫(yī)師借助CT影像可以對(duì)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)。
[0005]腦部CT影像人工智能損傷檢測(cè)輔助閱片系統(tǒng)能夠?qū)崿F(xiàn)對(duì)CT影像的自動(dòng)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(lái)，對(duì)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(shí)和系統(tǒng)融合。
技術(shù)實(shí)現(xiàn)思路
[0006]解決上述問(wèn)題，本專利技術(shù)提供一種基于CT影像的腦部損傷檢測(cè)輔助閱片方法，用于解決圖像處理過(guò)程中速度慢、精度低的問(wèn)題，只是解決了圖像標(biāo)注的問(wèn)題，無(wú)法自動(dòng)診斷腦部出現(xiàn)的各類的問(wèn)題。
[0007]本專利技術(shù)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(cè)輔助閱片方法，包括：步驟1：從病人數(shù)據(jù)庫(kù)中獲取患者數(shù)據(jù)；步驟2：對(duì)患者數(shù)據(jù)進(jìn)行預(yù)處理；步驟3：基于腦部損傷檢測(cè)模型對(duì)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(kù)；步驟6：定期對(duì)本地?cái)?shù)據(jù)庫(kù)于數(shù)據(jù)庫(kù)內(nèi)的數(shù)據(jù)進(jìn)行優(yōu)化。
[0008]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(guò)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。
[0009]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(cè)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(shí)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。
[0010]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；進(jìn)一步的，所述基于腦部損傷檢測(cè)模型對(duì)病人進(jìn)行診斷，包括判斷病人是否患有腦疝癥狀，基于所述腦中線定位模型的診斷結(jié)果，可得知病人的腦中線偏移距離，當(dāng)距離大于1cm時(shí)，將影響病人是否存在腦疝風(fēng)險(xiǎn)的判斷；基于所述腦室腦池診斷模型，可得知病人是否存在腦室腦池受壓形變或消失的情況，如有，將影響病人是否存在腦疝風(fēng)險(xiǎn)的判斷。
[0011]進(jìn)一步的，數(shù)據(jù)存儲(chǔ)模塊，用于獲取病人影像信息、病人狀態(tài)信息；數(shù)據(jù)預(yù)處理模塊，用于調(diào)節(jié)病人影像信息、病人狀態(tài)信息；模型訓(xùn)練模塊，用于生成損傷診斷模型；自動(dòng)診斷模塊，用于診斷病人病情；移動(dòng)端結(jié)果可視化模塊，用于可視化損傷區(qū)域，生成診斷結(jié)果。
[0012]其中，所述本地端模型保存模塊生成的損傷診斷模型，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；本專利技術(shù)的有益效果是：現(xiàn)有技術(shù)下的閱片系統(tǒng)無(wú)法對(duì)多種損傷類型進(jìn)行預(yù)判，無(wú)法為臨床經(jīng)驗(yàn)較少的醫(yī)生提供輔助診斷意見(jiàn)。本專利提供的系統(tǒng)在現(xiàn)有技術(shù)的基礎(chǔ)上，可將臨床經(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。
附圖說(shuō)明
[0013]圖1是一種基于CT影像的腦部損傷檢測(cè)輔助閱片系統(tǒng)模塊示意圖。
[0014]圖2是一種基于CT影像的腦部損傷檢測(cè)輔助閱片系統(tǒng)的數(shù)據(jù)預(yù)處理模塊示意圖。
[0015]圖3是一種基于CT影像的腦部損傷檢測(cè)輔助閱片系統(tǒng)的可視化模塊示意圖。
具體實(shí)施方式
[0016]下面結(jié)合附圖對(duì)本專利技術(shù)的較佳實(shí)施例進(jìn)行詳細(xì)闡述，以使本專利技術(shù)的優(yōu)點(diǎn)和特征能更易于被本領(lǐng)域技術(shù)人員理解，從而對(duì)本專利技術(shù)的保護(hù)范圍做出更為清楚明確的界定。
[0017]步驟1：從病人數(shù)據(jù)庫(kù)中獲取患者數(shù)據(jù)；
步驟2：對(duì)患者數(shù)據(jù)進(jìn)行預(yù)處理；步驟3：基于腦部損傷檢測(cè)模型對(duì)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(kù)；步驟6：定期對(duì)本地?cái)?shù)據(jù)庫(kù)于數(shù)據(jù)庫(kù)內(nèi)的數(shù)據(jù)進(jìn)行優(yōu)化。
[0018]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(guò)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(cè)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(shí)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；進(jìn)一步的，所述基于腦部損傷檢測(cè)模型對(duì)病人進(jìn)行診斷，包括判斷病人是否患有腦疝癥狀，基于所述腦中線定位模型的診斷結(jié)果，可得知病人的腦中線偏移距離，當(dāng)距離大于1cm時(shí)，將影響病人是否存在腦疝風(fēng)險(xiǎn)的判斷；基于所述腦室腦池診斷模型，可得知病人是否存在腦室腦池受壓形變或消失的情況，如有，將影響病人是否存在腦疝風(fēng)險(xiǎn)的判斷。
[0019]進(jìn)一步的，參見(jiàn)圖1，數(shù)據(jù)存儲(chǔ)模塊，用于獲取病人影像信息、病人狀態(tài)信息；數(shù)據(jù)預(yù)處理模塊，用于調(diào)節(jié)病人影像信息、病人狀態(tài)信息；模型訓(xùn)練模塊，用于生成損傷診斷模型；自動(dòng)診斷模塊，用于診斷病人病情；移動(dòng)端結(jié)果可視化模塊，用于可視化損傷區(qū)域，生成診斷結(jié)果。
[0020]其中，所述本地端模型保存模塊生成的損傷診斷模型，包括：腦部損傷定位模型本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
【技術(shù)特征摘要】
1.一種基于CT影像的腦部損傷檢測(cè)輔助閱片方法，其特征在于，包括以下步驟：步驟1：從病人數(shù)據(jù)庫(kù)中獲取患者數(shù)據(jù)；步驟2：對(duì)患者數(shù)據(jù)進(jìn)行預(yù)處理；步驟3：基于腦部損傷檢測(cè)模型對(duì)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(kù)；步驟6：定期對(duì)本地?cái)?shù)據(jù)庫(kù)于數(shù)據(jù)庫(kù)內(nèi)的數(shù)據(jù)進(jìn)行優(yōu)化。2.如權(quán)利要求1所述的一種基于CT影像的腦部損傷檢測(cè)輔助閱片方法，其特征在于，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(guò)程描述、影像檢查和病人描述等。3.如權(quán)利要求1所述的一種基于CT影像的腦部損傷檢測(cè)輔助閱片方法，其特征在于，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。4.如權(quán)利要求1所述的一種基于CT影像的腦部損傷檢測(cè)輔助閱片方法，其特征在于，所述腦部檢測(cè)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。5.如權(quán)利要求4所述的一種基于CT影像的腦部損傷檢測(cè)輔助閱片方法，其特征在于，所述腦部損傷定位模型為基于Mask
?
RCNN的損傷區(qū)域識(shí)別模型；所述腦中線定位模...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：唐泳，王唯佳，楊曉帥，榮知?dú)J，周祎楠，趙偉，
申請(qǐng)(專利權(quán))人：北京富通東方科技有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。