一种通用智能自动化读片方法技术

本发明专利技术提供了一种通用智能自动化读片方法，获得检测影像的基础结构影像与待测结构影像；对待测结构影像进行数据处理，找出异常信号点，绘制蒙版；将蒙版基于待测结构影像刚体变换到基础结构影像之上；将蒙版覆盖后的样本大脑基础结构影像与标准空间进行配准，获得转换矩阵，从而将样本大脑根据转换矩阵映射至标准脑模板；将样本大脑分为灰质、白质和脑脊液；利用所得的转换矩阵，将待测结构影像映射至标准脑模板；提取每个样本大脑在神经通路蒙版内的待检测信号，并计算异常信号值的体素数量。本发明专利技术的准确率可以达到90％的水平，大大提高医生的效率。

Universal intelligent automatic reading method

The present invention provides a universal intelligent automatic reading method based structure to obtain images of detection image and tested image structure; data processing test structure of image treatment, find out the abnormal signal, masking; will mask image structure based on rigid transformation based image structure to be measured on the mask cover; after the sample image and the standard space structure of brain based registration, obtain the conversion matrix, thus the sample according to the brain transition matrix mapped to standard brain template; the sample of the brain is divided into white matter and gray matter and cerebrospinal fluid by using the transformation matrix; the test structure of the image is mapped to the standard brain template; extract of each sample in the brain the neural pathway Mongolia version of the signal to be detected, and calculate the abnormal signal value of voxels. The accuracy of the invention can reach the level of 90% and greatly improve the efficiency of doctors.

【技术实现步骤摘要】
一种通用智能自动化读片方法
本专利技术涉及影像学
，具体地，涉及一种通用智能自动化读片方法。
技术介绍
随着影像学技术的进展，无创性神经影像在诊疗中发挥重要作用。在脑部病变，如脑血管病、外伤、炎症、肿瘤、发育畸形等性质的判断，同时对于脑部病变情况变化的随访中均发挥重要作用。对于影像学结果的判断，目前常采用目测法，也即传统的人工读片。具体流程是医师开具检测要求，影像学医师完成检测并读片，出具读片报告，临床医师再依据报告建立诊疗方案。随着中国医疗条件的发展，X线、CT等基本检查早已普及到县级基层医院，而近几年基层医院也纷纷引进了MRI诊断设备，为基层医院提高疾病的诊断水平、普及放射科相关治疗技术提供了可能。但另一方面，各级医师专业教育水平判断水平不尽相同，神经系统病例及病种丰富，传统人工影像读片存在诊断规范化，病变随访可比较性差等问题。临床医师在建立诊疗方案时迫切需要规范化的结果和可视化的功能分析，以建立正确及时的诊疗方案。同时，为避免对患者的过度诊疗，需要建立能够分析归纳各个系统检测结果的系统。由于目前读片方案都采用目测方法，对特定病变的大小、特定解剖结构的受累，常依据个人经验评定结果，存在较大随意性和不确定性。随着计算机技术的发展，已经有基于体素的计算机分析方案，如VBM分析等，然而，上述分析方法需要磁共振扫描参数的一致性，以及一定样本量的受试者数量始可分析，常受限在单个中心研究，难以推广，所需分析需要专业技术人员，难以在临床上广泛应用。目前也有计算机网络上提供公开的可以下载的软件系统用于分析脑片，如brainimage等，然而，具体解剖结构需要使用者自己判断，脑片分析的结果也缺少可靠性，缺少大样本量的分析验证。目前没有发现同本专利技术类似技术的说明或报道，也尚未收集到国内外类似的资料。
技术实现思路
针对现有技术中存在的上述不足，本专利技术的目的是提供一种应用于影像学结果判断的通用智能自动化读片方法。该方法可针对不同扫描参数所得到的影像，自动获取异常信号体积、比值等数据，可简便用于临床判断病情严重程度及随访。为实现上述目的，本专利技术是通过以下技术方案实现的。一种通用智能自动化读片方法，包括如下步骤：步骤S1，获取样本大脑检测影像的基础结构影像与待测结构影像；步骤S2，对步骤S1中获取的待测结构影像进行数据处理，找出待测结构影像上的异常信号点，分析并绘制蒙版；步骤S3，将蒙版基于待测结构影像刚体变换到基础结构影像之上；步骤S4，将蒙版覆盖后的样本大脑基础结构影像与标准空间进行配准，获得转换矩阵，从而将样本大脑根据转换矩阵映射至标准脑模板；步骤S5，将样本大脑分为灰质、白质和脑脊液；步骤S6，在步骤S5的基础上，利用步骤S4中所得的转换矩阵，将待测结构影像映射至标准脑模板；步骤S7，提取每个样本大脑在神经通路蒙版内的待测信号，并计算异常信号值的体素数量。优选地，所述步骤S2采用基于影像信号强度的自动化算法，针对待测结构影像上的异常信号点进行分析，具体包括如下子步骤：步骤S21，通过样本大脑待测结构影像的影像扫描值大小将样本大脑与周边背景噪音区分并提取；步骤S22，将样本大脑的二维分层扫描的待测结构影像合并为三维待测结构影像；步骤S23，将三维待测结构影像粗略地线性刚体与标准待测结构影像进行比较；步骤S24，找出标准待测结构影像上面皮层、神经核团、神经通路的位置；步骤S25，通过标准待测结构影像上步骤S24所给出的特定区域位置的影像扫描值大小，找出三维待测结构影像异常信号点，绘制蒙版。优选地，所述步骤S4基于Costfunction算法，实现将样本大脑根据转换矩阵映射至标准脑模板。优选地，所述步骤S4中，重采样分辨率至1×1×1mm3。优选地，所述步骤S5采用SPM软件自带的Segmentation算法完成。优选地，还包括：步骤S8，在一组训练集上比较步骤S7中得到的异常信号值的体素数量与多名神经科医生手动得出的异常信号值的体素数量，并进行拟合。优选地，所述步骤S4和步骤S6中还包括对映射结果逐一检查的过程，以确保映射结果正确。优选地，所述检测影像包括如下任一种或任多种：CT影像；MRI影像。与现有技术相比，本专利技术具有如下有益效果：1、相较于之前通过神经科医生手动观测待测结构影像数据来得出样本信息的做法，本专利技术创造性地利用大数据算法将这一过程完全的自动化呈现。在初步的结果中，可以得出，我们的准确率可以达到90％的水平，达到世界先进水平，另外，本专利技术可以大大提高医生的效率，分析不同来源的片子，从而能够造福更多的病人。2、本专利技术利用类脑人工智能算法，在影像数据的基础上，实现了一种针对卒中病人磁共振(MRI)和/或电脑扫描(CT)数据神经通路指标分数自动提取的自动化读片方法，其中的核心方法包括脑白质、灰质、脑脊液的自动分割以及不同区域的脑白质损伤体积的自动测算。3、本专利技术提供的方法可以融入软硬件开发，制成智能读片机器人、APP，进而可以大幅度提升脑卒中的诊断水平和预防水平，将以大数据智能运算整合脑影像特征、基因信息、生理指标与脑卒中高危险因子，建立脑卒中的预防管理机制，并适度给予干预与治疗，以预防及降低脑卒中的发生。这必将降低脑卒中的致残率、复发率与死亡率，提升医疗时效，并建立脑卒中病患族群的医疗、康复与愈后大数据库，建立医疗规范与最佳康复策略，提升脑卒中的治愈率；以上内容可以在脑卒中以及未来其他重大脑疾病的智能诊疗中发挥巨大的作用，具备极大的市场潜力，经济与社会效益。4、本专利技术利用成像体素变化的特点，结合特定神经解剖的结构，利用智能化方法可以比目测法更好的分辨效果，能够自动化对不同解剖结构放射学表现异常部位自动归纳分析，得到具体数值。可供临床医师判断并定期随访损伤部位、严重程度。5、在每个变换步骤均由神经科医师对结果进行逐一检查，确保映射结果正确，进一步提高本专利技术的准确率，最终提出高智能自动化得到神经通路异常值的读片方法。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1为脑卒中智能读片示意图，其中，画圈处为识别出的脑白质发生损伤的部位；图2为本专利技术流程演示图；图3为本专利技术与人工读片的结果评分比较图。具体实施方式下面对本专利技术的实施例作详细说明：本实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进，这些都属于本专利技术的保护范围。实施例本实施例提供了一种通用智能自动化读片方法，包括如下步骤：步骤S1，首先获得样本大脑检测影像(如CT影像和/或MRI影像)的基础结构影像与待测结构影像数据。步骤S2，在对待测结构影像的数据处理过程中，采用一套基于影像信号强度的自动化算法，将待测结构影像上的异常信号点找出，绘制蒙版；具体为，针对待测结构影像上的异常信号值进行分析，包括：步骤S21，通过样本大脑待测结构影像的影像扫描值大小将人脑(样本大脑)与周边背景噪音区分并提取；步骤S22，将样本大脑的二维分层扫描的待测结构影像合并为三维待测结构影像；步骤S23，将三维待测结构影像粗略地线性刚体与标准待测结构影像进行比较；步骤S24，找出标准待测结构影像上本文档来自技高网...

【技术保护点】
一种通用智能自动化读片方法，其特征在于，包括如下步骤：步骤S1，获取样本大脑检测影像的基础结构影像与待测结构影像；步骤S2，对步骤S1中获取的待测结构影像进行数据处理，找出待测结构影像上的异常信号点，分析并绘制蒙版；步骤S3，将蒙版基于待测结构影像刚体变换到基础结构影像之上；步骤S4，将蒙版覆盖后的样本大脑基础结构影像与标准空间进行配准，获得转换矩阵，从而将样本大脑根据转换矩阵映射至标准脑模板；步骤S5，将样本大脑分为灰质、白质和脑脊液；步骤S6，在步骤S5的基础上，利用步骤S4中所得的转换矩阵，将待测结构影像映射至标准脑模板；步骤S7，提取每个样本大脑在神经通路蒙版内的待测信号，并计算异常信号值的体素数量。

【技术特征摘要】
1.一种通用智能自动化读片方法，其特征在于，包括如下步骤：步骤S1，获取样本大脑检测影像的基础结构影像与待测结构影像；步骤S2，对步骤S1中获取的待测结构影像进行数据处理，找出待测结构影像上的异常信号点，分析并绘制蒙版；步骤S3，将蒙版基于待测结构影像刚体变换到基础结构影像之上；步骤S4，将蒙版覆盖后的样本大脑基础结构影像与标准空间进行配准，获得转换矩阵，从而将样本大脑根据转换矩阵映射至标准脑模板；步骤S5，将样本大脑分为灰质、白质和脑脊液；步骤S6，在步骤S5的基础上，利用步骤S4中所得的转换矩阵，将待测结构影像映射至标准脑模板；步骤S7，提取每个样本大脑在神经通路蒙版内的待测信号，并计算异常信号值的体素数量。2.根据权利要求1所述的通用智能自动化读片方法，其特征在于，所述步骤S2采用基于影像信号强度的自动化算法，针对待测结构影像上的异常信号点进行分析，具体包括如下子步骤：步骤S21，通过样本大脑待测结构影像的影像扫描值大小将样本大脑与周边背景噪音区分并提取；步骤S22，将样本大脑的二维分层扫描的待测结构影像合并为三维待测结构影像；步骤S23，将三维待测结构影像粗略地线性刚体与标准待测结构影像进行比较；步骤S24，...

【专利技术属性】
技术研发人员：汪昕，丁晶，姚烨，林庆波，冯建峰，
申请(专利权)人：复旦大学附属中山医院，复旦大学，
类型：发明
国别省市：上海,31