一种影像医师视觉识别能力量化方法及系统技术方案

本发明专利技术公开了一种影像医师视觉识别能力量化方法及其系统，采用测试数据库模块、被试行为采集模块、行为数据输出模块、数据计算模块、结果显示模块；测试数据库模块用于按测试要求选取N张医学影像标准测试图像，作为待标记图像；被试行为采集模块用于被试标记图像；行为数据输出模块用于将行为数据记录在Excel表格中；数据计算模块用于提取Excel表格数据并计算影像医师视觉识别能力曲线与其曲线下面积，然后通过结果显示模块显示。将影像医师的视觉识别能力的三个核心指征融合为一个量化指标，实现了定量化测量影像医师视觉识别能力的目的。

A method and system for quantifying the visual recognition ability of the image physician

【技术实现步骤摘要】
一种影像医师视觉识别能力量化方法及系统
本专利技术属于医学视觉识别
，特别是涉及一种影像医师视觉识别能力量化方法及系统。
技术介绍
医学影像技术迅速发展，医疗影像检查被广泛应用于临床诊疗。美国医疗照顾和医疗救助服务中心(CentersforMedicareandMedicaidServices)2016年的统计数字表明：全世界范围内每年约进行16亿例医学影像检查，并且这一数字逐年攀升。此外，一项针对全美范围内医疗基本状况的调查显示：医学影像检查相关花费(非硬件设备类支出)占到2010年美国当年国内生产总值的0.5％、2012年英国当年国内生产总值的1.2％。在我国，医学影像检查成为疾病诊断、治疗过程中的重要基础，疾病诊断已经向“看得见”、“看的准”发展，并且，在多种重大疾病的防治过程中，医学影像检查地位也不可替代。医学影像检查产生大量的影像学图片，这些图片需要被专业影像医师解读才具有临床意义，影像医师是准确解读影像学检查结果的决定性因素。北美放射学会的统计数字表明：临床中，影像学误诊中由影像医师专业技能造成的误诊率高达61.5％(其余为非人为因素)。影像医师专业技能由三个基本要素组成：视觉识别、图像解释、决策。但是，由于图像解释和决策完全依赖于影像医师是否能有效判断出病灶所在，因此，影像医师的视觉识别能力是才有效诊断的源头和基础，是完成有效医学影像诊断的重中之重。专利技术人在和医学院校影像专业教师、三甲医院影像科医生及中华医学会影像技术学会的专家讨论中确定，影像医师的视觉识别能力由判断敏感性(真阳性率)、判断特异性(真阴性率)及判断信心等级三个基本要素构成，即：一个具有优秀视觉识别能力的影像医师应该能将病灶准确指出(判断敏感性高)，并且不会将非病灶误判为病灶(判断特异性高)，同时，对自己做出的判断具有十足把握(判断信心等级高)。经过详实调查与文献、专利搜索，现在我国医学院校、各大医院影像科均没有对影像医师的视觉识别能力进行量化衡量的方法或平台。行为能力量化无论对技能考核、技能评分，还是对培训效果评估、培训计划制定均具有重大意义。
技术实现思路
本专利技术的目的在于提供一种影像医师视觉识别能力量化方法，该方法将影像医师的视觉识别能力的三个核心指征，即：判断敏感性(真阳性率)、判断特异性(真阴性率)及判断信心等级，融合为一个量化指标，以实现定量化测量影像医师视觉识别能力的目的。本专利技术的另一目的在于围绕上述方法，提供一种影像医师视觉识别能力量化系统。本专利技术所采用的技术方案是，一种影像医师视觉识别能力量化方法，按照以下步骤进行：步骤1，选取N张符合标准的医学影像作为标记图像，医学影像包括病灶图像和正常图像；步骤2，影像医师对每张图像进行标记，做出有病或无病的判断，并按照个人对所作出判断的自信程度按照1～5的等级给出信心等级评分；步骤3，将步骤2中的标记结果记录在Excel表格中：表格第一列记录有病或无病判断的信息，分别用数字1和0表示；表格第二列记录对应的信心等级1～5；步骤4，利用非参数法或参数法分别计算影像医师视觉识别能力曲线与其曲线下面积。进一步的，所述步骤4中，采用非参数法计算的步骤为：步骤(1)，计算Excel表格第一列中1和0出现的次数，作为有病判断总数NLL和无病总数NNL；步骤(2)，将信心等级5、4、3、2、1分别作为诊断阈值，信心等级大于等于诊断阈值的判断为阳性结果，反之为阴性结果；分别得到信心等级等于5、4、3、2、1时，有病判断中的阳性结果TPi，以及无病判断中的阴性结果NFi，i＝5,4,3,2、1；步骤(3)，计算敏感性TPF和特异性NFF，公式为：步骤(4)，将1-NFF和TPF分别作为横、纵坐标，根据步骤(3)求得的五组结果，在坐标轴上作点，之后将这五点与坐标上的(0，0)连接，形成影像医师视觉识别能力曲线；步骤(5)，利用梯形法计算影像医师视觉识别能力曲线下面积。进一步的，所述步骤4中，采用参数法计算的步骤为：步骤(1)，计算Excel表格第一列中1和0出现的次数，作为有病判断总数NLL和无病总数NNL；步骤(2)，计算Excel表格中第一列数值为i(i＝0，1)且对应的第二列数值为j(j＝1,2,3,4,5)时的个数Nij，得到在信心等级下有病判断和无病判断的数值分布N1j和N0j；步骤(3)，计算有病判断和无病判断的概率分布p1j和p0j，公式为：步骤(4)，假设N1j和N0j分别来自两个正态分布总体，由最大似然估计法求得有病和无病图像分布的均值μL、μN和标准差σL、σN，公式为：步骤(5)，求参数α和β，公式为：步骤(6)，得到表示敏感性TPF和特异性NFF的式子：其中，θ为信心等级，Ф为标准正态累积分布函数；步骤(7)，由步骤(6)求得TPF与NFF的关系式：TPF＝Φ[α+βΦ-1(1-NFF)]步骤(8)，做出以1-NFF为横坐标，TPF为纵坐标的曲线，即影像医师视觉识别能力曲线；步骤(9)，利用最大似然估计法，计算影像医师视觉识别能力曲线下面积AURVRC，公式为：本专利技术所采用的另一种技术方案是，一种采用上述影像医师视觉识别能力量化方法的系统，包括测试数据库模块、被试行为采集模块、行为数据输出模块、数据计算模块、结果显示模块；所述测试数据库模块，用于按测试要求选取N张医学影像标准测试图像，作为待标记图像，并放于某一目录。所述被试行为采集模块，用于被试标记图像。所述行为数据输出模块，用于将行为数据记录在Excel表格中。所述数据计算模块，用于提取Excel表格数据并计算影像医师视觉识别能力曲线与其曲线下面积。所述结果显示模块，用于显示影像医师视觉识别能力曲线与其曲线下面积。进一步的，所述被试行为采集模块包括选定图像单元和用户标记单元；所述选定图像单元，用于选定和显示待标记图像；所述用户标记单元，用于对每张图像进行标记。进一步的，所述数据计算模块包括提取数据单元、非参数法单元和参数法单元；所述提取数据单元，用于提取Excel表格中的数据；所述非参数单元，用于通过非参数法来计算并显示影像医师视觉识别能力曲线与其曲线下面积；所述参数单元，用于通过参数法来计算并显示影像医师视觉识别能力曲线与其曲线下面积。本专利技术的有益效果：量化方法的有益效果是：解决了指标矛盾的问题。理想情况下，一个优秀影像医师的判断应该兼具高敏感性及高特异性。传统评价标准倾向用单一量化指标(判断敏感性或判断特异性)来量化衡量影像医师视觉识别水平。但是，这两个指标犹如天平的两端，单方面对一个指标要求严苛而不同时约束另一个指标，往往造成评价失误，例如：仅强调判断敏感性高(指出全部病灶)会带来判断特异性低(误将无病判断为有病)的风险，仅强调判断特异性高(不将无病误判为有病)会带来判断敏感性低(将有病漏判为有病)的风险。本专利技术将影像医师视觉识别能力的三个衡量指标融合并降维为一个指标，为影像医师视觉识别能力提供了直观的、唯一的量化指标，即AURVRC值越大、影像医师视觉识别能力越强(等同于判断敏感性高、判断特异性高及判断信心等级高)。量化系统的有益效果是：1.本专利技术可以对影像医师标记后的数据进行自动化整理，省去了人工整理数据的麻烦。2.本专利技术提供的系统开发基于MATLABGUI，界面简洁，包括“非参数法”、“本文档来自技高网...

【技术保护点】
一种影像医师视觉识别能力量化方法，其特征在于，按照以下步骤进行：步骤1，选取N张符合标准的医学影像作为标记图像，医学影像包括病灶图像和正常图像；步骤2，影像医师对每张图像进行标记，做出有病或无病的判断，并按照个人对所作出判断的自信程度按照1～5的等级给出信心等级评分；步骤3，将步骤2中的标记结果记录在Excel表格中：表格第一列记录有病或无病判断的信息，分别用数字1和0表示；表格第二列记录对应的信心等级1～5；步骤4，利用非参数法或参数法分别计算影像医师视觉识别能力曲线与其曲线下面积。

【技术特征摘要】
1.一种影像医师视觉识别能力量化方法，其特征在于，按照以下步骤进行：步骤1，选取N张符合标准的医学影像作为标记图像，医学影像包括病灶图像和正常图像；步骤2，影像医师对每张图像进行标记，做出有病或无病的判断，并按照个人对所作出判断的自信程度按照1～5的等级给出信心等级评分；步骤3，将步骤2中的标记结果记录在Excel表格中：表格第一列记录有病或无病判断的信息，分别用数字1和0表示；表格第二列记录对应的信心等级1～5；步骤4，利用非参数法或参数法分别计算影像医师视觉识别能力曲线与其曲线下面积。2.根据权利要求1所述的一种影像医师视觉识别能力量化方法，其特征在于，所述步骤4中，采用非参数法计算的步骤为：步骤(1)，计算Excel表格第一列中1和0出现的次数，作为有病判断总数NLL和无病总数NNL；步骤(2)，将信心等级5、4、3、2、1分别作为诊断阈值，信心等级大于等于诊断阈值的判断为阳性结果，反之为阴性结果；分别得到信心等级等于5、4、3、2、1时，有病判断中的阳性结果TPi，以及无病判断中的阴性结果NFi，i＝5,4,3,2、1；步骤(3)，计算敏感性TPF和特异性NFF，公式为：步骤(4)，将1-NFF和TPF分别作为横、纵坐标，根据步骤(3)求得的五组结果，在坐标轴上作点，之后将这五点与坐标上的(0，0)连接，形成影像医师视觉识别能力曲线；步骤(5)，利用梯形法计算影像医师视觉识别能力曲线下面积。3.根据权利要求1所述的一种影像医师视觉识别能力量化方法，其特征在于，所述步骤4中，采用参数法计算的步骤为：步骤(1)，计算Excel表格第一列中1和0出现的次数，作为有病判断总数NLL和无病总数NNL；步骤(2)，计算Excel表格中第一列数值为i(i＝0，1)且对应的第二列数值为j(j＝1,2,3,4,5)时的个数Nij，得到在信心等级下有病判断和无病判断的数值分布N1j和N0j；步骤(3)，计算有病判断和无病判断的概率分布p1j和p0j，公式为：步骤(4)，假设N1j和N0j分别来自两个正态分布总体，由最大似然估计法求得有病和无病图像分布的均值μL、μN和标准差σL、σN，公式为：

【专利技术属性】
技术研发人员：董明皓，何震，吴佳，叶光灵，陈复秀，陈逸飞，金晨旺，梁继民，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61