【技术实现步骤摘要】
基于放射组学的COVID-19快速特征提取系统及快速诊断系统及病程预测系统
本专利技术涉及人工智能
,具体涉及一种基于放射组学的COVID-19快速特征提取系统及快速诊断系统及病程预测系统。
技术介绍
自2019年12月以来,由新型冠状病毒导致的新型冠状病毒肺炎(COVID-19,简称新冠肺炎)疫情已经蔓延至全球,并相继在各个国家爆发。世界卫生组织于2020年1月30日宣布COVID-19为全球公共卫生紧急事件,我国已将该病纳入按甲类传染病管理的乙类传染病。到2020年9月10日为止,全球超过了两千八百万人被确证感染COVID-19病毒,并有九十多万人因此而失去生命。根据世界卫生组织的报告数据,有16-21%的人在感染了COVID-19病毒后的病程进展会发展成重症或者危重症,并伴随着2-3%的死亡率,且该病毒的基本传染数R0达到了惊人的3.77。因此,快速诊断新冠肺炎,筛查预后较差的高危患者,对早期预防和优化医疗资源具有重要意义。COVID-19诊断标准包括临床症状,流行病学史,病毒核酸检测和CT影像学表现。对于COVID-19的临床症状有:呼吸道症状,发热,咳嗽,呼吸困难和肺部炎症等呼吸道症状,但是有一些常见的流行性感冒或者肺部感染与COVID-19有着相似的临床症状,因此需要进一步进行病毒核酸检测才能确诊。核酸检测的一般流程是用咽拭子对受试者的口咽部进行取样,并且需要在2-8摄氏度的环境下进行运输和保存,最后在实验室中进行PCR核酸检测。利用核酸检测来筛选COVID-19感染者对于控制疫情的 ...
【技术保护点】
1.一种基于放射组学的COVID-19快速特征提取系统,其特征在于:其用于获取CT图像中关于COIVD-19的放射组学特征,且其包括:/n用于待检人员CT图像输入的图像输入单元以及特征提取单元,所述特征提取单元通过建立基于CT图像COIVD-19放射组学特征自动化提取模型以获取待检人员CT图像的放射组学特征,/n其中CT图像COIVD-19放射组学特征自动化提取模型建立步骤如下:/n一、根据设定的CT图像筛选标准,对采集的COVID-19患者CT图像进行筛选;/n二、对筛选后的COVID-19患者CT图像进行图像预处理;/n三、对预处理后的COVID-19患者CT图像进行感兴趣区域分割,并形成训练图像;/n四、基于深度卷积神经网络对训练图像进行训练,并得到感兴趣区域深度卷积神经网络自动分割模型;/n五、基于感兴趣区域深度卷积神经网络自动分割模型分割后的图像,构建基于CT图像COIVD-19放射组学特征的自动化提取模型。/n
【技术特征摘要】
1.一种基于放射组学的COVID-19快速特征提取系统,其特征在于:其用于获取CT图像中关于COIVD-19的放射组学特征,且其包括:
用于待检人员CT图像输入的图像输入单元以及特征提取单元,所述特征提取单元通过建立基于CT图像COIVD-19放射组学特征自动化提取模型以获取待检人员CT图像的放射组学特征,
其中CT图像COIVD-19放射组学特征自动化提取模型建立步骤如下:
一、根据设定的CT图像筛选标准,对采集的COVID-19患者CT图像进行筛选;
二、对筛选后的COVID-19患者CT图像进行图像预处理;
三、对预处理后的COVID-19患者CT图像进行感兴趣区域分割,并形成训练图像;
四、基于深度卷积神经网络对训练图像进行训练,并得到感兴趣区域深度卷积神经网络自动分割模型;
五、基于感兴趣区域深度卷积神经网络自动分割模型分割后的图像,构建基于CT图像COIVD-19放射组学特征的自动化提取模型。
2.根据权利要求1所述的基于放射组学的COVID-19快速特征提取系统,其特征在于:步骤二中包含以下步骤:
1)对筛选后的COVID-19患者CT图像进行空间重采样和校正;
2)对筛选后的COVID-19患者CT图像进行灰度值重采样;
3)设定灰度值范围及离散化程度,对筛选后的COVID-19患者CT图像进行离散化处理;
4)对筛选后的COVID-19患者CT图像进行滤波处理,并对筛选后的COVID-19患者CT图像的尺寸进行裁剪。
3.根据权利要求1所述的基于放射组学的COVID-19快速特征提取系统,其特征在于:步骤四中对输入的训练图像进行下采样提取特征操作,将每层下采样提取到的特征与对应的向上恢复细节信息的通路连接,然后经过卷积残差块的残差模块处理,并以相似度Dice系数值来判断神经网络的自动分割结果,进一步测试和优化卷积神经网络参数,得到基于深度学习的感兴趣区域深度卷积神经网络自动分割模型。
4.一种基于权利要求1至3任意一项所述的基于放射组学的COVID-19快速特征提取系统的快速诊断系统,其特征在于:其包括:基于放射组学的COVID-19快速特征提取系统,用于提取具有预测价值的CT图像放射组学特征;
COIVD-19阳性预测系统,其包括利用机器学习算法支持向量机建立的初始放射组学特征对COIVD-19阳性的筛选模型,
所述COIVD-19阳性预测系统根据COVID-19快速特征提取系统的快速诊断...
【专利技术属性】
技术研发人员:金献测,金珏斌,艾遥,
申请(专利权)人:温州医科大学附属第一医院,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。