面向基层医疗机构的呼吸系统疾病智能辅助诊断决策方法技术方案

本发明专利技术涉及疾病诊断的辅助技术领域，尤其是面向基层医疗机构的呼吸系统疾病智能辅助诊断决策方法；它包括影像采集；影像转换成数字化图像并导入计算机；采用算法进行图像预处理、图像增强和病变区域分割；采用算法进行病变区域的特征提取；根据特征数据做出判断；根据氧合指数对机械辅助通气量进行动态管控。辅助医生对大量的肺病患者进行影像学进行快速诊断，并且可快速区分阻塞性肺病和肿瘤、哮喘病患者，为阻塞性肺病患者争取了宝贵的时间。为阻塞性肺病患者争取了宝贵的时间。为阻塞性肺病患者争取了宝贵的时间。

【技术实现步骤摘要】
面向基层医疗机构的呼吸系统疾病智能辅助诊断决策方法


[0001]本专利技术涉及疾病诊断的辅助
，尤其是面向基层医疗机构的呼吸系统疾病智能辅助诊断决策方法。

技术介绍

[0002]在传统的呼吸系统疾病中，影像技术运用非常广泛，例如肺部肿瘤、哮喘、肺炎等都会运用到诸如CT、X光等影像技术。肺病在处理手段上存在较大区别的分为三种，第一种是肿瘤，确诊后需要进行手术或者化疗；第二种是哮喘，确诊后需要进行药物治疗；第三种是阻塞性肺病，例如2020年发生的新冠肺炎，在较为严重的肺部疾病中，由于肺部的病变导致氧合指数偏低(低于300mmhg)，此时就需要采用吸氧、呼吸机甚至是人工膜肺等机械辅助手段挽救患者。现有技术的不足在于，所有影像材料都需要人工查看，然后再针对该影像的特征可能对应的疾病类型开出进一步的检查项目，分类的时间较长。由于诊断时间很长，如果是阻塞性肺病，有可能此时患者氧合指数已经偏低但病人本身不一定能察觉，等待的过程中就有可能发生恶化。

技术实现思路

[0003]针对现有技术的不足，本专利技术提供一种辅助加快对肺病影像进行快速分类并提出预设方案的方法。
[0004]本专利技术的技术方案为：
[0005]面向基层医疗机构的呼吸系统疾病智能辅助诊断决策方法，其特征在于：它包括以下步骤：
[0006]1)影像采集；
[0007]2)影像转换成数字化图像并导入计算机；
[0008]3)采用算法进行图像预处理、图像增强和病变区域分割；
[0009]4)采用算法进行病变区域的特征提取；
[0010]5)根据步骤4所得特征数据做出判断，如果判断结果是肿瘤、哮喘中的一种则向决策者发布结果；如果判断结果是阻塞性肺病则向决策者发出氧合指数检测请求并同步启动机械辅助通气(吸氧或者呼吸机)；容易理解的，启动机械辅助通气后必然对氧合指数产生影响，但只要决策者在较短的时间内进行氧合指数检测其通气造成的影响是比较小的，不会对最终的正确诊断造成实质性影响，而且提前启动机械辅助通气，可减少病人因氧合指数下降造成实质性损伤；
[0011]6)根据氧合指数对机械辅助通气量进行动态管控。
[0012]其中，步骤1中，影像采集采用CT平扫方式得到影像，其好处是影像成像快，可即可扫描即可得到影像，并且部分CT设备具备电子数据传输功能，可以直接将影像传导给计算机，免去步骤2。
[0013]其中，步骤3中，图像预处理、图像增强包括：a)对输入图像进行去噪处理得到去噪
图像；b)对去噪图像进行边缘提取得到边缘图像；c)对边缘图像进行图像增强处理得到去噪且边缘增强的图像；d)利用亮度可控的直方图均衡方法对去噪图像进行处理得到全局增强图像；e)对c和d步骤所得到的图像进行线性叠加，得到最终的输出图像；病变区域分割包括f)从图像中检测感兴趣目标的初始轮廓；g)根据对比度特性对初始轮廓上的点进行分类；h)为不同种类的点构造不同的能量函数模型，基于构造的能量函数模型计算用于图像分割的曲线的演进函数，并根据演进函数在图像中移动水平集曲线；i)确定移动后的水平集曲线是否已经收敛，如果确定水平集曲线已经收敛，则将移动后的水平集曲线输出为图像分割的结果，如果确定移动后的水平集曲线没有收敛，则以移动后的水平集曲线的作为初始轮廓，再次执行步骤g)和步骤h)，直到得到收敛的水平集曲线为止。
[0014]其中，步骤4中，特征的提取包括：一，将分割得到的目标图像缩小到16*16尺寸的图片，共计有256个像素；二，将缩小后的图片转化为256级灰度；三，计算256个像素点的灰度值；四，计算平均灰度值；五，将每个像素点的灰度值与平均灰度值比较，大于或者等于平均值的记录1，小于平均值的记录0；六，将步骤五的比较结果组合在一起形成一个256位的整数，该整数为该图片的特征码。
[0015]其中，步骤5中，将三种类型肺病的历史影像通过步骤1-4处理后分别收录在三种类型肺病的特征数据库内，然后将需要判断的肺病影像通过步骤1-4处理后与特征数据库内的特征码进行k-近邻算法，判断输入数据属于哪个分类。由于上述三个类型的肺病其影像区别非常大，哮喘的图片中不存在白斑，肿瘤的白斑通常为团状且连续性很强，具有毛刺边缘或者圆滑边缘，而阻塞性肺病(主要是肺炎)通常表现为磨玻璃状，故通过上述算法可高效进行分类，降低了医生看片的工作强度。
[0016]其中，步骤5中，氧合指数检测采用血液气体分析仪，它采用电极贴合的方式进行测试，可实现连续侦查且无创。
[0017]其中，步骤6中，动态管控包括：设定供氧的氧合指数范围，当实时氧合指数处于该范围时则启动吸氧预警，当启动吸氧20秒后氧合指数依然没有上升则启动呼吸机预警，当启动呼吸机30秒后氧合指数依然没有上升则启动病危预警，医护人员可以根据现场医疗条件采取上人工膜肺或者其他重症治疗手段。
[0018]本专利技术的有益效果为：辅助医生对大量的肺病患者进行影像学进行快速诊断，并且可快速区分阻塞性肺病(主要是肺炎)和肿瘤、哮喘病患者，为阻塞性肺病患者争取了宝贵的时间。
附图说明
[0019]图1为本专利技术的流程示意图。
具体实施方式
[0020]下面结合附图对本专利技术的具体实施方式作进一步说明：
[0021]如图1所示，面向基层医疗机构的呼吸系统疾病智能辅助诊断决策方法，其特征在于：它包括以下步骤：
[0022]1)影像采集；此处可以是普通胶片的扫描也可以是电子CT的电子档图片；
[0023]2)影像转换成数字化图像并导入计算机；
[0024]3)采用算法进行图像预处理、图像增强和病变区域分割；
[0025]4)采用算法进行病变区域的特征提取；
[0026]5)根据步骤4所得特征数据做出判断，如果判断结果是肿瘤、哮喘中的一种则向决策者发布结果；如果判断结果是阻塞性肺病则向决策者发出氧合指数检测请求并同步启动机械辅助通气(吸氧或者呼吸机)；容易理解的，启动机械辅助通气后必然对氧合指数产生影响，但只要决策者在较短的时间内进行氧合指数检测其通气造成的影响是比较小的，不会对最终的正确诊断造成实质性影响，而且提前启动机械辅助通气，可减少病人因氧合指数下降造成实质性损伤；
[0027]6)根据氧合指数对机械辅助通气量进行动态管控。
[0028]其中，步骤1中，影像采集采用CT平扫方式得到影像，其好处是影像成像快，可即可扫描即可得到影像，并且部分CT设备具备电子数据传输功能，可以直接将影像传导给计算机，免去步骤2。
[0029]其中，步骤3中，图像预处理、图像增强包括：a)对输入图像进行去噪处理得到去噪图像；b)对去噪图像进行边缘提取得到边缘图像；c)对边缘图像进行图像增强处理得到去噪且边缘增强的图像；d)利用亮度可控的直方图均衡方法对去噪图像进行处理得到全局增强图像；e)对c和d步骤所得到的图像进行线性叠加，得到最终的输出图像；病变区域分割包括f)从图像中检测感兴趣目标的初始轮廓；g)根据对比度特性对初始轮廓本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.面向基层医疗机构的呼吸系统疾病智能辅助诊断决策方法，其特征在于：它包括以下步骤：1)影像采集；2)影像转换成数字化图像并导入计算机；3)采用算法进行图像预处理、图像增强和病变区域分割；4)采用算法进行病变区域的特征提取；5)根据步骤4所得特征数据做出判断，如果判断结果是肿瘤、哮喘中的一种则向决策者发布结果；如果判断结果是阻塞性肺病则向决策者发出氧合指数检测请求并同步启动机械辅助通气(吸氧或者呼吸机)；容易理解的，启动机械辅助通气后必然对氧合指数产生影响，但只要决策者在较短的时间内进行氧合指数检测其通气造成的影响是比较小的，不会对最终的正确诊断造成实质性影响，而且提前启动机械辅助通气，可减少病人因氧合指数下降造成实质性损伤；6)根据氧合指数对机械辅助通气量进行动态管控。2.根据权利要求1所述的面向基层医疗机构的呼吸系统疾病智能辅助诊断决策方法，其特征在于：步骤1中，影像采集采用CT平扫方式得到影像。3.根据权利要求1所述的面向基层医疗机构的呼吸系统疾病智能辅助诊断决策方法，其特征在于：步骤3中，图像预处理、图像增强包括：a)对输入图像进行去噪处理得到去噪图像；b)对去噪图像进行边缘提取得到边缘图像；c)对边缘图像进行图像增强处理得到去噪且边缘增强的图像；d)利用亮度可控的直方图均衡方法对去噪图像进行处理得到全局增强图像；e)对c和d步骤所得到的图像进行线性叠加，得到最终的输出图像；病变区域分割包括f)从图像中检测感兴趣目标的初始轮廓；g)根据对比度特性对初始轮廓上的点进行分类；h)为不同种类的点构造不同的能量函数模型，基于构造的能量函数模型计算用于图像分割的曲线的演进函数，并根据演进函数在图像中移动水平集曲...

【专利技术属性】
技术研发人员：余捷全，常伟，
申请(专利权)人：广东毓秀科技有限公司，
类型：发明
国别省市：