肺部功能小气道疾病预测系统、方法、介质及电子设备技术方案

本发明专利技术提供一种肺部功能小气道疾病预测系统、方法、介质及电子设备。所述系统包括：图像获取模块，用于获取目标对象的单呼吸相胸部CT图像；第一处理模块，用于利用第一深度学习模型获取肺部功能小气道评价参数的第一预测结果；第二处理模块，用于利用第二深度学习模型获取肺部功能小气道评价参数的第二预测结果；第三处理模块，用于利用机器学习模型获取肺部功能小气道评价参数的第三预测结果；融合模块，用于对所述第一预测结果、所述第二预测结果以及所述第三预测结果进行融合，以获取肺部功能小气道评价参数的最终预测结果。所述系统无需获取目标对象的双气相CT图像，有利于减少目标对象所受到的辐射剂量。少目标对象所受到的辐射剂量。少目标对象所受到的辐射剂量。

【技术实现步骤摘要】
肺部功能小气道疾病预测系统、方法、介质及电子设备


[0001]本专利技术属于医学影像学领域，涉及一种医学图像处理方法，特别是涉及一种肺部功能小气道疾病预测系统、方法、介质及电子设备。

技术介绍

[0002]由于电离辐射存在确定性效应和随机性效应，辐射剂量的增加对人体的危害会相应的增加。一般而言，CT(Computed Tomography，电子计算机断层扫描)比普通X射线检查剂量大，照射剂量的增加导致辐射诱发癌症等随机效应的几率增加。根据新版《GBZ165
‑
2012X射线计算机断层摄影放射防护要求》，典型成年患者X射线CT检查头部、腰椎和腹部的诊断参考水平分别为50mGy、35mGy和25mGy，0
‑
1岁儿童患者胸部和头部诊断参考水平为23mGy和25mGy，10岁儿童患者胸部和头部诊断参考水平为26mGy和28mGy。
[0003]根据2009年美国国家防护委员会公布的数据，目前人均医疗辐射剂量从过去的0.53mSv快速增长到现在的3.0mSv。在增加的辐射剂量中，医用CT检查占到了一半以上；而由于辐射导致的癌症患者比例，也从上世纪90年代的0.4％上升了将近5倍，达到1.5％
‑
2％。另外根据公布的数据显示，儿童因辐射剂量增加而诱发实体癌的风险比成年人更高。以临床医生得到准确疾病数据和进行精确影像诊断为前提，同时尽可能减少辐射剂量，减少不必要检查步骤，并更好地在CT检查过程中保护被检查者的身体健康，已经成为目前广大患者普遍关注的问题，同时也是广大医护工作者的面临的重要任务之一。
[0004]现阶段临床上对COPD(Chronic Obstructive Pulmoriary Disease，慢性阻塞性肺疾病)及其相关疾病的诊断主要通过CT扫描的方式进行，这就不可避免的会涉及CT扫描剂量的问题。目前，通过阈值法(即将低于某特定阈值的低衰减区定义为肺气肿区，由计算机计算低衰减区占全肺容积的百分比LAA％)对患者吸气相和呼气相的三维CT扫描图像进行三维非均质性分析，以此来鉴别诊断功能性小气道疾病和肺气肿已成为近期COPD研究的热点。
[0005]然而，专利技术人在实际应用中发现，上述方法的实现依赖于患者吸气相和呼气相的三维CT扫描图像，而为了得到吸气相和呼气相的三维CT图像，患者在吸气以及呼气过程中均需要进行CT扫描，这会增加患者受到的辐射剂量，不利于患者的身体健康。

技术实现思路

[0006]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于深度学习的单呼吸相胸部CT的肺部功能小气道疾病预测系统、介质及电子设备，用于解决现有技术中存在的上述问题。
[0007]为实现上述目的及其他相关目的，本专利技术的第一方面提供一种基于深度学习的单呼吸相胸部CT的肺部功能小气道疾病预测系统，所述系统包括：图像获取模块，用于获取目标对象的单呼吸相胸部CT图像；第一处理模块，用于利用第一深度学习模型对所述单呼吸相胸部CT图像进行处理，以获取肺部功能小气道评价参数的第一预测结果；第二处理模块，
用于利用第二深度学习模型对所述单呼吸相胸部CT图像及其对应的单呼吸相伪彩图进行处理，以获取肺部功能小气道评价参数的第二预测结果；第三处理模块，用于利用机器学习模型对所述单呼吸相胸部CT图像及所述目标对象的临床基本信息进行处理，以获取肺部功能小气道评价参数的第三预测结果；融合模块，用于对所述第一预测结果、所述第二预测结果以及所述第三预测结果进行融合，以获取肺部功能小气道评价参数的最终预测结果。
[0008]于所述第一方面的一实施例中，所述第三处理模块包括：第一处理单元，用于利用第一机器学习模型对所述单呼吸相胸部CT图像及所述目标对象的临床基本信息进行处理，以获取所述单呼吸相胸部CT图像对应的功能小气道评价参数矩阵；第二处理单元，用于利用第二机器学习模型对所述功能小气道评价参数矩阵进行处理，以获取所述第三预测结果。
[0009]于所述第一方面的一实施例中，所述功能小气道评价参数矩阵包括病种分布概率矩阵、低衰减区占全肺容积的百分比分布统计概率矩阵和/或病灶部位概率矩阵。
[0010]于所述第一方面的一实施例中，所述第三处理模块还包括图像生成单元：所述图像生成单元用于根据所述功能小气道评价参数矩阵生成所述单呼吸相伪彩图；和/或所述图像生成单元用于根据所述单呼吸相伪彩图生成三维拓扑分布图。
[0011]于所述第一方面的一实施例中，所述融合模块以所述第三预测结果为主要数据、并以所述第一预测结果和所述第二预测结果为次要数据进行融合。
[0012]于所述第一方面的一实施例中，所述第三预测结果包括肺部功能小气道评价参数的多个预测值，所述融合模块根据所述第一预测结果和所述第二预测结果获取所述预测值的权重，并基于所述权重对所述预测值进行加权融合以得到肺部功能小气道评价参数的最终预测结果。
[0013]于所述第一方面的一实施例中，所述融合模块包括：趋势判断单元，用于根据所述第一预测结果判断所述预测值的方向趋势是否正确；权重获取单元，用于根据所述第二预测结果获取方向趋势正确的预测值的准确度，并根据所述准确度获取方向趋势正确的预测值的权重；加权融合单元，用于基于所述权重对方向趋势正确的预测值进行加权融合，以得到肺部功能小气道评价参数的最终预测结果。
[0014]本专利技术的第二方面提供一种基于深度学习的单呼吸相胸部CT的肺部功能小气道疾病预测方法，所述方法包括：获取目标对象的单呼吸相胸部CT图像；利用第一深度学习模型对所述单呼吸相胸部CT图像进行处理，以获取肺部功能小气道评价参数的第一预测结果；利用第二深度学习模型对所述单呼吸相胸部CT图像及其对应的单呼吸相伪彩图进行处理，以获取肺部功能小气道评价参数的第二预测结果；利用机器学习模型对所述单呼吸相胸部CT图像及所述目标对象的临床基本信息进行处理，以获取肺部功能小气道评价参数的第三预测结果；对所述第一预测结果、所述第二预测结果以及所述第三预测结果进行融合，以获取肺部功能小气道评价参数的最终预测结果。
[0015]本专利技术的第三方面提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本专利技术第二方面所述基于深度学习的单呼吸相胸部CT的肺部功能小气道疾病预测方法。
[0016]本专利技术的第四方面提供一种电子设备，所述电子设备包括：存储器，存储有一计算机程序；处理器，与所述存储器通信相连，调用所述计算机程序时执行本专利技术第二方面所述
基于深度学习的单呼吸相胸部CT的肺部功能小气道疾病预测方法。
[0017]如上所述，本专利技术一个或多个实施例中所述的肺部功能小气道疾病预测系统具有以下有益效果：
[0018]所述肺部功能小气道疾病预测系统包括第一处理模块、第二处理模块、第三处理模块以及融合模块，第一处理模块能够利用第一深度学习模型对单呼吸相胸部CT图像进行处理得到肺部功能小气道评价参数的第一预测结果，第二处理模块能够利用第二深度学习模型对单呼吸相胸部CT图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的单呼吸相胸部CT的肺部功能小气道疾病预测系统，其特征在于，所述系统包括：图像获取模块，用于获取目标对象的单呼吸相胸部CT图像；第一处理模块，用于利用第一深度学习模型对所述单呼吸相胸部CT图像进行处理，以获取肺部功能小气道评价参数的第一预测结果；第二处理模块，用于利用第二深度学习模型对所述单呼吸相胸部CT图像及其对应的单呼吸相伪彩图进行处理，以获取肺部功能小气道评价参数的第二预测结果；第三处理模块，用于利用机器学习模型对所述单呼吸相胸部CT图像及所述目标对象的临床基本信息进行处理，以获取肺部功能小气道评价参数的第三预测结果；融合模块，用于对所述第一预测结果、所述第二预测结果以及所述第三预测结果进行融合，以获取肺部功能小气道评价参数的最终预测结果。2.根据权利要求1所述的系统，其特征在于，所述第三处理模块包括：第一处理单元，用于利用第一机器学习模型对所述单呼吸相胸部CT图像及所述目标对象的临床基本信息进行处理，以获取所述单呼吸相胸部CT图像对应的功能小气道评价参数矩阵；第二处理单元，用于利用第二机器学习模型对所述功能小气道评价参数矩阵进行处理，以获取所述第三预测结果。3.根据权利要求2所述的系统，其特征在于：所述功能小气道评价参数矩阵包括病种分布概率矩阵、低衰减区占全肺容积的百分比分布统计概率矩阵和/或病灶部位概率矩阵。4.根据权利要求3所述的系统，其特征在于，所述第三处理模块还包括图像生成单元：所述图像生成单元用于根据所述功能小气道评价参数矩阵生成所述单呼吸相伪彩图；和/或所述图像生成单元用于根据所述单呼吸相伪彩图生成三维拓扑分布图。5.根据权利要求1所述的系统，其特征在于：所述融合模块以所述第三预测结果为主要数据、并以所述第一预测结果和所述第二预测结果为次要数据进行融合。6.根据权利要求1所述的系统，其特征在于：...

【专利技术属性】
技术研发人员：范丽，刘士远，邓恒，周秀秀，管宇，夏艺，张迪，涂文婷，蒲瑜，杨华，张凡，黄坤耀，傅琪钲，路洋，房劬，
申请(专利权)人：上海杏脉信息科技有限公司，
类型：发明
国别省市：