本发明专利技术公开了一种基于CT影像的脑部损伤检测辅助阅片系统，其特征在于，包括以下步骤：从病人数据库中获取患者数据；对患者数据进行预处理；基于脑部损伤检测模型对病人进行诊断；诊断结果可视化；将诊断结果保存至本地数据库；定期对本地数据库于数据库内的数据进行优化。通过上述方式，本发明专利技术能够将临床经验丰富的医生的诊断经验融合进算法中，为其他医生在诊断中提供辅助诊断。在诊断中提供辅助诊断。在诊断中提供辅助诊断。
【技术实现步骤摘要】
一种基于CT影像的脑部损伤检测辅助阅片方法及系统
[0001]本专利技术涉及医学图像识别
领域，特别是涉及一种基于CT影像的脑部损伤检测辅助阅片的方法及系统。
技术介绍
[0002]颅脑损伤是头颅部较为常见的外伤，病因主要由车祸、高处坠落、跌倒、斗殴等情况导致，属于临床上较为常见的一种急症，对患者的生活质量以及生命安全均造成严重的影响。颅脑外伤具有病情复杂、变化快等特点，同时该疾病常与患者身体其他部位的损伤复合存在，具有较高的致残率和致死率，准确的诊断和及时的治疗对患者的预后具有重要意义。
[0003]据相关医学数据研究显示，颅脑损伤的发病率在各位类型的损伤中位居首位，或者仅次于四肢骨折，占全身各部位损伤的15%~20%。
[0004]CT检查作为一种临床上常用的诊断技术，无创、快速、可多次重复检查。近些年，CT已成为临床上颅脑外伤诊断的主要方式，CT能够将患者的颅脑外伤情况清晰的显示出来，临床医师借助CT影像可以对颅脑外伤患者进行准确诊断，有利于治疗方案的制定，并以患者损伤情况为依据采取有效的治疗干预。
[0005]脑部CT影像人工智能损伤检测辅助阅片系统能够实现对CT影像的自动化阅片，并给出诊断建议，同时将损伤区域在图像中可视化出来，对医生诊断具有巨大的辅助意义，能够极大的缩短医生的筛选时间，减轻工作强度，提升阅片的准确率和工作效率，同时能够将经验丰富的医生的知识和系统融合。
技术实现思路
[0006]解决上述问题，本专利技术提供一种基于CT影像的脑部损伤检测辅助阅片方法，用于解决图像处理过程中速度慢、精度低的问题，只是解决了图像标注的问题，无法自动诊断脑部出现的各类的问题。
[0007]本专利技术采用的一个技术方案是：一种基于CT影像的脑部损伤检测辅助阅片方法，包括：步骤1：从病人数据库中获取患者数据；步骤2：对患者数据进行预处理；步骤3：基于脑部损伤检测模型对病人进行诊断；步骤4：诊断结果可视化；步骤5：将诊断结果保存至本地数据库；步骤6：定期对本地数据库于数据库内的数据进行优化。
[0008]进一步的，所述患者数据包括病人影像信息和病人状态信息，所述病人状态信息包括：患者ID、患者出生年月、患者性别、就诊记录等；所述就诊记录包括就诊时间、受伤过程描述、影像检查和病人描述等；
进一步的，所述数据预处理包括：病人状态描述预处理和病人影像信息预处理。
[0009]所述病人状态描述预处理包括：文本纠错、关键词提取、文本理解；所述病人影像信息预处理包括：DICOM格式转换、图像滤波、降噪、图像剪裁和大小变换；进一步的，所述脑部检测损伤模型包括：脑部损伤定位模型、脑中线定位模型、脑室脑池诊断模型；进一步的，所述脑部损伤定位模型为基于Mask
‑
RCNN的损伤区域识别模型；所述脑中线定位模型为基于FCN的脑中线分割模型；所述脑室脑池诊断模型为基于DenseNet的二分类模型；进一步的，所述脑部损伤定位模型可以定位出颅骨骨折、脑部挫伤、颅内气体和脑部出血的症状。
[0010]所述脑中线定位模型可以获取病人的脑中线偏移距离；所述脑室脑池诊断模型可以获取病人的脑室脑池状况，所述状况包括受压形变或消失；进一步的，所述基于脑部损伤检测模型对病人进行诊断，包括判断病人是否患有脑疝症状，基于所述脑中线定位模型的诊断结果，可得知病人的脑中线偏移距离，当距离大于1cm时，将影响病人是否存在脑疝风险的判断；基于所述脑室脑池诊断模型，可得知病人是否存在脑室脑池受压形变或消失的情况，如有，将影响病人是否存在脑疝风险的判断。
[0011]进一步的，数据存储模块，用于获取病人影像信息、病人状态信息；数据预处理模块，用于调节病人影像信息、病人状态信息；模型训练模块，用于生成损伤诊断模型；自动诊断模块，用于诊断病人病情；移动端结果可视化模块，用于可视化损伤区域，生成诊断结果。
[0012]其中，所述本地端模型保存模块生成的损伤诊断模型，包括：脑部损伤定位模型、脑中线定位模型、脑室脑池诊断模型；本专利技术的有益效果是：现有技术下的阅片系统无法对多种损伤类型进行预判，无法为临床经验较少的医生提供辅助诊断意见。本专利提供的系统在现有技术的基础上，可将临床经验丰富的医生的诊断经验融合进算法中，为其他医生在诊断中提供辅助诊断。
附图说明
[0013]图1是一种基于CT影像的脑部损伤检测辅助阅片系统模块示意图。
[0014]图2是一种基于CT影像的脑部损伤检测辅助阅片系统的数据预处理模块示意图。
[0015]图3是一种基于CT影像的脑部损伤检测辅助阅片系统的可视化模块示意图。
具体实施方式
[0016]下面结合附图对本专利技术的较佳实施例进行详细阐述，以使本专利技术的优点和特征能更易于被本领域技术人员理解，从而对本专利技术的保护范围做出更为清楚明确的界定。
[0017]步骤1：从病人数据库中获取患者数据；
步骤2：对患者数据进行预处理；步骤3：基于脑部损伤检测模型对病人进行诊断；步骤4：诊断结果可视化；步骤5：将诊断结果保存至本地数据库；步骤6：定期对本地数据库于数据库内的数据进行优化。
[0018]进一步的，所述患者数据包括病人影像信息和病人状态信息，所述病人状态信息包括：患者ID、患者出生年月、患者性别、就诊记录等；所述就诊记录包括就诊时间、受伤过程描述、影像检查和病人描述等；进一步的，所述数据预处理包括：病人状态描述预处理和病人影像信息预处理；所述病人状态描述预处理包括：文本纠错、关键词提取、文本理解；所述病人影像信息预处理包括：DICOM格式转换、图像滤波、降噪、图像剪裁和大小变换；进一步的，所述脑部检测损伤模型包括：脑部损伤定位模型、脑中线定位模型、脑室脑池诊断模型；进一步的，所述脑部损伤定位模型为基于Mask
‑
RCNN的损伤区域识别模型；所述脑中线定位模型为基于FCN的脑中线分割模型；所述脑室脑池诊断模型为基于DenseNet的二分类模型；进一步的，所述脑部损伤定位模型可以定位出颅骨骨折、脑部挫伤、颅内气体和脑部出血的症状；所述脑中线定位模型可以获取病人的脑中线偏移距离；所述脑室脑池诊断模型可以获取病人的脑室脑池状况，所述状况包括受压形变或消失；进一步的，所述基于脑部损伤检测模型对病人进行诊断，包括判断病人是否患有脑疝症状，基于所述脑中线定位模型的诊断结果，可得知病人的脑中线偏移距离，当距离大于1cm时，将影响病人是否存在脑疝风险的判断；基于所述脑室脑池诊断模型，可得知病人是否存在脑室脑池受压形变或消失的情况，如有，将影响病人是否存在脑疝风险的判断。
[0019]进一步的，参见图1，数据存储模块，用于获取病人影像信息、病人状态信息；数据预处理模块，用于调节病人影像信息、病人状态信息；模型训练模块，用于生成损伤诊断模型；自动诊断模块，用于诊断病人病情；移动端结果可视化模块，用于可视化损伤区域，生成诊断结果。
[0020]其中，所述本地端模型保存模块生成的损伤诊断模型，包括：脑部损伤定位模型本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于CT影像的脑部损伤检测辅助阅片方法，其特征在于，包括以下步骤：步骤1：从病人数据库中获取患者数据；步骤2：对患者数据进行预处理；步骤3：基于脑部损伤检测模型对病人进行诊断；步骤4：诊断结果可视化；步骤5：将诊断结果保存至本地数据库；步骤6：定期对本地数据库于数据库内的数据进行优化。2.如权利要求1所述的一种基于CT影像的脑部损伤检测辅助阅片方法，其特征在于，所述患者数据包括病人影像信息和病人状态信息，所述病人状态信息包括：患者ID、患者出生年月、患者性别、就诊记录等；所述就诊记录包括就诊时间、受伤过程描述、影像检查和病人描述等。3.如权利要求1所述的一种基于CT影像的脑部损伤检测辅助阅片方法，其特征在于，所述数据预处理包括：病人状态描述预处理和病人影像信息预处理；所述病人状态描述预处理包括：文本纠错、关键词提取、文本理解；所述病人影像信息预处理包括：DICOM格式转换、图像滤波、降噪、图像剪裁和大小变换。4.如权利要求1所述的一种基于CT影像的脑部损伤检测辅助阅片方法，其特征在于，所述脑部检测损伤模型包括：脑部损伤定位模型、脑中线定位模型、脑室脑池诊断模型。5.如权利要求4所述的一种基于CT影像的脑部损伤检测辅助阅片方法，其特征在于，所述脑部损伤定位模型为基于Mask
‑
RCNN的损伤区域识别模型；所述脑中线定位模...
【专利技术属性】
技术研发人员：唐泳，王唯佳，杨晓帅，荣知钦，周祎楠，赵伟，
申请(专利权)人：北京富通东方科技有限公司，
类型：发明
国别省市：
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。