一种基于CT图像的新冠肺炎病灶发展趋势预测方法技术

本发明专利技术公开了一种基于CT图像的新冠肺炎病灶发展趋势预测方法，包括以下步骤：步骤S1、获取目标确诊对象的现时新冠肺炎病灶CT图像和历史新冠肺炎病灶CT图像，并分别提取出现时新冠肺炎病灶表征数据和历史新冠肺炎病灶表征数据；步骤S2、设置康复新冠肺炎病灶表征数据，并引入人工势场法构建现时引力势场，现时斥力势场，以及构建现时合力场；步骤S3、基于所述现时合力场的势场方向进行发展趋势方向预测，并沿发展趋势方向进行定向发展得到目标确诊对象的未来新冠肺炎病灶表征数据。本发明专利技术引入人工势场法进行新冠肺炎病灶发展趋势的预测，能够充分考虑阻滞新冠肺炎病灶朝康复方向发展的因素影响，避免数据趋势对于预测场景脱离。离。离。

【技术实现步骤摘要】
一种基于CT图像的新冠肺炎病灶发展趋势预测方法


[0001]本专利技术涉及新冠肺炎
，具体涉及一种基于CT图像的新冠肺炎 病灶发展趋势预测方法。

技术介绍

[0002]新冠肺炎是一种传染性极强的疾病，新型冠状病毒肺炎以发热、干咳、 乏力等为主要表现，少数患者伴有鼻塞、流涕、腹泻等上呼吸道和消化道症 状。重症病例多在1周后出现呼吸困难，严重者快速进展为急性呼吸窘迫综 合征、脓毒症休克、难以纠正的代谢性酸中毒和出凝血功能障碍及多器官功 能衰竭等，监测患者肺部功能是一种有效判定患者康复情况的诊疗手段。
[0003]目前已研发出相应的病灶发展趋势预测方法，该方法能够根据用户的基 本数据，进行相关的病历搜寻，并在搜寻的基础上进行相关病历情况的匹配， 在最为类似的情况下，进行相关的病灶康复趋势的统计。然而，现有的病灶 发展趋势预测方法是通过人工对大量病历及检查结果进行评估，以对检测对 象的病灶发展趋势进行预测，其并不能真实反映检测对象的真实病灶发展趋 势，存在预测准确度低的问题。

技术实现思路

[0004]本专利技术的目的在于提供一种基于CT图像的新冠肺炎病灶发展趋势预测 方法，以解决现有技术中预测准确率低的技术问题。
[0005]为解决上述技术问题，本专利技术具体提供下述技术方案：
[0006]一种基于CT图像的新冠肺炎病灶发展趋势预测方法，包括以下步骤：
[0007]步骤S1、获取目标确诊对象的现时新冠肺炎病灶CT图像和历史新冠肺炎 病灶CT图像，并在现时新冠肺炎病灶CT图像和历史新冠肺炎病灶CT图像中 分别提取出现时新冠肺炎病灶表征数据和历史新冠肺炎病灶表征数据；
[0008]步骤S2、设置表征新冠肺炎康复的新冠肺炎病灶表征数据作为康复新冠 肺炎病灶表征数据，并引入人工势场法基于所述现时新冠肺炎病灶表征数据 和康复新冠肺炎病灶表征数据构建现时引力势场，基于历史新冠肺炎病灶表 征数据和现时新冠肺炎病灶表征数据构建现时斥力势场，以及基于现时引力 势场和现时斥力势场构建现时合力场；
[0009]步骤S3、基于所述现时合力场的势场方向对所述现时新冠肺炎病灶表征 数据进行发展趋势方向预测，并基于现时合力场的势场强度对所述现时新冠 肺炎病灶表征数据沿发展趋势方向进行定向发展得到目标确诊对象的未来新 冠肺炎病灶表征数据，以实现对目标确诊对象新冠肺炎病灶的发展趋势进行 预测。
[0010]作为本专利技术的一种优选方案，所述获取目标确诊对象的现时新冠肺炎病 灶CT图像和历史新冠肺炎病灶CT图像，包括：
[0011]利用YOLO V3算法在目标确诊对象的现时肺部CT图像和历史肺部CT图 像中分别获取出表征新冠肺炎病灶的现时新冠肺炎病灶CT图像和历史肺炎病 灶图像，所述现时肺
部CT图像为当前时序处目标确诊对象的肺部CT图像， 所述历史肺部CT图像为位于现时肺部CT图像前置时序的肺部CT图像。
[0012]作为本专利技术的一种优选方案，所述在现时新冠肺炎病灶CT图像和历史新 冠肺炎病灶CT图像中分别提取出现时新冠肺炎病灶表征数据和历史新冠肺炎 病灶表征数据，包括：
[0013]在所述现时新冠肺炎病灶CT图像/历史新冠肺炎病灶CT图像中分别提取 新冠肺炎病灶的组织位置、组织形态、组织纹理和组织灰度作为现时新冠肺 炎病灶表征数据/历史新冠肺炎病灶表征数据，所述组织位置、组织形态、组 织纹理和组织灰度均为现时新冠肺炎病灶表征数据/历史新冠肺炎病灶表征数 据的分量数据项。
[0014]作为本专利技术的一种优选方案，所述设置表征新冠肺炎康复的新冠肺炎病 灶表征数据作为康复新冠肺炎病灶表征数据，包括：
[0015]设置表征新冠肺炎病灶康复状态的组织位置、组织形态、组织纹理和组 织灰度作为所述康复新冠肺炎病灶表征数据。
[0016]作为本专利技术的一种优选方案，所述引入人工势场法基于所述现时新冠肺 炎病灶表征数据和康复新冠肺炎病灶表征数据构建现时引力势场，包括：
[0017]构建康复新冠肺炎病灶表征数据对现时新冠肺炎病灶表征数据的引力势 场，所述引力势场的势场函数为：
[0018][0019]式中，U
a
表征为引力势场的势场强度，K
a
表征为引力势场的比例系数， X
new
表征为现时新冠肺炎病灶表征数据的矩阵形式，X
g
o
al
表征为康复新冠 肺炎病灶表征数据的矩阵形式，||X
new
‑
X
g
oal||表征为X
new
和X
goal
间的欧 几里得距离。
[0020]作为本专利技术的一种优选方案，所述基于历史新冠肺炎病灶表征数据和现 时新冠肺炎病灶表征数据构建现时斥力势场，包括：
[0021]将所述历史新冠肺炎病灶表征数据与现时新冠肺炎病灶表征数据进行分 量相似度度量，并基于分量相似度在历史新冠肺炎病灶表征数据中提取出斥 力分量，所述斥力分量表征为新冠肺炎病灶朝康复方向发展的阻滞因素具象 化形成的数据分量数据项；
[0022]基于所述斥力分量，依次构建每个斥力分量对现时新冠肺炎病灶表征数 据的斥力势场，所述斥力势场的势场函数为：
[0023][0024]式中，U
r,j
表征为第j个斥力分量产生的斥力势场的势场强度，K
r
表征为 斥力势场的比例系数，t
j
表征为历史新冠肺炎病灶表征数据与现时新冠肺炎病 灶表征数据中第j个斥力分量间的欧几里得距离，t0表征为斥力分量的影响时 长，j为计量常数；
[0025]对所有斥力分量产生的斥力势场进行求和得到历史新冠肺炎病灶表征数 据和现时新冠肺炎病灶表征数据的现时斥力势场，所述现时斥力势场的势场 函数为：
[0026][0027]式中，U
r
表征为现时斥力势场的势场强度，M表征为斥力分量的总数目。
[0028]作为本专利技术的一种优选方案，所述将所述历史新冠肺炎病灶表征数据与 现时新冠肺炎病灶表征数据进行分量相似度度量，并基于分量相似度在历史 新冠肺炎病灶表征数据中提取出斥力分量，包括：
[0029]将所述历史新冠肺炎病灶表征数据与现时新冠肺炎病灶表征数据中每个 分量数据项进行分量相似度度量，所述分量相似度的度量公式为：
[0030][0031]式中，I
i
表征为历史新冠肺炎病灶表征数据与现时新冠肺炎病灶表征数据 中第i个分量数据项的分量相似度，X
old，i
表征为历史新冠肺炎病灶表征数据 中第i个分量数据项的矩阵形式，X
new，i
表征为现时新冠肺炎病灶表征数据中 第i个分量数据项的矩阵形式，||X
old，i
‑
X
new，i
||表征为X
old，i
和X
new，i
的欧 几里得距离，i为计量常数；<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图像的新冠肺炎病灶发展趋势预测方法，其特征在于，包括以下步骤：步骤S1、获取目标确诊对象的现时新冠肺炎病灶CT图像和历史新冠肺炎病灶CT图像，并在现时新冠肺炎病灶CT图像和历史新冠肺炎病灶CT图像中分别提取出现时新冠肺炎病灶表征数据和历史新冠肺炎病灶表征数据；步骤S2、设置表征新冠肺炎康复的新冠肺炎病灶表征数据作为康复新冠肺炎病灶表征数据，并引入人工势场法基于所述现时新冠肺炎病灶表征数据和康复新冠肺炎病灶表征数据构建现时引力势场，基于历史新冠肺炎病灶表征数据和现时新冠肺炎病灶表征数据构建现时斥力势场，以及基于现时引力势场和现时斥力势场构建现时合力场；步骤S3、基于所述现时合力场的势场方向对所述现时新冠肺炎病灶表征数据进行发展趋势方向预测，并基于现时合力场的势场强度对所述现时新冠肺炎病灶表征数据沿发展趋势方向进行定向发展得到目标确诊对象的未来新冠肺炎病灶表征数据，以实现对目标确诊对象新冠肺炎病灶的发展趋势进行预测。2.根据权利要求1所述的一种基于CT图像的新冠肺炎病灶发展趋势预测方法，其特征在于：所述获取目标确诊对象的现时新冠肺炎病灶CT图像和历史新冠肺炎病灶CT图像，包括：利用YOLO V3算法在目标确诊对象的现时肺部CT图像和历史肺部CT图像中分别获取出表征新冠肺炎病灶的现时新冠肺炎病灶CT图像和历史肺炎病灶图像，所述现时肺部CT图像为当前时序处目标确诊对象的肺部CT图像，所述历史肺部CT图像为位于现时肺部CT图像前置时序的肺部CT图像。3.根据权利要求2所述的一种基于CT图像的新冠肺炎病灶发展趋势预测方法，其特征在于：所述在现时新冠肺炎病灶CT图像和历史新冠肺炎病灶CT图像中分别提取出现时新冠肺炎病灶表征数据和历史新冠肺炎病灶表征数据，包括：在所述现时新冠肺炎病灶CT图像/历史新冠肺炎病灶CT图像中分别提取新冠肺炎病灶的组织位置、组织形态、组织纹理和组织灰度作为现时新冠肺炎病灶表征数据/历史新冠肺炎病灶表征数据，所述组织位置、组织形态、组织纹理和组织灰度均为现时新冠肺炎病灶表征数据/历史新冠肺炎病灶表征数据的分量数据项。4.根据权利要求3所述的一种基于CT图像的新冠肺炎病灶发展趋势预测方法，其特征在于：所述设置表征新冠肺炎康复的新冠肺炎病灶表征数据作为康复新冠肺炎病灶表征数据，包括：设置表征新冠肺炎病灶康复状态的组织位置、组织形态、组织纹理和组织灰度作为所述康复新冠肺炎病灶表征数据。5.根据权利要求4所述的一种基于CT图像的新冠肺炎病灶发展趋势预测方法，其特征在于：所述引入人工势场法基于所述现时新冠肺炎病灶表征数据和康复新冠肺炎病灶表征数据构建现时引力势场，包括：构建康复新冠肺炎病灶表征数据对现时新冠肺炎病灶表征数据的引力势场，所述引力势场的势场函数为：
式中，U
a
表征为引力势场的势场强度，K
a
表征为引力势场的比例系数，X
new
表征为现时新冠肺炎病灶表征数据的矩阵形式，X
goal
表征为康复新冠肺炎病灶表征数据的矩阵形式，||X
new
‑
X
goal
||表征为X
new
和X
goal
间的欧几里得距离。6.根据权利要求5所述的一种基于CT图像的新冠肺炎病灶发展趋势预测方法，其特征在于：所述基于历史新冠肺炎病灶表征数据和现时新冠肺炎病灶表征数据构建现时斥力势场，包括：将所述历史新冠肺炎病灶表征数据与现时新冠肺炎病灶表征数据进行分量相似度度量，并基于分量相似度在历史新冠肺炎病灶表征数据中提取出斥力分量，所述斥力分量表征为新冠肺炎病灶朝康复方向发展的阻滞因素具象化形成的数据分量数据项；基于所述斥力分量，依次构建每个斥力分量对现时新冠肺炎病灶表征数据的斥力势场，所述斥力势场的势场函数为：式中，U
r,j
表征为第j个斥力分量产生的斥...

【专利技术属性】
技术研发人员：郑传胜，杨帆，范文亮，聂壮，喻杰，张兰，孙文刚，金倩娜，吴绯红，陈乐庆，杨金荣，
申请(专利权)人：华中科技大学同济医学院附属协和医院，
类型：发明
国别省市：