腹侧位X线片智能评估系统及方法技术方案

本发明专利技术提供了一种腹侧位X线片智能评估系统，包括：图像筛选模块接收患者的DICOM图像，将符合预设条件的DICOM图像，定义为第一图像；分割数据获取模块将第一图像输入复数个深度学习模型进行图像分割，分别得到相应的分割数据；深度学习模型至少包括椎体及椎间隙分割模型、腹主动脉分割模型、腹主动脉血管壁钙化分割模型；定位数据获取模块基于椎体及椎间隙分割模型输出的分割数据，在第一图像上定位每个椎体的位置，并输出每个椎体的位置数据；钙化评估模块基于分割数据和位置数据，确定腹主动脉血管壁钙化评分，在影像结构化报告中生成诊断影像。本发明专利技术还公开了一种腹侧位X线片智能评估方法。本发明专利技术能够提升影像报告评价的准确性和一致性，提高了影像医生工作效率、诊断质量。量。量。

【技术实现步骤摘要】
腹侧位X线片智能评估系统及方法


[0001]本专利技术涉及医疗信息领域，更具体地，涉及一种腹侧位X线片智能评估系统及方法。

技术介绍

[0002]我国慢性肾脏病(chronic kidney disease，CKD)患病人数约1.3亿以上，发病率有逐年升高的趋势。据文献报道，非透析CKD患者血管壁钙化患病率约为50％，血透和腹透患者患病率超过80％。因此，在CKD的诊治过程中，应关注血管壁钙化并发症。对于CKD患者其血管壁钙化是预测心血管疾病的危险因素，也是CKD患者的病残率及死亡率增高的危险因素。2017年改善全球肾脏病预后组织(Kidney Disease:Improving Global Outcomes，KDIGO)公布的《慢性肾脏病
‑
矿物质和骨异常(CKD
‑
MBD)诊断、评估预防和治疗指南的更新版》以及2019年《中国慢性肾脏病
‑
矿物质和骨异常诊治指南》，均强调了血管钙化的早期筛查和监测，推荐对于CKD G3
‑
G5D期患者采用腹部侧位X线片检查是否存在血管钙化，当这类患者存在血管钙化时，将其心血管疾病风险列为最高级别。
[0003]Kauppila钙化积分法是腹主动脉钙化评估的常用方法。具体方法是以椎间隙中点为界，将腹主动脉分为前壁和后壁，分别评估每个椎体水平的腹主动脉钙化情况，计算每个椎体水平的评分和总分。与CT相比，这种评分方法的敏感性为60
‑
100％，特异度为100％。Kauppila钙化积分法由于检查方便、结果准确而成为临床常用的评价方法。但是影像医生使用本系统需要有一定的专业知识，需要记忆评分标准，且定量评分的工作较繁琐，评价的准确性和一致性不高，降低了工作效率。

技术实现思路

[0004]有鉴于此，本专利技术的主要目的在于提供一种腹侧位X线片智能评估系统及方法，能够解决现有技术中存在的对腹侧位X线片中腹主动脉钙化情况评估准确性和一致性不高的问题。
[0005]为达到上述目的，本专利技术的技术方案是这样实现的：
[0006]一方面，本专利技术提供了一种腹侧位X线片智能评估系统，该系统包括：图像筛选模块、分割数据获取模块、定位数据获取模块和钙化评估模块，其中，图像筛选模块，分别与定位数据获取模块、分割数据获取模块相连，用于接收患者的DICOM图像，将符合预设条件的所述DICOM图像，定义为第一图像；分割数据获取模块，分别与图像筛选模块、定位数据获取模块、钙化评估模块相连，用于将第一图像输入复数个深度学习模型进行图像分割，分别得到相应的分割数据；深度学习模型至少包括椎体及椎间隙分割模型、腹主动脉分割模型、腹主动脉血管壁钙化分割模型；定位数据获取模块，分别与图像筛选模块、分割数据获取模块、钙化评估模块相连，用于基于椎体及椎间隙分割模型输出的分割数据，在第一图像上定位每个椎体的位置，并输出每个椎体的位置数据；钙化评估模块，分别与定位数据获取模块、分割数据获取模块相连，用于基于分割数据和位置数据，确定腹主动脉血管壁钙化评
分，并在影像结构化报告中生成诊断影像。
[0007]优选地，椎体及椎间隙分割模型、腹主动脉分割模型、腹主动脉血管壁钙化分割模型依次连接，后面的深度学习模型使用前面的深度学习模型输出的分割数据。
[0008]优选地，深度学习模型为椎体及椎间隙分割模型时，输出的分割数据为L5椎体数据、其他腰椎椎体数据、L4
‑
5椎间隙数据、其他腰椎椎体间隙数据。
[0009]优选地，深度学习模型为腹主动脉分割模型时，基于L5椎体数据、其他腰椎椎体数据、L4
‑
5椎间隙数据、其他腰椎椎体间隙数据，输出的分割数据为腹主动脉区域数据。
[0010]优选地，深度学习模型为腹主动脉血管壁钙化分割模型时，首先对第一图像进行边缘增强处理，其次基于腹主动脉区域数据，输出的分割数据为腹主动脉血管壁钙化区域数据。
[0011]优选地，确定腹主动脉血管壁钙化评分包括：基于腹主动脉血管壁钙化区域数据及位置数据，首先计算每个椎体水平的钙化评分，其次计算腹主动脉血管壁钙化评分。
[0012]优选地，该系统还包括腹透管评估模块，分别与图像筛选模块、钙化评估模块相连，用于在第一图像上分割出腹透管，输出腹透管区域数据，基于腹透管区域数据，判断腹透管位置是否正常，将正常数据或异常数据返回到影像结构化报告中。
[0013]另一方面，本专利技术还提供了一种腹侧位X线片智能评估方法，包括：接收患者的DICOM图像，将符合预设条件的DICOM图像，定义为第一图像；将第一图像输入复数个深度学习模型进行图像分割，分别得到相应的分割数据；深度学习模型至少包括椎体及椎间隙分割模型、腹主动脉分割模型、腹主动脉血管壁钙化分割模型；基于椎体及椎间隙分割模型输出的分割数据，在第一图像上定位每个椎体的位置，并输出每个椎体的位置数据；基于分割数据和位置数据，确定腹主动脉血管壁钙化评分，并在影像结构化报告中生成诊断影像。
[0014]优选地，深度学习模型为椎体及椎间隙分割模型时，输出的分割数据为L5椎体数据、其他腰椎椎体数据、L4
‑
5椎间隙数据、其他腰椎椎体间隙数据。
[0015]优选地，深度学习模型为腹主动脉分割模型时，基于L5椎体数据、其他腰椎椎体数据、L4
‑
5椎间隙数据、其他腰椎椎体间隙数据，输出的分割数据为腹主动脉区域数据。
[0016]优选地，深度学习模型为腹主动脉血管壁钙化分割模型时，首先对第一图像进行边缘增强处理，其次基于腹主动脉区域数据，输出的分割数据为腹主动脉血管壁钙化区域数据。
[0017]优选地，确定腹主动脉血管壁钙化评分包括：基于腹主动脉血管壁钙化区域数据及位置数据，首先计算每个椎体水平的钙化评分，其次计算腹主动脉血管壁钙化评分。
[0018]优选地，深度学习模型还包括腹透管分割模型，在第一图像上分割出腹透管，输出腹透管区域数据。
[0019]优选地，该方法还包括：基于腹透管区域数据，判断腹透管位置是否正常，将正常数据或异常数据返回到影像结构化报告中。
[0020]本专利技术的技术效果：
[0021]本专利技术的系统将AI模型和基于规则的程序应用于腹侧位X线片上腹主动脉钙化的评估，得到腹侧位X线片上腹主动脉血管壁钙化评估的智能报告，将其接入PACS/RIS，可在图像采集完成后，对图像进行分割、定位，利用分割数据和定位数据，自动生成钙化评分，并将结果自动传入结构化报告中；同时，自动评估慢性肾脏病(CKD)患者腹部透析置管的情
况，并同步到结构化报告中，做出全面的定性、定量诊断，提升了影像报告评价的准确性和一致性，提高了影像医生的工作效率、诊断质量。
附图说明
[0022]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0023]图1示出了根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种腹侧位X线片智能评估系统，其特征在于，该系统包括：图像筛选模块、分割数据获取模块、定位数据获取模块和钙化评估模块，其中，所述图像筛选模块，分别与所述定位数据获取模块、所述分割数据获取模块相连，用于接收患者的DICOM图像，将符合预设条件的所述DICOM图像，定义为第一图像；所述分割数据获取模块，分别与所述图像筛选模块、所述定位数据获取模块、所述钙化评估模块相连，用于将所述第一图像输入复数个深度学习模型进行图像分割，分别得到相应的分割数据；所述深度学习模型至少包括椎体及椎间隙分割模型、腹主动脉分割模型、腹主动脉血管壁钙化分割模型；所述定位数据获取模块，分别与所述图像筛选模块、所述分割数据获取模块、所述钙化评估模块相连，用于基于所述椎体及椎间隙分割模型输出的分割数据，在所述第一图像上定位每个椎体的位置，并输出每个椎体的位置数据；所述钙化评估模块，分别与所述定位数据获取模块、所述分割数据获取模块相连，用于基于所述分割数据和所述位置数据，确定腹主动脉血管壁钙化评分，并在影像结构化报告中生成诊断影像。2.根据权利要求1所述的腹侧位X线片智能评估系统，其特征在于，所述椎体及椎间隙分割模型、所述腹主动脉分割模型、所述腹主动脉血管壁钙化分割模型依次连接，后面的深度学习模型使用前面的深度学习模型输出的分割数据。3.根据权利要求1所述的腹侧位X线片智能评估系统，其特征在于，所述深度学习模型为椎体及椎间隙分割模型时，输出的分割数据为L5椎体数据、其他腰椎椎体数据、L4
‑
5椎间隙数据、其他腰椎椎体间隙数据。4.根据权利要求3所述的腹侧位X线片智能评估系统，其特征在于，所述深度学习模型为腹主动脉分割模型时，基于所述L5椎体数据、所述其他腰椎椎体数据、所述L4
‑
5椎间隙数据、所述其他腰椎椎体间隙数据，输出的分割数据为腹主...

【专利技术属性】
技术研发人员：王可欣，王霄英，岳新，王祥鹏，
申请(专利权)人：北京赛迈特锐医疗科技有限公司，
类型：发明
国别省市：