一种基于多时间点CT影像分析的COVID-19预后评估方法及系统技术方案

本发明专利技术公开了一种基于多时间点CT影像分析的COVID

【技术实现步骤摘要】
一种基于多时间点CT影像分析的COVID
‑
19预后评估方法及系统


[0001]本专利技术属于医学影像处理
，尤其涉及一种基于多时间点CT影像分析的 COVID
‑
19预后评估方法及系统。

技术介绍

[0002]一种新型冠状病毒，可导致急性呼吸道疾病甚至致命的急性呼吸窘迫综合征，这种冠状病 毒感染的疾病被世界卫生组织(WHO)命名为2019冠状病毒病(COVID
‑
19)。截止到目前， COVID
‑
19病毒已变异多代，全球COVID
‑
19患者人数每天仍在不断增加。核酸检测(RT
‑
PCR) 被认为是COVID
‑
19检测的公认标准，可对COVID
‑
19感染做出明确诊断。然而核酸检测只能 确定患者是否感染COVID
‑
19，而无法预测患者在患病之后病情如何发展，如未来是否会出现 预后不良事件(病情急剧加重、ICU事件、机械插管、死亡等)。考虑到COVID<br/>‑
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多时间点CT影像分析的COVID
‑
19预后评估方法，其特征在于，包含如下步骤：对于待预后评估的患者对应的数据，选取其中初期1
‑
2次的CT数据进行预处理，得到3DCT数据；将所述3D CT数据输入到训练出的预后评估模型中，得到该患者是否会发生不良事件的概率；所述预后评估模型包括特征提取模块、3D病灶特征Attention模块、特征转化模块和分类模块；特征提取模块支持处理单个患者多次CT数据，共享网络结构，提取出多次CT数据之间的中间特征图谱；3D病灶特征Attention模块包含3D通道Attention模块和3D空间Attention模块，用于对特征提取层的得到的特征赋予权重信息；特征转化模块将特征提取模块提取的中间特征图谱和3D病灶特征Attention模块获取的特征权重信息进行合并，增强整个网络结构提取到的重要病灶特征，减弱与新冠肺炎本身不相关的特征，最后的分类模块将基于同一个患者多时间点CT纵向特征，通过可输出预后良好和预后不良概率值的分类网络，自动评估患者发生不良事件的可能性。2.根据权利要求1所述的基于多时间点CT影像分析的COVID
‑
19预后评估方法，其特征在于，所述预后评估模型经过以下步骤获得：S1，对COVID
‑
19患者CT数据做针对性预处理：包括多时间点CT配准、提取肺部区域、尺寸统一和像素归一化，生成网络输入需要的3D CT数据作为数据集；S2，构建基于多时间点CT影像分析的纵向预后预测网络：整个网络结构支持输入单个患者的多时间点CT数据，纵向预后预测网络包括特征提取模块、3D病灶特征Attention模块、特征转化模块以及分类模块；S3，基于预处理后的训练数据集，交叉熵损失作为目标函数，采用反向传播算法计算目标函数相对于纵向预后预测网络参数的梯度，用Adam优化算法学习网络的最优参数，得到用的预后评估模型。3.根据权利要求1所述的基于多时间点CT影像分析的COVID
‑
19预后评估方法，其特征在于，COVID
‑
19患者CT数据的针对性预处理的具体过程是：首先，合并2D CT切片扫描数据为3D CT数据；其次，对患者的多时间点CT数据进行配准；然后，为每个患者的CT数据标记边界框以提取肺区域；再次，统一网络训练的CT数据尺寸大小；最后归一化CT数据的像素值，得到3D CT数据。4.根据权利要求1所述的基于多时间点CT影像分析的COVID
‑
19预后评估方法，其特征在于，特征提取模块包含四层3D卷积结构，具体如下表所示：层号层结构F1Conv3D(1,32)@3
×3×
3+ReLU+MaxPool3D(2,2)F2Conv3D(32,64)@3
×3×
3+ReLU+MaxPool3D(2,2)F3Conv3D(64,128)@3
×3×
3+ReLU+MaxPool3D(2,2)F4Conv3D(128,256)@3
×3×
3+ReLU+MaxPool3D(2,2)。5.根据权利要求1所述的基于多时间点CT影像分析的COVID
‑
19预后评估方法，其特征在于，3D病灶特征Attention模块包含通道Attention模块和空间Att...

【专利技术属性】
技术研发人员：刘欢，金超，孙剑，杨鹤然，杨健，
申请(专利权)人：西安交通大学医学院第一附属医院，
类型：发明
国别省市：