System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及肺炎预后状态评估,具体涉及一种肺炎预后状态预测方法、装置、设备及介质。
技术介绍
1、肺炎的早期识别有进展风险的患者可能有助于更多的个体化治疗计划和医疗资源的优化利用。现有技术中,胸部ct由于提供了丰富的病理相关信息及高灵敏度,已作为肺炎筛查的重要补充指标,而且ct检查也显示出其对住院肺炎患者随访评估的有效性。
2、但是目前依靠医生的判读主观评估感染程度效果欠佳,在胸部ct中对肺炎感染区域进行标注而实现定量评估是必要的。而医生手工标注肺部病变区域是一项繁琐而耗时的工作,在实际工作中不具有可操作性。由于缺乏准确量化感染区域及其纵向变化的自动化定位识别评估工具,临床常规影像报告仅能提供定性评价,无法对肺炎的预后状态进行精准评估,进而后续ct检查的细微变化往往被忽视。
技术实现思路
1、有鉴于此,本专利技术提供了一种肺炎预后状态预测方法、装置、设备及介质,以解决肺炎预后状态评估不准确的问题。
2、第一方面,本专利技术提供了一种肺炎预后状态预测方法,方法包括:
3、获取肺炎患者的肺部ct图像和临床特征指标数据;
4、将肺部ct图像分别输入三个预先构建的图像分割模型中,得到肺炎渗出区域掩膜分割图像、肺叶区域掩膜分割图像和肺血管区域掩膜分割图像;
5、根据肺炎渗出区域掩膜分割图像和肺叶区域掩膜分割图像计算肺炎区域体积占比,并根据肺血管区域掩膜分割图像计算细微肺血管容积占比;
6、按照肺炎渗出区域掩膜分割图像截
7、本专利技术实施例提供的肺炎预后状态预测方法,通过预先构建的图像分割模型对患者的肺部ct图像进行分割,并根据分割得到的掩膜分割图像计算得到肺炎区域体积占比和细微肺血管容积占比,并将对肺部ct图像进行截取获得的肺炎渗出区域ct图像、临床特征指标数据、肺炎区域体积占比和细微肺血管容积占比输入至预先构建的预后状态分类模型来对肺炎预后状态进行预测。本专利技术通过对胸部ct平扫图像进行自动识别定位,并与临床指标相结合进行预后状态预测,能够实现对肺炎患者预后状态的精准预测,以早期识别有进展风险的患者,更好地进行个体化治疗计划和医疗资源的优化利用,从而提高患者治疗效率,避免浪费有限的医疗资源。
8、在一种可选的实施方式中,肺炎渗出区域掩膜分割图像通过预先构建的肺炎区域分割模型识别得到、肺叶区域掩膜分割图像通过预先构建的肺叶区域分割模型识别得到、肺血管区域掩膜分割图像通过预先构建的肺血管区域分割模型识别得到,三个预先构建的图像分割模型均包括:输入单元、编码器和解码器;编码器为3d resnet架构,用于对输入单元的输入的肺部ct图像进行特征提取;解码器为u型模型架构,用于根据所提取特征生成对应分割目标的掩膜分割图像。
9、本专利技术通过构建不同的图像分割模型,能够自动识别定位肺炎渗出区域、肺叶区域和肺血管区域,自动评估肺炎体积占比和细微肺血管容积占比,避免医生手工标注肺部病变区域的繁琐性和不可操作性,从而为肺炎预后状态预测提供更精准的数据依据,从而提高预后状态预测的精确度。
10、在一种可选的实施方式中,根据肺炎渗出区域掩膜分割图像和肺叶区域掩膜分割图像计算肺炎区域体积占比的过程包括:根据肺炎渗出区域掩膜分割图像计算肺炎体积;根据肺叶区域掩膜分割图像获取左上叶区域图像、左下叶区域图像、右上叶区域图像和右下叶区域图像,并计算左上叶体积、左下叶体积、右上叶体积、右下叶体积和肺叶总体积;根据肺炎体积和左上叶体积、左下叶体积、右上叶体积或右下叶体积,计算肺叶区域的肺炎区域体积占比;根据肺炎体积和肺叶总体积,计算全肺区域的肺炎区域体积占比。
11、本专利技术通过对肺炎区域在各肺叶和全肺的占比分别进行计算,能够详细获取当前患者肺炎的实际发展情况,保证预测模型的输入数据全面而精准,从而根据实际发展情况和其他指标数据进行更精准的预后状态预测。
12、在一种可选的实施方式中,根据肺血管区域掩膜分割图像计算细微肺血管容积占比的过程,包括:根据肺血管区域掩膜分割图像计算全肺血管容积;根据肺血管区域掩膜分割图像筛选肺血管横截面积小于预设尺寸的细微肺血管,并计算细微肺血管容积;计算细微肺血管容积与全肺血管容积的比值,得到细微肺血管容积占比。
13、本专利技术考虑到肺炎会使肺部血管容积发生变换,选取对变化比较敏感的肺血管横截面积小于预设尺寸的细微肺血管进行计算,能够更准确的捕捉肺炎状态,从而提高预后状态预测的精确度。
14、在一种可选的实施方式中,预后状态分类模型的构建过程,包括:获取已知预后状态的历史肺部ct图像,并对已知预后状态的历史肺部ct图像中进行标注;获取与已知预后状态的历史肺部ct图像对应的历史临床特征指标数据;对标注后的历史肺部ct图像进行数据转换处理,数据转换处理包括:随机窗口归一化处理、感兴趣体扩张和数据裁剪;构建初始预后状态分类模型;将数据转化处理后的历史肺部ct图像和历史临床特征指标数据输入至初始预后状态分类模型进行训练,获得最终的预后状态分类模型。
15、本专利技术通过在模型训练前先对数据进行数据转换处理,能够平衡像素强度值并缩小感兴趣区,增强模型的泛化能力,从而提高模型对新数据的适应性,提高模型对肺炎预后状态预测的精度。
16、在一种可选的实施方式中,预后状态分类模型包括:图像单输入模型和图像指标双输入模型;图像单输入模型的输入为肺部ct图像;图像指标双输入模型的输入包括:肺部ct图像和肺炎相关指标数据;其中,肺炎相关指标数据包括:肺炎区域体积占比、细微肺血管容积占比和临床特征指标数据,临床特征指标数据包括:年龄、性别、吸烟时间、是否患有糖尿病、是否患有慢阻肺、白介素6和凝血指标。
17、本专利技术通过构建的预后状态分类模型能够灵活选择仅根据ct图像进行预后状态预测,或根据ct图像和肺炎相关指标进行预后状态预测,提高预测模型的适用性。
18、在一种可选的实施方式中,对肺炎预后状态进行预测的过程,包括:肺炎有无进展风险;若肺炎有进展风险,则进一步预测肺炎患者的进展状况,进展状况包括:是否需要住院、是否需要气管插管或是否有死亡风险。
19、本专利技术通过判断肺炎有无进展风险,和有进展风险时的具体进展状况,能够早期识别有进展风险的患者,从而更好地进行个体化治疗计划和医疗资源的优化利用,提高患者治疗效率,避免浪费有限的医疗资源。
20、第二方面,本专利技术提供了一种肺炎预后状态预测装置,装置包括:
21、数据获取模块,用于获取肺炎患者的肺部ct图像和临床特征指标数据;
22、图像分割模块,用于将肺部ct图像分别输入三个预先构建的图像分割模型中,得到肺炎渗出区域掩膜分割图像、肺叶区域掩膜分割图像和肺血管区域掩膜分割图像;
23、指本文档来自技高网...
【技术保护点】
1.一种肺炎预后状态预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述肺炎渗出区域掩膜分割图像通过预先构建的肺炎区域分割模型识别得到、所述肺叶区域掩膜分割图像通过预先构建的肺叶区域分割模型识别得到、所述肺血管区域掩膜分割图像通过预先构建的肺血管区域分割模型识别得到,三个预先构建的图像分割模型均包括:输入单元、编码器和解码器;
3.根据权利要求2所述的方法,其特征在于,所述根据所述肺炎渗出区域掩膜分割图像和所述肺叶区域掩膜分割图像计算肺炎区域体积占比的过程包括:
4.根据权利要求2所述的方法,其特征在于,所述根据所述肺血管区域掩膜分割图像计算细微肺血管容积占比的过程,包括:
5.根据权利要求1所述的方法,其特征在于,所述预后状态分类模型的构建过程,包括:
6.根据权利要求5所述的方法,其特征在于,所述预后状态分类模型包括:图像单输入模型和图像指标双输入模型;
7.根据权利要求1所述的方法,其特征在于,所述对肺炎预后状态进行预测的过程,包括:
8.一种肺炎预后状态预测装置,其
9.一种计算机设备,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1至7中任一项所述的肺炎预后状态预测方法。
...【技术特征摘要】
1.一种肺炎预后状态预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述肺炎渗出区域掩膜分割图像通过预先构建的肺炎区域分割模型识别得到、所述肺叶区域掩膜分割图像通过预先构建的肺叶区域分割模型识别得到、所述肺血管区域掩膜分割图像通过预先构建的肺血管区域分割模型识别得到,三个预先构建的图像分割模型均包括:输入单元、编码器和解码器;
3.根据权利要求2所述的方法,其特征在于,所述根据所述肺炎渗出区域掩膜分割图像和所述肺叶区域掩膜分割图像计算肺炎区域体积占比的过程包括:
4.根据权利要求2所述的方法,其特征在于,所述根据所述肺血管区域掩膜分割图像计算细微肺血管容积占...
【专利技术属性】
技术研发人员:高莉,张晓东,王霄英,刘婧,刘佳,刘建新,邱建星,
申请(专利权)人:北京大学第一医院,
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。