本发明专利技术涉及一种基于肺部主支气管分叉点的肺结节历史检查对比方法、装置/设备/系统、介质及产品，通过深度学习算法和图像处理技术的协同应用，极大地提高了肺结节检测和历史对比的效率与准确性，该方法避免了医生手动查找病灶对应位置的繁琐步骤，使得医生能够将更多的时间和精力投入到其他关键的医疗任务中，这种自动化的处理方式不仅大幅提升了阅片效率，而且通过释放医生的时间，使得他们能够处理更多的病例，从而节约了宝贵的人力资源和物力，此外，本申请公布的方法还显著提高了诊断的准确性，使医生能够更加精确地观察和分析肺结节的变化，避免了因长时间观察而导致的人眼疲劳和主观判断误差。
【技术实现步骤摘要】
本专利技术涉及医学图像处理，特别是一种基于肺部主支气管分叉点的肺结节历史检查对比方法、装置/设备/系统、介质及产品。
技术介绍
1、肺癌的症状与肿瘤的大小、位置和生长速度紧密相关，而目前肺癌患者的五年生存率仅为10％-16％，约70％的患者在确诊时已处于晚期，错失了最佳治疗时机。因此，开发高效、先进的技术手段，构建智慧医疗平台，对于实现肺癌的早期筛查和治疗具有重大意义。
2、在这一背景下，ai辅助诊断技术的快速发展为提高健康意识、实现定期体检和早期预防提供了有力的科学支撑。特别是对于已经发现肺部小结节的患者，通过定期的病情随访，可以及时发现早期潜在的问题，并采取相应的干预措施，防止病情恶化。这种筛查与随访相结合的方式，有助于实现早发现、早治疗，从而延长患者的生存期，减轻患者及其家庭的经济和精神负担，具有重要的临床指导价值。
3、然而，传统的肺部病例历史检查随访方式存在一定的局限性：首先，医生通常需要凭借经验和观察，对当前检查与之前多次拍摄的ct图像进行对比分析，这种方法不仅无法全面了解患者疾病的发展趋势，其次，目前的诊断和治疗的结果很大程度上依赖于医生的个人经验和判断力，难以实现个性化治疗。
4、此外，随着计算机辅助诊断系统的兴起，虽然医生可以依据计算机辅助的检查结果，与最近几次的检查结果进行对比，但这种方法缺乏统一性和规范性，不同的医生可能会得出不同的评估结果。更为重要的是，随着影像数据量的急剧增长，传统的手工查阅方式显得越来越繁琐和耗时，已经无法满足当前临床对实时性随访的需求。
r/>技术实现思路
1、为了解决上述问题，本专利技术提供了一种大幅提升了阅片效率，节约了宝贵的人力资源和物力，使医生能够更加精确地观察和分析肺结节的变化的基于肺部主支气管分叉点的肺结节历史检查对比方法、装置/设备/系统、介质及产品。
2、为了达到上述目的，本专利技术提供一种基于肺部主支气管分叉点的肺结节历史检查对比方法，包括以下步骤：
3、ⅰ.对患者随访间隔时间最近的检查病例肺部ct图像，利用深度学习算法进行相同的支气管树分割；
4、ⅱ.从支气管树分割结果中，利用图像处理算法提取肺部主支气管的分叉点；
5、ⅲ.以分叉点为参考点，计算出历史检查中所有检测到的肺结节相对于该分叉点的三维坐标；
6、ⅳ.将计算得出的肺结节三维坐标，与患者最新检查记录中的肺结节坐标进行一一匹配；
7、ⅴ.在图像界面上展示该次检查的肺结节，以及与当前展示肺结节相匹配的历史检查中的对应肺结节。
8、进一步的技术方案是，所述深度学习算法是基于卷积神经网络的模型，用于对肺部ct图像进行特征提取、支气管树分割和肺结节检测。
9、进一步的技术方案是，所述图像处理算法包括：
10、ⅰ.从支气管树分割结果中去除肺内部分支，只保留包含主气管的部分支气管；
11、ⅱ.对步骤ⅰ中所保留部分应用3d骨架提取算法，获取剩余肺部支气管树的整体骨架像素结构；
12、ⅲ.采用卷积核为3×3的多维卷积对骨架结构进行卷积运算，检测支气管分叉点位置；
13、ⅳ.对步骤ⅲ的结果应用距离转换，计算出图像中非零点到最近背景点的距离，实现对支气管分叉点的标记。
14、进一步的技术方案是，利用树的基本原理去除肺内部分支并检测支气管分叉点位置，具体步骤包括：
15、a).基于树状结构特征识别出整个支气管树中的主气管和支气管；
16、b).遍历包含气管掩码的当前层，确定主气管和支气管的位置；
17、c).识别位于步骤b)层的下一层，该层仅包含左右主支气管，定义该层为分叉层；
18、d).在分叉层中，在支气管树的整体骨架像素结构上，确定支气管分叉处的点作为分叉点；
19、e).生成并展示分叉层及相邻下层的横断面对比图，以识别和校验分叉点位置。
20、本申请实施例提供一种计算机装置/设备/系统，包括：
21、存储器，用于存储可执行指令；
22、处理器，用于执行所述存储器中存储的可执行指令时，实现本申请实施例提供的基于肺部主支气管分叉点的肺结节历史检查对比方法。
23、本申请实施例提供一种计算机可读存储介质，其中存储有计算机可执行指令，当计算机可执行指令被处理器执行时，将引起处理器执行本申请实施例提供的基于肺部主支气管分叉点的肺结节历史检查对比方法。
24、本申请实施例提供了一种计算机程序产品，该计算机程序产品包括计算机程序或计算机可执行指令，该计算机程序或计算机可执行指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机可执行指令，处理器执行该计算机可执行指令，使得该电子设备执行本申请实施例提供的基于肺部主支气管分叉点的肺结节历史检查对比方法。
25、本专利技术所设计的基于肺部主支气管分叉点的肺结节历史检查对比方法、装置/设备/系统、介质及产品，通过深度学习算法和图像处理技术的协同应用，极大地提高了肺结节检测和历史对比的效率与准确性，该方法避免了医生手动查找病灶对应位置的繁琐步骤，使得医生能够将更多的时间和精力投入到其他关键的医疗任务中。这种自动化的处理方式不仅大幅提升了阅片效率，而且通过释放医生的时间，使得他们能够处理更多的病例，从而节约了宝贵的人力资源和物力，此外，该方法还显著提高了诊断的准确性，使医生能够更加精确地观察和分析肺结节的变化，避免了因长时间观察而导致的人眼疲劳和主观判断误差，有效降低了不必要的诊断误差，为患者提供了更加精准的治疗方案。
本文档来自技高网...
【技术保护点】
1.一种基于肺部主支气管分叉点的肺结节历史检查对比方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于肺部主支气管分叉点的肺结节历史检查对比方法，其特征在于，所述深度学习算法是基于卷积神经网络的模型，用于对肺部CT图像进行特征提取、支气管树分割和肺结节检测。
3.根据权利要求1所述的基于肺部主支气管分叉点的肺结节历史检查对比方法，其特征在于，所述图像处理算法包括：
4.根据权利要求3所述的基于肺部主支气管分叉点的肺结节历史检查对比方法，其特征在于，利用树的基本原理去除肺内部分支并检测支气管分叉点位置，具体步骤包括：
5.一种计算机装置/设备/系统，包括：
6.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令被处理器执行时，实现权利要求1-4任一项所述的基于肺部主支气管分叉点的肺结节历史检查对比方法。
7.一种计算机程序产品，包括计算机程序/指令，其特征在于，包括计算机程序或计算机可执行指令，其特征在于，所述计算机程序或计算机可执行指令被处理器执行时，实现权利要求1-4任一项所述的基于肺部主支气管分叉点的肺结节历史检查对比方法。
...
【技术特征摘要】
1.一种基于肺部主支气管分叉点的肺结节历史检查对比方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于肺部主支气管分叉点的肺结节历史检查对比方法，其特征在于，所述深度学习算法是基于卷积神经网络的模型，用于对肺部ct图像进行特征提取、支气管树分割和肺结节检测。
3.根据权利要求1所述的基于肺部主支气管分叉点的肺结节历史检查对比方法，其特征在于，所述图像处理算法包括：
4.根据权利要求3所述的基于肺部主支气管分叉点的肺结节历史检查对比方法，其特征在于，利用树的基本原理去除肺内部分支...
【专利技术属性】
技术研发人员：王晓娜，易少平，贾禄帅，陈定苗，唐武斌，杨文跃，蔡华满，
申请(专利权)人：宁波市科技园区明天医网科技有限公司，
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。