基于CT图像的慢性鼻窦炎伴鼻息肉内在型预测方法及系统技术方案

本发明专利技术公开了一种基于CT图像的慢性鼻窦炎伴鼻息肉内在型预测方法及系统，方法包括以下步骤：构建慢性鼻窦炎伴鼻息肉数据库，包含轴位、冠状位、矢状位层面的鼻窦CT图像，对图像进行数据标准化后，对鼻窦区域进行图像标注；设计多通道轻量级卷积网络模型，接收轴位、冠状位、矢状位层面的鼻窦CT图像，学习图像的微观深层特征，输出内在型类别为嗜酸性或非嗜酸性；利用慢性鼻窦炎伴鼻息肉数据库对多通道轻量级卷积网络模型进行训练，获得预测模型；利用预测模型实现慢性鼻窦炎伴鼻息肉的内在型预测。本发明专利技术实现了基于CT图像的CRSwNP内在型的精准预测，区分eCRSwNP和Non‑eCRSwNP，从而更快速、准确地预测CRSwNP。

【技术实现步骤摘要】

本专利技术涉及医工交叉领域，尤其涉及基于ct图像的慢性鼻窦炎伴鼻息肉内在型预测方法及系统。

技术介绍

1、检慢性鼻窦炎(crs)是一种常见的上呼吸道异质性炎症性疾病，因其发病率高(约10％)、复发率高(约50％)和医疗费用高(约330亿美元/年)而严重影响患者的生活质量。临床上将crs患者分为两类：合并鼻息肉的crssnp和不合并鼻息肉的crswnp。研究表明，33.7％的crswnp患者和20.97％的crssnp患者在规范治疗1年后临床结局仍为难治/复发，而crswnp患者术后2年的复发率可高达55.3％。由此可见，患者在人口学特征、合并症和对治疗的反应方面存在很大差异。因此，深入了解crs的内在型对实现crs的精确治疗非常重要。内在型是指基于细胞、分子和免疫机制的功能和病理疾病亚型，是指具有一些共同生物学特征的特定人群。目前，国内外临床指南根据crs患者的生理病理机制将其分为嗜酸性慢性鼻炎(ecrs)和非嗜酸性慢性鼻炎(non-ecrs)。通过研究crs患者的生物标志物和分子机制，可以对其进行准确分类，解释疾病特征，准确诊断和治疗，并通过内在特异性基本文档来自技高网...

【技术保护点】

1.一种基于CT图像的慢性鼻窦炎伴鼻息肉内在型预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于CT图像的慢性鼻窦炎伴鼻息肉内在型预测方法，其特征在于，所述多通道轻量级卷积网络模型包括：

3.根据权利要求2所述的基于CT图像的慢性鼻窦炎伴鼻息肉内在型预测方法，其特征在于，所述特征提取通道由一个卷积、池化层以及四个卷积块所构成；

4.根据权利要求3所述的基于CT图像的慢性鼻窦炎伴鼻息肉内在型预测方法，其特征在于，所述卷积注意力模块接收特征图作为输入，先送入通道注意力子模块中推导出一个1D的通道注意力图将Mc(F)与F进行逐元素相乘得到特征...

【技术特征摘要】

1.一种基于ct图像的慢性鼻窦炎伴鼻息肉内在型预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于ct图像的慢性鼻窦炎伴鼻息肉内在型预测方法，其特征在于，所述多通道轻量级卷积网络模型包括：

3.根据权利要求2所述的基于ct图像的慢性鼻窦炎伴鼻息肉内在型预测方法，其特征在于，所述特征提取通道由一个卷积、池化层以及四个卷积块所构成；

4.根据权利要求3所述的基于ct图像的慢性鼻窦炎伴鼻息肉内在型预测方法，其特征在于，所述卷积注意力模块接收特征图作为输入，先送入通道注意力子模块中推导出一个1d的通道注意力图将mc(f)与f进行逐元素相乘得到特征图f′；然后f′送入空间注意力子模块中推导出一个2d的空间注意力图将ms(f′)与f′进行逐元素相乘得到特征图f″作为输出；

5.根据权利要求3所述的基于ct图像的慢性鼻窦炎伴鼻息肉内在型预测方法，其特征在于，所述卷积块还包括深度残差网络。

6.根据权利要求5所述的基于ct图像的慢性鼻窦炎伴鼻息肉内在型预测方法，其特征在于，所述深度残差网络的结构为依次连接的第一...

【专利技术属性】
技术研发人员：张晓磊，赖仕欣，林宇，康伟骠，陈耀文，
申请(专利权)人：汕头大学医学院第二附属医院，
类型：发明
国别省市：