[发明专利]基于结构化报告模板的医学影像知识库建立方法

说明书

技术领域

本发明属医学影像信息处理及应用领域，涉及一种医学影像数据收集采集方法，具体涉及一种基于对医学影像特征进行本体形式的结构化转换，建立知识库的方法。

背景技术

随着医疗领域进入了“大数据时代”，伴随而来的就是以下两个课题。一个课题，如何利用数据创新探索医学科学，如何在庞大的数据资源中快速获取信息以提升医疗水平，是亟待探讨的现实问题。另一个课题，随着“规范-精准医疗”理念的推行，个性化的治疗也要求对病证表现进行规范及全面的评估。

众所周知，医学影像作为疾病征象的最大信息来源，占全部临床医学信息数据量的80％以上，是病证的最大信息来源。随着医疗进入大数据时代，医学影像的非结构化属性无法满足大数据分析对数据质量的要求，而传统“随机分析”或“抽样调查”的知识获取方法也不能有效利用全部数据资源。目前，尚需要一种能通过标准化流程和工具对医学影像信息进行结构化转换，建立影像循证知识库的方法，对医学研究提供精准的影像数据支持。

发明内容

针对现有技术存在的上述缺陷，以提高数据可用性为目的，通过本体的定义，病证的结构化，关键影像的提取表达、医学本体知识库的构建，把多模态存储的医学影像转换成结构化的“大数据”，实现数据创新与增值，为医学研究提供精准数据支持。

本发明所述的基于结构化报告模板的医学影像知识库建立方法，包括如下步骤：

步骤一：医学影像特征本体的建立：医学影像特征本体的类别包括解剖结构、影像特征、病证表现和诊断结论；

步骤二：定义病证的标准：以专家共识、诊断指南为依据，对报告模板所涉及的部位预先定义可能存在的病证与诊断结论，病证表现及诊断结论通过代码进行检索；

步骤三：以结构化数据为元素的报告模板的设计：报告模板包括文本报告模板和图文报告模板；

步骤四：知识元素的形成与信息交换：将报告模板根据CDA进行存储，通过人工解读，将图像转换成计算机可读的特征；

步骤五：学习法则建立：将上述特征作为深度学习的输入值，应用深度学习方法查找影像表现特征与诊断结果的关系。

优选地，所述步骤一中，医学影像特征本体的建立包括如下小步：

S1：列出每一类所涉及到的词条；

S2：根据词条的固有属性和专属特征进行归纳和修改，对词条建立类别以及层级化的分类模型；

S3：对上述词条进行统一编码，加入关联信息；

S4：根据需要，添加实例作为概念的具象。

优选地，所述医学影像特征本体的类别，即带有编码标注、层次关系、从属关系、搜索路径的规范化中文术语，以利用计算机进行准确的检索，其中，根据解剖系统定义解剖结构的继承关系；根据影像特征定义描述分类；根据病证表现分类将组织器官对应的病证表现进行定义；根据影像诊断结论分别建立ACR编码库及ICD-10编码库对数据库中随访病例的诊断进行编码。

优选地，所述步骤二中，定义病证的标准，包括如下小步：

S5：在各解剖部位中，对事先定义的病证建立包括正常表现在内的详细描述，描述中涉及的影像特征采用医学影像特征本体中影像特征术语进行标记；

S6：影像解读及书写报告模板时，医生选择该部位影像对应的病证名称后，其对应的详细描述自动填入；

S7：医生在此基础上对描述内容进行适当修改；

S8：报告模板外观展现的是影像特征的文字描述，隐含内容中包括病证的发生的部位、病证名称和编码，成为可检索的知识内容；

S9：上述报告模板内容在其他文档模板中被引用，达到利用有限的报告模板来定义所有的文档。

优选地，所述步骤三中，文本报告模板包括扫查部位、模态、病证的名称及代码，扫查部位的分类为头、颈、胸、腹和四肢，模态分为CT、MRI和X线。

优选地，所述步骤三中，图文报告模板包括量化指标、关键影像和图像注释；量化指标包括解剖部位、测量值和定量分析值，将图像内容变成可分析检索的标准数据。

优选地，所述步骤四中，知识元素采用CDA标准构建；在知识元素的建立过程中，根据CDA和XML标准进行构造，每一份影像学报告模板即一份CDA文档。

优选地，所述步骤五中，深度学习采用监督模式学习方法，建立多层神经网络模型，多层神经网络模型包括输入层、隐含层和输出层；

输入层为：a＝f(w^Tx+b)