[发明专利]一种应用于医学图像辅助诊断分析的以图搜图方法及系统

说明书

本发明公开了一种应用于医学图像辅助诊断分析的以图搜图方法及系统，包括以下步骤：S1：提取医学图像中病灶解剖位置、形态描述与量化分析信息并组织成格式化数据；S2：将S1所述数据与同一患者格式化、标准化后的病史、检验、病理、治疗等数据合并组成该病例图像的特征标签；S3：采用匹配算法将特征标签与病例数据库中的标签进行匹配，输出匹配程度较高的多个病例信息及其诊断意见。本发明方法以影像学特征数据为核心，以其它病例特征数据为辅助，组织成结构化数据作为病例图像的特征标签，通过搜索最接近的病例，为图像分析人员提供病例诊断和分析的参考思路和提示意见，有助于图像分析人员得出更全面、客观和准确的结论。

技术领域

本发明涉及计算机辅助医学图像分析诊断领域，尤其涉及一种应用于医学图像辅助诊断分析的以图搜图方法及系统。

背景技术

自上世纪70年代起，随着以CT(X射线断层扫描成像)、MRI(磁共振成像)、超声、PET(正电子发射断层成像)、SPECT(单光子发射计算机断层成像)等医学影像技术的飞速进步，医学影像技术在现代临床医学中的地位日趋重要，已经成为常规诊断检查手段，并且在一些重大疾病的诊疗过程中，需要多种模态的医学影像共同发挥作用，才能较好的辅助临床达到精准诊疗的目标。

到目前为止，人工判读一直是医学影像分析诊断的最主要方式，随着计算机技术的发展，计算机辅助医学图像诊断的相关研究和产品也在临床实践中发挥着越来越重要的作用。早期的计算机辅助医学图像诊断软件功能主要局限于辅助人工如滤波、分割、配准以及量化分析等功能，从而帮助图像判读人员从图像中提取更准确、量化、丰富的信息用于诊断。近年来，随着以深度学习为代表人工智能技术的突破和快速发展，计算机辅助医学图像诊断技术在水平和能力上进一步提升，在一定程度上可以完成部分传统上仅能由人工完成的工作，比如CT图像肺结节的良恶性鉴别、眼底光学图像判读、病理图像判读分析等。虽然取得了巨大的进步，但是目前相关技术应用仍主要局限于简单、局部的图像分析判读领域，技术特点偏重于感知，尚无法实现系统性的逻辑思考和判断，因此难以胜任复杂图像(如多部位多模态医学图像)、复杂疾病(如恶性肿瘤分期)的诊断任务，同时此类图像智能分析技术目前最大的局限在于可解释性较差，在临床实践中不可避免的会引入风险和争议。在疾病诊断方面，人工智能的IBM公司的Watson医生，其工作方式是将病例、病史、影像、检验、病理等检查结果和结论输入基于知识库和规则的数据分析系统，进而得出相关疾病诊断结论和治疗方案建议，但是尚未包含如何基于影像数据完成影像分析诊断的功能模块。

在多种复杂、重大疾病的临床实践中，医学影像的分析诊断是一个基于丰富经验的严密逻辑思维过程。该过程大致可以为四个基本环节：1、整体分析影像，准确查找并定位异常影像表现；2、异常影像深入解析；3、构建合理的疾病假设并确定诊断方向；4、综合病史、检验、治疗、病理等多种信息进行验证，寻求最接近的诊断。前文所述的绝大部分计算机辅助医学图像分析诊断技术和产品主要解决的是环节1和部分环节2的问题，而以IBMWatson医生为代表的疾病诊断系统则涵盖了环节4的部分工作。但上述四个环节中，环节3是临床实践中一个承上启下的重要环节，需要图像判断人员有丰富的经验、影像与疾病关系的敏感性以及较好的逻辑思维习惯，可以说，环节3方面的能力，是衡量影像科医生业务水平的重要标准。目前，医生提升环节3方面的能力主要依靠大量阅读典型病例报告，参与实际病例讨论，逐步丰富经验并逐步摸索掌握相关规律，这一过程通常需要较长的时间积累，并且所接触的病例的范围和丰富程度受到医生学习、工作环境的限制。与此同时，在环节3方面的计算机辅助图像分析技术，是一个基本空白的领域。一项能够辅助医生准确完成环节3中由影像特征到疾病假设推理过程并能够通过证据支持推理的技术，将能够有效提升低年资医生的业务水平，在临床实践和教学培训中，发挥重要的作用。

发明内容

本发明的目的在于提出一种应用于医学图像辅助诊断分析的以图搜图方法及系统，旨在至少解决上述问题之一。

为达此目的，本发明采用以下技术方案：

一种应用于医学图像辅助诊断分析的以图搜图方法，其特征在于，包括以下步骤：