[发明专利]一种基于CT影像的病灶随访评估方法及系统在审

专利信息
申请号: 202010746615.4 申请日: 2020-07-29
公开(公告)号: CN111915584A 公开(公告)日: 2020-11-10
发明(设计)人: 程国华;何林阳;季红丽 申请(专利权)人: 杭州健培科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/62;G06N3/08
代理公司: 无锡市汇诚永信专利代理事务所(普通合伙) 32260 代理人: 高科
地址: 311215 浙江省杭州市萧山*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 ct 影像 病灶 随访 评估 方法 系统
【权利要求书】:

1.一种基于CT影像的病灶随访评估方法,其特征在于,包括以下步骤:

获取同一病患的对应不同时间点的当前有效特征集和历史有效特征集;

将当前有效特征集和历史有效特征集输入随访预测模型中进行随访双任务校正得到预测结果自校正后的随访预测结果,其中随访双任务包括分类任务和回归任务,其中当前有效特征集和历史有效特征集均至少包括对应病患数据的病灶量化特征、病灶纹理特征以及临床表现特征,其中随访预测结果包括病灶对应疾病的变化情况。

2.根据权利要求1所述的基于CT影像的病灶随访评估方法,其特征在于,当前有效特征集和历史有效特征集共享同一网络参数处理后分别得到当前网络特征集和历史网络特征集,拼接当前网络特征集和历史网络特征集后得到拼接特征集,对拼接特征集分别进行分类任务和回归任务处理分别得到分类结果和回归结果,对回归结果和分类结果进行结果自校正。

3.根据权利要求1所述的基于CT影像的病灶随访评估方法,其特征在于,结果自校正的方法如下:对分类任务的分类概率和回归任务的回归值设定结果阈值,回归任务和分类任务进行概率投票,选择置信度高的分类类别作为随访预测结果。

4.根据权利要求1所述的基于CT影像的病灶随访评估方法,其特征在于,当前有效特征集输入该随访预测模型中得到当前病灶分类结果,历史有效特征集输入该随访预测模型中得到历史病灶分类结果。

5.一种基于CT影像的病灶随访评估方法,其特征在于,包括以下步骤:

获取病患的当前病患数据,其中当前病患数据包括当前CT影像数据和当前临床数据;

基于病患的标识信息调取该病患的历史病患数据,其中历史病患数据包括历史CT影像数据和历史临床数据;

提取当前CT影像数据和历史CT影像数据对应的病灶量化特征和病灶纹理特征,提取当前临床数据和历史临床数据对应的临床表现特征分别得到当前有效特征集和历史有效特征集;

将当前有效特征集和历史有效特征集输入随访预测模型中进行随访双任务校正得到预测结果自校正后的随访预测结果,其中随访双任务包括分类任务和回归任务,其中随访预测结果对应疾病的变化情况。

6.根据权利要求5所述的基于CT影像的病灶随访评估方法,其特征在于,其中病灶量化特征、病灶纹理特征和临床表现特征组成当前完整特征集和历史完整特征集,对当前完整特征集和历史完整特征集进行筛选分别得到当前有效特征集和历史有效特征集。

7.根据权利要求6所述的基于CT影像的病灶随访评估方法,其特征在于,CT影像为肺部CT影像,将CT影像数据分别输入病灶分割模型和肺叶分割模型,得到病灶掩模和肺叶组织掩模,从病灶掩模和肺叶组织掩模中提取病灶量化特征和病灶纹理特征,临床数据包括体温、是否咳嗽以及流行病史。

8.一种基于CT影像的病灶随访评估系统,其特征在于,包括:

病患数据采集单元,用于采集病患的当前病患数据,其中当前病患数据包括当前CT影像数据和当前临床数据;

和历史病患数据库联通的历史数据调取单元,用于根据病患的标识信息调取该病患的历史病患数据,其中历史病患数据包括历史CT影像数据和历史临床数据;

特征提取单元,基于当前病患数据提取有效特征集,基于历史病患数据提取历史有效特征集,其中当前有效特征集和历史有效特征集均至少包括对应病患数据的病灶量化特征、病灶纹理特征以及临床表现特征;

随访预测单元,其中随访预测单元内设有已训练完成的随访预测模型,当前有效特征集和历史有效特征集输入随访预测模型中进行随访双任务校正得到预测结果自校正后的随访预测结果,其中随访双任务包括分类任务和回归任务,其中随访预测结果包括病灶对应疾病的变化情况。

9.一种电子设备,其特征在于,包括:

至少一个处理器;

与所述至少一个处理器通信连接的存储器,其中所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1到7任一所述的方法。

10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1到7任一所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州健培科技有限公司,未经杭州健培科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010746615.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top