一种基于深度学习的医用X射线影像分析方法及系统与流程

本申请涉及影像分析，具体而言，涉及一种基于深度学习的医用x射线影像分析方法及系统。

背景技术：

1、医用x射线影像分析系统在辅助放射科医师识别肺部结节方面发挥着重要作用。然而，在对肺部结节进行长期随访时，由于x射线影像固有的二维投影特性，以及患者体位、呼吸状态、x射线投照角度等非病理因素的细微变化，系统难以准确区分结节的真实病理变化与影像上的假性变化，这给医师的诊断带来了困扰，并影响了系统的实际应用价值。

技术实现思路

1、本申请提供一种基于深度学习的医用x射线影像分析方法及系统，以解决上述至少一个技术问题。

2、为达到上述目的，本申请采用如下技术方案：

3、第一方面，本申请公开了一种基于深度学习的医用x射线影像分析方法，用于区分肺部结节的真实病理变化与非病理因素引起的影像学假性变化，包括：

4、获取同一患者在不同时间点拍摄的胸部x射线影像；

5、从该胸部x射线影像中识别肺部结节区域，并获取该结节的二维影像表现信息；

6、基于该结节的二维影像表现信息，结合成像物理原理和解剖学先验知识，推断该结节在三维空间中的形态信息；

7、从该推断出的结节三维形态信息中，获取该结节的三维形态特征；

8、比较不同时间点获取的该结节三维形态特征；

9、根据该比较结果，判断该结节的病理变化；

10、输出该结节的病理变化判断结果。

11、第二方面，本申请还公开了一种基于深度学习的医用x射线影像分析系统，用于区分肺部结节的真实病理变化与非病理因素引起的影像学假性变化，该系统包括：

12、影像获取模块，用于获取同一患者在不同时间点拍摄的胸部x射线影像；

13、结节识别模块，用于从该胸部x射线影像中识别肺部结节区域，并获取该结节的二维影像表现信息；

14、三维形态推断模块，用于基于该结节的二维影像表现信息，结合成像物理原理和解剖学先验知识，推断该结节在三维空间中的形态信息；

15、三维特征获取模块，用于从该推断出的结节三维形态信息中，获取该结节的三维形态特征；

16、特征比较模块，用于比较不同时间点获取的该结节三维形态特征；

17、病理判断模块，用于根据该比较结果，判断该结节的病理变化；

18、结果输出模块，用于输出该结节的病理变化判断结果。

19、与现有技术相比，本申请至少具有以下有益效果：

20、本申请通过比较不同时间点获取的结节三维形态特征，直接对结节的真实三维属性进行量化和比较。这种方法比现有技术中仅依赖二维影像特征的比较更为稳健和准确。例如，一个在不同投照角度下，其二维投影形状可能发生变化的结节，在三维空间中其体积和长短轴尺寸可能保持稳定。本申请能够捕捉到这种三维层面的稳定性，从而更可靠地判断结节的病理变化。

21、本申请通过引入三维形态推断和三维特征比较，有效克服了现有技术在处理x射线影像二维投影特性和非病理因素干扰方面的不足。因此，能够更稳健和更准确地区分肺部结节的真实病理变化与影像学假性变化，显著提高了医用x射线影像分析系统在肺部结节长期随访中的应用价值，为放射科医师提供了更精准的辅助诊断工具。

1.一种基于深度学习的医用x射线影像分析方法，其特征在于，该方法用于区分肺部结节的真实病理变化与非病理因素引起的影像学假性变化，包括：

2.根据权利要求1所述的一种基于深度学习的医用x射线影像分析方法，其特征在于，所述基于结节的二维影像表现信息，结合成像物理原理和解剖学先验知识，推断结节在三维空间中的形态信息的步骤包括：

3.根据权利要求2所述的一种基于深度学习的医用x射线影像分析方法，其特征在于，所述量化推断出的结节三维概率形态的不确定性程度的步骤包括：

4.根据权利要求2所述的一种基于深度学习的医用x射线影像分析方法，其特征在于，所述根据结节三维概率形态和不确定性程度，推断结节的三维形态特征的步骤包括：

5.根据权利要求1所述的一种基于深度学习的医用x射线影像分析方法，其特征在于，所述从胸部x射线影像中识别肺部结节区域，并获取结节的二维影像表现信息的步骤包括：

6.根据权利要求5所述的一种基于深度学习的医用x射线影像分析方法，其特征在于，所述当疑似肺部结节的二维投影区域的边缘与致密解剖结构的边缘存在重叠时，根据重叠区域的灰度值和纹理特征，区分结节与致密结构的步骤包括：

7.根据权利要求6所述的一种基于深度学习的医用x射线影像分析方法，其特征在于，所述根据重叠区域的灰度值分布信息、重叠区域的边缘梯度方向、重叠区域的局部纹理周期性、重叠区域与结节主体区域的连接性以及重叠区域与致密结构主体区域的连接性，区分结节与致密结构的步骤包括：

8.根据权利要求7所述的一种基于深度学习的医用x射线影像分析方法，其特征在于，所述识别子区域中与血管分支或细小骨骼结构特征相符的微小致密结构的步骤包括：

9.根据权利要求8所述的一种基于深度学习的医用x射线影像分析方法，其特征在于，所述根据微小致密结构与预设的血管分支或细小骨骼结构的空间形态和连接模式的匹配程度，判断微小致密结构是否为血管分支或细小骨骼结构的步骤包括：

10.一种基于深度学习的医用x射线影像分析系统，其特征在于，该系统用于区分肺部结节的真实病理变化与非病理因素引起的影像学假性变化，包括：