基于模式识别的血管管腔狭窄表型分类系统的制作方法

摘要: 本发明涉及医学影像模式识别,特别是指一种基于模式识别的血管管腔狭窄表型分类方法及系统。背景技术:1、血管管腔狭窄在不同患者中可表现为局灶性或长段性、向心性或偏心...
基于模式识别的血管管腔狭窄表型分类系统的制作方法

本发明涉及医学影像模式识别,特别是指一种基于模式识别的血管管腔狭窄表型分类方法及系统。

背景技术:

1、血管管腔狭窄在不同患者中可表现为局灶性或长段性、向心性或偏心性、单发或串联、多位于直行血管段或邻近分叉部位。即使狭窄百分比相近,其管径变化趋势、病变长度、信号分布、邻近分支关系和上下游血管负荷也可能不同,因而仅依赖单一最大狭窄率难以完整描述病变表型。

2、现有影像分析系统通常将分割、管径测量和风险预测分别处理。部分系统能够输出狭窄率或病变位置,但没有把多个形态、信号和空间关系特征组织成可比较的模式向量,也缺少稳定的表型原型库和相似度匹配规则,导致不同患者、不同时间点或不同设备来源的数据难以统一分类。

3、在建立表型类别时,纯人工命名容易受到主观经验影响,纯无监督聚类又可能产生不稳定的类别。若不能同时利用已标注病例形成监督原型、利用未标注队列发现潜在模式,并保存模式字典版本和更新依据,则模式类别难以随数据积累进行受控演化。

4、分类置信度还受到年龄、危险因素、既往事件、治疗依从性和随访时间窗等因素影响。仅输入局部狭窄率的模型难以解释高风险来自何种表型、哪一种匹配证据或何种临床因素,也难以对模式匹配不稳定、影像质量不足和字段缺失的病例给出明确的复核提示。

5、因此,需要一种能够把狭窄候选段表示为多分量表型模式,利用模式字典进行可解释分类,通过队列聚类对模式边界进行受控更新,并将表型模式与临床及表型标注数据融合输出分类置信度和质量控制信息的技术方案。

技术实现思路

1、为了解决现有技术存在的狭窄病变仅以单一管径比例描述、表型类别缺少统一模式原型、人工分类主观性较强、无监督聚类缺乏受控更新机制、表型分类模型难以解释模式依据以及低质量病例缺少复核标志的技术问题,本发明实施例提供了一种基于模式识别的血管管腔狭窄表型分类方法及系统。所述技术方案如下:

2、一方面,提供了一种基于模式识别的血管管腔狭窄表型分类方法,该方法由基于模式识别的血管管腔狭窄表型分类设备实现,该方法包括:

3、s1、获取血管管腔医学影像、临床数据和表型标注数据;对所述影像进行空间重采样和标准化处理,获得标注病例的标准化血管管腔医学影像和未标注病例的标准化血管管腔医学影像;

4、s2、基于标注病例的标准化血管管腔医学影像,识别血管候选区域,通过连通域筛选、形态学修复和骨架化方式提取中心线;沿中心线采用距离变换方法计算局部管径、参考管径、狭窄率和病变长度,定位多个狭窄候选段;

5、s3、对所述多个狭窄候选段提取形态模式特征、信号模式特征和空间关系模式特征,生成狭窄定量特征以及狭窄表型向量;

6、s4、基于未标注病例的标准化血管管腔医学影像进行识别血管候选区域,通过连通域筛选、形态学修复和骨架化方式提取中心线;沿中心线通过采用距离变换方法定位多个狭窄候选段;对多个狭窄候选段进行特征提取,获得队列表型向量;对队列表型向量进行聚类计算,输出队列表型向量的聚类结果和聚类编号;

7、s5、将狭窄表型向量与预先构建的表型模式字典中的多个表型原型进行相似度匹配,输出候选表型类别和综合相似度,并根据队列表型向量的聚类结果更新表型原型;

8、s6、将候选表型类别、综合相似度、聚类编号、狭窄定量特征和临床数据中的临床特征融合为患者级风险特征向量;

9、s7、将患者级风险特征向量输入经过多维度验证与概率校准的表型分类模型,输出预设随访窗口内分类概率、分类置信度等级、关键特征贡献权重以及人工复核标志。

10、另一方面,提供了一种基于模式识别的血管管腔狭窄表型分类系统,该系统应用于基于模式识别的血管管腔狭窄表型分类方法,该系统包括:

11、多源影像接收与标准化模块,用于获取血管管腔医学影像、临床数据和表型标注数据;对所述影像进行空间重采样和标准化处理,获得标注病例的标准化血管管腔医学影像和未标注病例的标准化血管管腔医学影像;

12、血管对象识别与狭窄候选提取模块,用于基于标注病例的标准化血管管腔医学影像,识别血管候选区域,通过连通域筛选、形态学修复和骨架化方式提取中心线;沿中心线,采用距离变换方法计算局部管径、参考管径、狭窄率和病变长度,定位多个狭窄候选段;

13、狭窄表型模式特征编码模块,用于对所述多个狭窄候选段提取形态模式特征、信号模式特征和空间关系模式特征,生成狭窄定量特征以及狭窄表型向量;

14、聚类模块,用于基于未标注病例的标准化血管管腔医学影像进行识别血管候选区域,通过连通域筛选、形态学修复和骨架化方式提取中心线;沿中心线通过采用距离变换方法定位多个狭窄候选段;对多个狭窄候选段进行特征提取,获得队列表型向量;对队列表型向量进行聚类计算,输出队列表型向量的聚类结果和聚类编号;

15、匹配分类与更新模块,用于将狭窄表型向量与预先构建的表型模式字典中的多个表型原型进行相似度匹配,输出候选表型类别和综合相似度,并根据队列表型向量的聚类结果更新表型原型;

16、特征融合模块,用于将候选表型类别、综合相似度、聚类编号、狭窄定量特征和临床数据中的临床特征融合为患者级风险特征向量;

17、解释与质量控制模块,用于将患者级风险特征向量输入经过多维度验证与概率校准的表型分类模型,输出预设随访窗口内分类概率、分类置信度等级、关键特征贡献权重以及人工复核标志。

18、另一方面,提供一种基于模式识别的血管管腔狭窄表型分类设备,所述基于模式识别的血管管腔狭窄表型分类设备包括:处理器;存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如上述基于模式识别的血管管腔狭窄表型分类方法中的任一项方法。

19、另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现上述基于模式识别的血管管腔狭窄表型分类方法中的任一项方法。

20、本发明实施例提供的技术方案带来的有益效果至少包括:

21、本发明实施例将局部狭窄测量转换为具有统一维度和含义的表型模式向量,便于跨患者和跨时间比较。本发明实施例通过监督原型与无监督聚类相结合的模式字典,兼顾已有医学类别和队列中新出现的潜在模式。本发明实施例使用多分量相似度和规则一致度提供可追溯的分类依据,并对边界病例输出不确定性和复核标志。本发明实施例把表型模式特征与临床及随访信息融合,提高风险输出的可解释性和版本可审计性。本发明实施例通过质量控制和适用范围判断,降低图像质量不足、分割异常或字段缺失造成的静默错误。本发明实施例能够将局部狭窄测量转化为可比较、可更新和可解释的表型模式编码,能够提高不同个体之间狭窄表型分类和表型分类的标准化程度。

1.一种基于模式识别的血管管腔狭窄表型分类方法,其特征在于,所述方法包括:

2.根据权利要求1所述的基于模式识别的血管管腔狭窄表型分类方法,其特征在于,所述形态模式特征包括:最大狭窄率、病变相对长度、管径下降梯度、管径恢复梯度、偏心程度、边缘粗糙度和病变数量;

3.根据权利要求1所述的基于模式识别的血管管腔狭窄表型分类方法,其特征在于,所述表型模式字典为包含表型类别标识、原型向量、类内协方差或离散范围、规则集合、适用影像类型和版本号的数据结构;

4.根据权利要求1所述的基于模式识别的血管管腔狭窄表型分类方法,其特征在于,所述患者级风险特征向量还包括:年龄、性别、高血压、糖尿病、吸烟状态、血脂指标、既往短暂性脑缺血发作或脑卒中事件、治疗信息、实验室指标和数据完整性标志。

5.根据权利要求1所述的基于模式识别的血管管腔狭窄表型分类方法,其特征在于,所述s5的将狭窄表型向量与预先构建的表型模式字典中的多个表型原型进行相似度匹配,输出候选表型类别和综合相似度,包括:

6.根据权利要求1所述的基于模式识别的血管管腔狭窄表型分类方法,其特征在于,所述分类置信度等级包括:低风险、中风险和高风险;

7.根据权利要求1所述的基于模式识别的血管管腔狭窄表型分类方法,其特征在于,所述综合相似度包括:余弦相似度、基于标准化距离的指数相似度和规则一致度。

8.一种基于模式识别的血管管腔狭窄表型分类系统,所述基于模式识别的血管管腔狭窄表型分类系统用于实现如权利要求1至7任一项所述基于模式识别的血管管腔狭窄表型分类方法,其特征在于,所述系统包括:

9.一种基于模式识别的血管管腔狭窄表型分类设备,其特征在于,所述基于模式识别的血管管腔狭窄表型分类设备包括:

10.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1至7任一项所述的方法。