基于医学影像的体检报告智能辅助解读方法与流程

本发明涉及医学影像处理，具体涉及一种基于医学影像的体检报告智能辅助解读方法。

背景技术：

1、由于经济的发展及人民生活水平的提高，人们对自身健康越来越重视。健康体检是了解受检者健康状况、早期发现疾病线索和健康隐患的重要方式，对老龄化和亚健康人群是非常必要的。随着医学影像技术的不断发展，影像学在体检报告中的应用越来越广泛，尤其是ct、mri、x光等技术能够清晰地展现人体内的病变状况。

2、然而，医学影像的数据量庞大且复杂，需要专业知识进行解读。传统人工解读影像学报告的方式不仅耗时长，且容易受人为因素的影响，导致诊断结果的误差。因此，如何通过智能化手段辅助医生对医学影像进行分析，已经成为医学影像辅助解读中的一个重要课题。

3、目前以自然语言处理技术为主的报告生成模型主要对输入的图像进行全局分析，由于微小病变区域在整体图像中的凸显程度不足，全局分析会大大稀释微小病变区域特征，容易错误地将不同类型的病变归为同一类型，使得医学体检报告生成结果的精细化程度较低且可解释性较弱。

技术实现思路

1、为了解决医学体检报告生成结果的精细化程度较低且可解释性较弱的技术问题，本发明的目的在于提供一种基于医学影像的体检报告智能辅助解读方法，所采用的技术方案具体如下：

2、本发明提高一种基于医学影像的体检报告智能辅助解读方法，所述方法包括：

3、对医学影像中的受检器官区域进行边缘检测，得到边缘像素点；

4、根据各所述边缘像素点的灰度梯度，确定多个病理特征不同的连通域；

5、分别对各所述连通域从不同尺度提取特征，得到各所述连通域的多尺度特征向量；

6、根据各所述连通域及各目标历史连通域的所述多尺度特征向量与疾病特征知识图谱中的表现特征节点之间的节点相似程度，确定各所述连通域与各所述目标历史连通域的匹配度；

7、根据所述匹配度和各所述目标历史连通域的体检报告的文本描述方式，确定对各所述连通域推荐的目标文本描述方式；

8、根据各所述连通域的所述目标文本描述方式，生成所述医学影像的体检报告中的解读内容。

9、根据本发明提供的基于医学影像的体检报告智能辅助解读方法，所述根据各所述边缘像素点的灰度梯度，确定多个病理特征不同的连通域，包括：

10、根据同一边缘上的各所述边缘像素点的灰度梯度，确定同一边缘上的各所述边缘像素点的生长方向因子；

11、根据各所述边缘像素点的所述生长方向因子的差异程度，确定各所述边缘像素点的病变特征参数；

12、根据各所述边缘像素点的所述病变特征参数之间的相似度，将各所述边缘像素点合并得到多个病理特征不同的连通域。

13、根据本发明提供的基于医学影像的体检报告智能辅助解读方法，所述根据各所述边缘像素点的所述生长方向因子的差异程度，确定各所述边缘像素点的病变特征参数，包括：

14、分别针对各条边缘，计算所述边缘上各所述边缘像素点的所述生长方向因子的均值，得到所述边缘对应的生长方向因子均值；

15、分别针对每个所述边缘像素点，根据所述边缘像素点的所述生长方向因子与所述边缘像素点所在边缘的生长方向因子均值之间的差异，确定所述边缘像素点的病变特征参数。

16、根据本发明提供的基于医学影像的体检报告智能辅助解读方法，所述分别对各所述连通域从不同尺度提取特征，得到各所述连通域的多尺度特征向量，包括：

17、分别将各所述连通域内的图像内容输入至预先训练的多尺度特征提取模型中，输出所述连通域的多尺度特征向量；

18、所述预先训练的多尺度特征提取模型具体用于：

19、对所述连通域内的图像内容进行卷积处理，得到特征图；

20、对所述特征图分别进行不同尺度的区域划分，并对每个区域进行池化处理，得到各个区域的池化结果；

21、将各个区域的所述池化结果进行结合，得到所述连通域的多尺度特征向量。

22、根据本发明提供的基于医学影像的体检报告智能辅助解读方法，所述根据各所述连通域及各目标历史连通域的所述多尺度特征向量与疾病特征知识图谱中的表现特征节点之间的节点相似程度，确定各所述连通域与各所述目标历史连通域的匹配度，包括：

23、分别针对每个所述连通域，确定与所述连通域拥有共同的表现特征的目标历史连通域；

24、分别针对各所述共同的表现特征，确定所述连通域和所述目标历史连通域的所述共同的表现特征对应的所述节点相似程度之间的差异，得到节点相似程度差异；

25、分别将各所述共同的表现特征作为目标表现特征，根据拥有所述目标表现特征的各所述连通域对应的所述节点相似程度之间的差异，确定所述目标表现特征对患者的表示能力；

26、根据所述连通域和所述目标历史连通域的所述共同的表现特征的数量、各所述共同的变现特征分别对应的所述节点相似程度差异、以及各所述共同的表现特征分别对患者的表示能力，确定所述连通域与所述目标历史连通域之间的匹配度。

27、根据本发明提供的基于医学影像的体检报告智能辅助解读方法，所述根据拥有所述目标表现特征的各所述连通域对应的所述节点相似程度之间的差异，确定所述目标表现特征对患者的表示能力，包括：

28、确定拥有所述目标表现特征的任意两个所述连通域对应的所述节点相似程度之间的差值；

29、对各所述差值进行求平均值确定所述目标表现特征对患者的表示能力。

30、根据本发明提供的基于医学影像的体检报告智能辅助解读方法，所述方法还包括：

31、确定与所述连通域的匹配度大于或等于预设匹配度阈值的第一历史连通域、以及与所述目标连通域的匹配度大于或等于所述预设匹配度阈值的第二历史连通域；

32、根据各所述第一历史连通域与各所述第二历史连通域的匹配度，对所述连通域与所述目标历史连通域之间的匹配度进行修正，得到修正后的匹配度；

33、所述根据所述匹配度和各所述目标历史连通域的体检报告的文本描述方式，确定对各所述连通域推荐的目标文本描述方式包括：

34、根据所述修正后的匹配度和各所述目标历史连通域的体检报告的文本描述方式，确定对各所述连通域推荐的目标文本描述方式。

35、根据本发明提供的基于医学影像的体检报告智能辅助解读方法，所述根据各所述第一历史连通域与各所述第二历史连通域的匹配度，对所述连通域与所述目标历史连通域之间的匹配度进行修正，得到修正后的匹配度，包括：

36、对各所述第一历史连通域与各所述第二历史连通域的匹配度进行求和，得到匹配度总和；

37、将所述连通域与所述目标历史连通域之间的匹配度乘以所述匹配度总和，得到修正后的匹配度。

38、根据本发明提供的基于医学影像的体检报告智能辅助解读方法，所述根据所述匹配度和各所述目标历史连通域的体检报告的文本描述方式，确定对各所述连通域推荐的目标文本描述方式，包括：

39、分别针对每个所述连通域，确定所述连通域的各所述目标历史连通域的体检报告的描述等级；

40、分别针对每种文本描述方式，根据所述连通域与采用所述文本描述方式的各所述目标历史连通域的匹配度、以及采用所述文本描述方式的各所述目标历史连通域的所述描述等级，确定所述文本描述方式对于所述连通域的推荐度；

41、根据各所述文本描述方式的所述推荐度，确定对所述连通域推荐的目标文本描述方式。

42、根据本发明提供的基于医学影像的体检报告智能辅助解读方法，所述根据各所述文本描述方式的所述推荐度，确定对所述连通域推荐的目标文本描述方式，包括：

43、按照各所述文本描述方式的所述推荐度从大到小的顺序，选取预设数量的文本描述方式作为候选文本描述方式；

44、分别针对每种所述候选文本描述方式，根据所述连通域使用所述候选文本描述方式的字符与各个相似历史连通域使用所述候选文本描述方式的字符之间的差异、以及所述候选文本描述方式的所述推荐度，确定所述候选文本描述方式的被替换可能性；

45、根据各种所述候选文本描述方式的所述被替换可能性，确定对所述连通域推荐的目标文本描述方式。

46、本发明具有如下有益效果：通过从医学影像的受检器官区域中确定出多个病理特征不同的连通域，分别对各连通域从不同尺度提取特征，得到各连通域的多尺度特征向量，能够从多个尺度捕捉病灶区域的表现特征，避免了全局分析会大大稀释微小病变区域特征的问题，然后结合疾病特征知识图谱，能够精准地确定各连通域与各目标历史连通域的匹配度，根据匹配度和各目标历史连通域的体检报告的文本描述方式，能够精准地确定为各连通域推荐的目标文本描述方式，从而提高医学影像的体检报告中的解读内容的精准度和可解释性。