非创伤性急诊头部CT影像诊断方法和装置与流程

非创伤性急诊头部ct影像诊断方法和装置
技术领域
1.本技术涉及一种影像诊断技术，尤其涉及一种非创伤性急诊头部ct影像诊断方法。本技术还涉及一种非创伤性急诊头部ct影像诊断装置。


背景技术：

2.颅脑ct影像检查作为一种方便、安全、无创伤的检查方法，通过显示颅脑不同横断面的解刨关系和具体脑组织的结构，能够大大提高病变的检出率和诊断的准确性，因而广泛地应用于神经系统疾病的检查中，是急性创伤和非创伤颅内血管首选的影像检查方法，也是评价脑室引流术等手术后改变的最佳影像检查方法。临床中，怀疑急性精神状态异常、癫痫、急性神经功能障碍、伴随神经系统疾病或体征和头痛等情况时，通常以颅脑ct平扫作为一线的筛查手段。由于医用ct设备的普及和其所具有较大的诊断价值，在多数综合性医院里广泛应用于急诊中，成为医学影像服务中不可获取的检查项目之一。
3.由于颅脑ct影像检查在诊断检查中的广泛应用，其中的一些缺陷也逐渐显现，尤其在进行大量检查的情况下，由于影像检查任务的不连续性以及影像获取和系统分析的相对隔离，影像科医生无法快速、准确地完成影像诊断任务，及时检出危机病变并做出处理。


技术实现要素：

4.为解决上述技术问题，本技术的目的旨在提出一种非创伤性急诊头部ct影像诊断方法以实现大量检查的情况下，影像科医生快速、准确地完成影像诊断任务，及时检出危机病变并做出处理，同时本技术还提供一种非创伤性急诊头部ct影像诊断装置。
5.本技术提供的一种非创伤性急诊头部ct影像诊断方法，包括：
6.获取头部ct的dicom图像；
7.基于第一预设条件对所述dicom图像进行图像性质的筛选，将符合所述第一预设条件的所述dicom图像定义为第一图像；
8.从所述第一图像中分割颅骨和脑区，获取所述颅骨和所述脑区的坐标数据，将所述颅骨和所述脑区的坐标数据定义为第一坐标数据；
9.基于所述第一图像和所述第一坐标数据，对所述第一图像进行图像质量的筛选，将符合第二预设条件的所述第一图像定义为第二图像；
10.基于预设的诊断类型和所述第一坐标数据，分别从所述第二图像中获取所述诊断类型的诊断数据，将所述诊断数据发送到影像结构化报告；其中，所述诊断数据至少为病灶区域图像、所述病灶区域图像的坐标数据、定性数据、定量数据、所述病灶区域图像的关键图像和提示信息中的一种或多种；
11.基于所述第一坐标数据，获取所述第二图像中至少一个组织区域的坐标数据，根据所述组织区域的坐标数据与所述病灶区域图像的坐标数据确定病灶位置，将定位数据发送到所述影像结构化报告；
12.所述影像结构化报告整合所述第一图像、所述第二图像、所述第一坐标数据、所述
诊断数据和所述定位数据，生成诊断印象。
13.可选的，在从所述第二图像中获取所述诊断类型的诊断数据以及获取所述第二图像中至少一个组织区域的坐标数据之前，该方法还包括：基于所述第一坐标数据，判断所述第二图像是否存在颅脑术后改变，若存在所述颅脑术后改变，则生成该术后改变对应的关键图像并发送给所述影像结构化报告；若不存在所述颅脑术后改变，则进行后续诊断流程。
14.可选的，该方法还包括：将所述诊断数据与所述诊断数据相对应的既往诊断数据进行比较，获得比较数据，将所述比较数据发送到所述影像结构化报告。
15.可选的，所述从所述第二图像中获取所述诊断类型的诊断数据，包括：采用自动分析工具分析所述第二图像，获得所述诊断数据。
16.可选的，所述诊断类型包括：检出脑血肿和出血、检出急性大面积脑梗死、检出脑室形态异常和检出脑疝，其中，所述检出脑血肿和出血还包括：判断脑血肿和出血分类。
17.可选的，还包括：预测临床概率，执行如下步骤：
18.根据所述检出脑血肿和出血的诊断数据预测预设时间内的脑部出血概率，并将所述出血概率返回到所述影像结构化报告的相应控件。
19.本技术还提供一种非创伤性急诊头部ct影像诊断装置，包括：
20.获取模块，用于获取头部ct的dicom图像；
21.第一筛选模块，用于基于第一预设条件对所述dicom图像进行图像性质的筛选，将符合所述第一预设条件的所述dicom图像定义为第一图像；
22.第一分割模块，用于从所述第一图像中分割颅骨和脑区，获取所述颅骨和所述脑区的坐标数据，将所述颅骨和所述脑区的坐标数据定义为第一坐标数据；
23.第二筛选模块，用于基于所述第一图像和所述第一坐标数据，对所述第一图像进行图像质量的筛选，将符合第二预设条件的所述第一图像定义为第二图像；
24.诊断模块，基于预设的诊断类型和所述第一坐标数据，分别从所述第二图像中获取所述诊断类型的诊断数据，将所述诊断数据发送到影像结构化报告；其中，所述诊断数据至少为病灶区域图像、所述病灶区域图像的坐标数据、定性数据、定量数据、所述病灶区域图像的关键图像和提示信息中的一种或多种；
25.第二分割模块，基于所述第一坐标数据，获取所述第二图像中至少一个组织区域的坐标数据，根据所述组织区域的坐标数据与所述病灶区域图像的坐标数据确定病灶位置，将定位数据发送到所述影像结构化报告；
26.结论模块，用于所述影像结构化报告整合所述第一图像、所述第二图像、所述第一坐标数据、所述诊断数据和所述定位数据，生成诊断印象。
27.该装置还包括术后改变检出模块，用于在从所述第二图像中获取所述诊断类型的诊断数据以及获取所述第二图像中至少一个组织区域的坐标数据之前，基于所述第一坐标数据，判断所述第二图像是否存在颅脑术后改变，若存在所述颅脑术后改变，则生成该术后改变对应的关键图像并发送给所述影像结构化报告；若不存在所述颅脑术后改变，则进行后续诊断流程。
28.可选的，该装置还包括：比较模块，用于将所述诊断数据与所述诊断数据相对应的既往诊断数据进行比较，获得比较数据，将所述比较数据发送到所述影像结构化报告。
29.可选的，所述诊断模块包括：诊断单元：采用自动分析工具分析所述第二图像，获
得所述诊断数据。
30.可选的，所述诊断类型包括：检出脑血肿和出血、检出急性大面积脑梗死、检出脑室形态异常和检出脑疝，其中，所述检出脑血肿和出血还包括：判断脑血肿和出血分类。
31.可选的，该装置还包括：预测模块，用于根据所述检出脑血肿和出血的诊断数据预测预设时间内的脑部出血概率，并将所述出血概率返回到所述影像结构化报告的相应控件。
32.与现有技术相比，本技术的优点如下：
33.本技术提到的一种非创伤性急诊头部ct影像诊断方法，通过对dicom图像的性质和质量进行筛选，将对符合条件的dicom图像进行分割、分析，获取组织区域的坐标及诊断数据，最后确定病灶位置，生成诊断印象，本发明将ai模型、影像组学模型合计与规则的程序用于非创伤性急诊头ct平扫的诊断，得到头ct平扫智能诊断结果，做出全面的定性、定量诊断，能够在自动检测出重要危险征像时发出预警信息，提示医生进行关注和实施救治，并实现在减轻人工作业压力的同时快速、准确的进行大量ct影像检查，提高ct影像检查的效率。
附图说明
34.图1是本本技术的非创伤性急诊头ct影像诊断流程图。
35.图2是本技术中检查颅脑术后改变在影像结构化报告中的界面示意图。
36.图3是本技术中脑出血和出血类型在影像结构化报告中的示意图。
37.图4是本技术中部分脑室异常在影像结构化报告中的界面示意图。
38.图5是本技术中检出脑疝在影像结构化报告中的界面示意图。
39.图6是本技术中头部ct影像诊断装置的示意图。
具体实施方式
40.以下内容详细的阐述了本技术中技术方案的具体技术细节以使本技术的目的、特征和优点更为明显易懂。下面所记载的内容仅仅用于解释本发明的各种细节，不是对本发明的限定。本领域的普通技术人员能够在理解本发明的构思后，依据本发明的核心内涵在实施手段和应用场景中做出各种变化，而这种变化不脱离本技术的保护范围。
41.本技术提供了一种非创伤性急诊头ct影像诊断方法，将ct影像诊断系统接入pacs/ris系统(医学影像信息系统)后，自动采集影像中各个诊断类型的检查数据，将所述检查数据发送到影像结构化报告，由影像结构化报告生成诊断印象。
42.图1展示了本技术的非创伤性急诊头ct影像诊断流程图。
43.请参照图1所示，步骤s101获取头部ct的dicom图像；
44.本技术中，所述ct是x线计算机断层摄影技术的简称，主要应用于医学的诊断检查领域。在本技术中，首选需要获取头部ct的dicom图像。
45.步骤s102基于第一预设条件对所述dicom图像进行图像性质的筛选，将符合所述第一预设条件的所述dicom图像定义为第一图像；
46.第一预设条件为判断所述dicom图像是否与ris登记的检查项目相符，输出定性判断，将定性判断数据返回影像结构化报告〞技术评估
″
相应控件，如下：如果判断检查项目于
图像性质一致，则输出第一图像，用于后续ai诊断流程，如果判断检查项目于图像性质不一致，则中止ai诊断流程，并发送提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中。
47.步骤s103从所述第一图像中分割颅骨和脑区，获取所述颅骨和所述脑区的坐标数据，将所述颅骨和所述脑区的坐标数据定义为第一坐标数据；
48.将颅骨和脑区的坐标数据用于后续ai模型的掩膜(mask)。
49.步骤s104基于所述第一图像和所述第一坐标数据，对所述第一图像进行图像质量的筛选，将符合第二预设条件的所述第一图像定义为第二图像。
50.此步骤为识别dicom图像的质量，由于质量欠佳，影像后续诊断的情况，如扫描范围不全、图像伪影等。第二预设条件为判断dicom图像扫描范围、图像是否有伪影。
51.如果图像质量合格，则第二图像可用于后续ai诊断流程，并将定性判断结果返回影像结构化报告〞技术评估(图像质量)
″
的相应控件。
52.如果判断图像质量不合格，则中止ai诊断流程，并将定性判断结果返回给影像结构化报告〞技术评估
″
的相应控件，比如质量是哪里不合格，是伪影造成的不合格还是扫描范围不全造成的不合格，并发送提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中。
53.步骤s105基于预设的诊断类型和所述第一坐标数据，分别从所述第二图像中获取所述诊断类型的诊断数据，将所述诊断数据发送到影像结构化报告；其中，所述诊断数据至少为病灶区域图像、所述病灶区域图像的坐标数据、定性数据、定量数据、所述病灶区域图像的关键图像和提示信息中的一种或多种；
54.从第二图像中获取诊断类型的诊断数据，包括：采用自动分析工具分析第二图像，获得诊断数据。此处的自动分析工具为各个ai模型。
55.诊断类型包括：检出脑血肿和出血、检出急性大面积脑梗死、检出脑室形态异常和检出脑疝，其中，所述检出脑血肿和出血还包括：判断脑血肿和出血分类。
56.其中，诊断类型为：检出脑血肿和出血的分析流程为：基于第一坐标数据，分析第二图像，分割急性脑血肿和出血灶。输出如下诊断数据：
57.病灶区域图像
‑‑
血肿的区域图像
58.病灶区域图像的坐标数据
‑‑
血肿的坐标数据
59.定性数据
‑‑
是否可见血肿；如果定性数据为可见血肿，则返回影像结构化报告〞病灶列表：血肿
″
的相关控件，将血肿数据(血肿的数量、体积、三维径线)，返回到影像结构化报告〞血肿径线和体积
″
的相应控件，并按照预设的规则生成血肿的关键图像，返回到影像结构化报告相应控件的〞关键图像
″
；提示信息
‑
发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中，并进行下一个诊断类型的诊断
‑‑
判断脑血肿和出血分类；
60.如果定性数据为未见血肿，则返回给影像结构化报告〞未见血肿
″
相应控件，并进行下一个诊断类型的诊断
‑‑
检出急性大面积脑梗死
61.定量数据
‑
血肿的数量、体积、三维径线
62.病灶区域图像的关键图像
‑‑
血肿的关键图像。
63.其中，诊断类型为：判断脑血肿和出血分类，基于血肿的区域图像，对脑血肿和出
血做出分类判断，输出对血肿分类的定性数据：包括脑实质血肿、脑室内出血、硬膜外血肿、硬膜线血肿和蛛网膜下腔出血，将判断的定性数据返回给结构化报告病灶列表：血肿类型相应控件。
64.请参考图3所示，判断脑血肿和出血分类，相应控件如图所示。
65.其中，诊断类型为：检出急性大面积脑梗死，基于第一坐标数据，分析第二图像，分割急性大面积脑梗死灶。输出如下诊断数据：
66.病灶区域图像
‑
急性大面积脑梗死的区域图像
67.病灶区域图像的坐标数据
‑
急性大面积脑梗死的坐标数据
68.定性数据
‑‑
是否可见急性大面积脑梗死；如果定性数据为可见急性大面积脑梗死，则返回影像结构化报告〞病灶列表：急性大面积脑梗死
″
的相关控件，将急性大面积脑梗死数据(急性大面积脑梗死的数量、体积、三维径线)，返回到影像结构化报告〞急性大面积脑梗死径线和体积
″
的相应控件，并按照预设的规则生成急性大面积脑梗死的关键图像，返回到影像结构化报告相应控件的〞关键图像
″
；提示信息
‑
发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中；
69.如果定性数据为未见急性大面积脑梗死，则返回给影像结构化报告〞未见急性大面积脑梗死
″
相应控件；
70.定量数据
‑
急性大面积脑梗死的数量、体积、三维径线；
71.病灶区域图像的关键图像
‑‑
急性大面积脑梗死的关键图像。
72.其中，诊断类型为：检出脑室形态异常，基于脑室区域的坐标数据，分析第二图像，对脑室形态做出分类判断，判断是否有脑积水、脑室受压。输出如下诊断数据：
73.定性数据一如定性判断为〞可见脑积水
″
或〞可见脑室受压
″
，则返回影像结构化报告〞病灶列表：脑积水、病灶列表
″
相应控件；并按预设的规则生成关键图像，返回影像结构化报告相应控件的〞关键图像
″
，提示信息一发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中；
74.如定性判断的数据为未见脑积水、未见脑室受压，则返回给影像结构化报告〞未见脑积水、未见脑室受压
″
相应控件；
75.图4展示了本技术中部分脑室异常在影像结构化报告中的界面示意图。
76.其中，诊断类型为：检出脑疝，基于第一坐标数据，分析第二图像，判断是否有脑疝存在，包括大脑镰下疝、小脑幕切迹疝、小脑扁桃体下疝和切口疝等；
77.定性数据
‑
如定性判断为〞可见脑疝
″
则返回影像结构化报告〞病灶列表：脑疝
″
的相应控件。并按预设的规则生成关键图像，返回影像结构化报告相应控件的〞关键图像〞。发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告数据库中。
78.图5展示了检出脑疝在影像结构化报告中的界面示意图。
79.步骤s106基于所述第一坐标数据，获取所述第二图像中至少一个组织区域的坐标数据，根据所述组织区域的坐标数据与所述病灶区域图像的坐标数据确定病灶位置，将定位数据发送到所述影像结构化报告；
80.其中，组织区域的坐标数据为：大脑镰坐标数据、颅实质坐标数据、颅室坐标数据、蛛网膜下腔坐标数据；
81.其中，大脑镰坐标数据
‑‑‑
基于第一坐标数据，将第二图像中的大脑镰分割出来，
用于后续颅内病灶的定位，以及中线偏移的分类等；
82.颅实质坐标数据
‑‑‑
基于第一坐标数据，将第二图像中的脑区分割为幕上、幕下和脑干，脑实质的不同区域包括幕上(双侧额叶、顶叶、颞叶、枕叶、尾状核、豆状核、丘脑内囊、外囊；胼胝体膝部、胼胝体压部)、幕下(小脑、延髓)、脑干(中脑、桥脑)，用于后续颅内病灶的定位。
83.颅室坐标数据
‑‑‑
基于第一坐标数据，将第二图像中的颅室分割为侧脑室、三脑室、四脑室，用于后续脑室内病灶的定位，以及脑积水等脑室异常的分类。
84.蛛网膜下腔坐标数据
‑‑‑
基于第一坐标数据，将第二图像中的蛛网膜下腔分割出来，用于后学蛛网膜下腔病灶的定位以及脑萎缩的分类。
85.根据组织区域的坐标数据与病灶区域图像的坐标数据确定病灶位置，将定位数据发送到影像结构化报告：
86.脑实质病灶定位：将脑实质、脑室、大脑镰、蛛网膜下腔与病灶区域对比，给出病灶定位。输入第一坐标数据、大脑镰坐标数据、颅实质坐标数据、颅室坐标数据、蛛网膜下腔坐标数据，输出病灶定位数据，将定位编码返回影像结构化报告相应控件的导航图。
87.步骤s107所述影像结构化报告整合所述第一图像、所述第二图像、所述第一坐标数据、所述诊断数据和所述定位数据，生成诊断印象。
88.整合所有智能化工具(ai模型、影像组学模型、程序)的发现，得出整体诊断印象。
89.在从所述第二图像中获取所述诊断类型的诊断数据以及获取所述第二图像中至少一个组织区域的坐标数据之前，该方法还包括：基于所述第一坐标数据，判断所述第二图像是否存在颅脑术后改变，若存在所述颅脑术后改变，则生成该术后改变对应的关键图像并发送给所述影像结构化报告；若不存在所述颅脑术后改变，则进行后续诊断流程。
90.如定性判断为〞可见术后改变
″
，则返回结构化报告
″
整体评估：颅脑术后
″
的相应控件，并按预设的规则生成关键图像，返回结构化报告相应控件的
″
关键图像〞。
91.如定性判断为
″
未见术后改变
″
，则返回给结构化报告
″
未见术后改变
″
的相应控件。
92.图2展示了本技术中检查颅脑术后改变在影像结构化报告中的界面示意图。
93.请参照图2所示，这个诊断类别主要通过自动分析工具，检查术后改变，例如检查是否有颅骨缺失、软组织缺失或者异物等，例如植入物、引流管。经过检查，可以定性判断术后是否有改变，若有上述颅骨缺失、软组织缺失或者异物等情况存在，则诊断结果是
″
可见术后改变
″
，然后按照预设规则生成关于可见术后改变的
″
关键图像
″
发送到影像结构化报告中，反之，诊断结果是
″
未见术后改变
″
。最后，将诊断结果的诊断数据发送到影像结构化报告中。
94.其中，该方法还包括：将所述诊断数据与所述诊断数据相对应的既往诊断数据进行比较，获得比较数据，将所述比较数据发送到所述影像结构化报告。
95.将本次检查中的阳性结果与既往检查的相应结果做比较，分为：未见变化、可见变化如定性判断为
″
未见变化
″
，则返回给结构化报告〞未见变化
″
的相应控件；
96.如定性判断为
″
可见变化
″
，则返回给结构化报告〞可见变化
″
的相应控件；
97.其中，该方法还包括：预测临床概率，执行如下步骤：
98.根据所述检出脑血肿和出血的诊断数据预测预设时间内的脑部出血概率，并将所
述出血概率返回到所述影像结构化报告的相应控件。
99.例如，预测24小时再出血的概率，将该概率值返回到影像结构化报告〞预测
″
的相应控件。
100.以上是详细描述了本技术中非创伤性急诊头部ct影像诊断方法，本技术还提供一种非创伤性急诊头部ct影像诊断装置。
101.图6展示了本技术中头部ct影像诊断装置的示意图，
102.请参考6所示，本技术中头部ct影像诊断装置主要包括：
103.获取模块102，用于获取头部ct的dicom图像；
104.第一筛选模块104，用于基于第一预设条件对所述dicom图像进行图像性质的筛选，将符合所述第一预设条件的所述dicom图像定义为第一图像；
105.第一预设条件为判断所述dicom图像是否与ris登记的检查项目相符，输出定性判断，将定性判断数据返回影像结构化报告〞技术评估
″
相应控件，如下：如果判断检查项目于图像性质一致，则输出第一图像，用于后续ai诊断流程，如果判断检查项目于图像性质不一致，则中止ai诊断流程，并发送提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中。
106.第一分割模块106，用于从所述第一图像中分割颅骨和脑区，获取所述颅骨和所述脑区的坐标数据，将所述颅骨和所述脑区的坐标数据定义为第一坐标数据；
107.将颅骨和脑区的坐标数据用于后续ai模型的掩膜(mask)。
108.第二筛选模块108，用于基于所述第一图像和所述第一坐标数据，对所述第一图像进行图像质量的筛选，将符合第二预设条件的所述第一图像定义为第二图像；
109.此步骤为识别dicom图像的质量，由于质量欠佳，影像后续诊断的情况，如扫描范围不全、图像伪影等。第二预设条件为判断dicom图像扫描范围、图像是否有伪影。
110.如果图像质量合格，则第二图像可用于后续ai诊断流程，并将定性判断结果返回影像结构化报告〞技术评估(图像质量)
″
的相应控件。
111.如果判断图像质量不合格，则中止ai诊断流程，并将定性判断结果返回给影像结构化报告〞技术评估
″
的相应控件，比如质量是哪里不合格，是伪影造成的不合格还是扫描范围不全造成的不合格，并发送提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中。
112.诊断模块110，基于预设的诊断类型和所述第一坐标数据，分别从所述第二图像中获取所述诊断类型的诊断数据，将所述诊断数据发送到影像结构化报告；其中，所述诊断数据至少为病灶区域图像、所述病灶区域图像的坐标数据、定性数据、定量数据、所述病灶区域图像的关键图像和提示信息中的一种或多种；
113.所述诊断模块包括：诊断单元：采用自动分析工具分析所述第二图像，获得所述诊断数据。
114.此处的自动分析工具为各个ai模型。
115.诊断类型包括：检出脑血肿和出血、检出急性大面积脑梗死、检出脑室形态异常和检出脑疝，其中，所述检出脑血肿和出血还包括：判断脑血肿和出血分类。
116.其中，诊断类型为：检出脑血肿和出血的分析流程为：基于第一坐标数据，分析第二图像，分割急性脑血肿和出血灶。输出如下诊断数据：
117.病灶区域图像
‑‑
血肿的区域图像
118.病灶区域图像的坐标数据
‑‑
血肿的坐标数据
119.定性数据
‑‑
是否可见血肿；如果定性数据为可见血肿，则返回影像结构化报告〞病灶列表：血肿
″
的相关控件，将血肿数据(血肿的数量、体积、三维径线)，返回到影像结构化报告
″
血肿径线和体积
″
的相应控件，并按照预设的规则生成血肿的关键图像，返回到影像结构化报告相应控件的〞关键图像
″
；提示信息
‑
发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中，并进行下一个诊断类型的诊断
‑‑
判断脑血肿和出血分类；
120.如果定性数据为未见血肿，则返回给影像结构化报告
″
未见血肿
″
相应控件，并进行下一个诊断类型的诊断
‑‑
检出急性大面积脑梗死
121.定量数据
‑
血肿的数量、体积、三维径线
122.病灶区域图像的关键图像
‑‑
血肿的关键图像。
123.其中，诊断类型为：判断脑血肿和出血分类，基于血肿的区域图像，对脑血肿和出血做出分类判断，输出对血肿分类的定性数据：包括脑实质血肿、脑室内出血、硬膜外血肿、硬膜线血肿和蛛网膜下腔出血，将判断的定性数据返回给结构化报告病灶列表：血肿类型相应控件。
124.其中，诊断类型为：检出急性大面积脑梗死，基于第一坐标数据，分析第二图像，分割急性大面积脑梗死灶。输出如下诊断数据：
125.病灶区域图像
‑
急性大面积脑梗死的区域图像
126.病灶区域图像的坐标数据
‑
急性大面积脑梗死的坐标数据
127.定性数据
‑‑
是否可见急性大面积脑梗死；如果定性数据为可见急性大面积脑梗死，则返回影像结构化报告
″
病灶列表：急性大面积脑梗死
″
的相关控件，将急性大面积脑梗死数据(急性大面积脑梗死的数量、体积、三维径线)，返回到影像结构化报告〞急性大面积脑梗死径线和体积
″
的相应控件，并按照预设的规则生成急性大面积脑梗死的关键图像，返回到影像结构化报告相应控件的〞关键图像
″
；提示信息
‑
发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中；
128.如果定性数据为未见急性大面积脑梗死，则返回给影像结构化报告〞未见急性大面积脑梗死
″
相应控件；
129.定量数据一急性大面积脑梗死的数量、体积、三维径线；
130.病灶区域图像的关键图像
‑‑
急性大面积脑梗死的关键图像。
131.其中，诊断类型为：检出脑室形态异常，基于脑室区域的坐标数据，分析第二图像，对脑室形态做出分类判断，判断是否有脑积水、脑室受压。输出如下诊断数据：
132.定性数据一如定性判断为〞可见脑积水
″
或〞可见脑室受压
″
，则返回影像结构化报告〞病灶列表：脑积水、病灶列表
″
相应控件；并按预设的规则生成关键图像，返回影像结构化报告相应控件的〞关键图像
″
，提示信息
‑
发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中；
133.如定性判断的数据为未见脑积水、未见脑室受压，则返回给影像结构化报告〞未见脑积水、未见脑室受压
″
相应控件；
134.其中，诊断类型为：检出脑疝，基于第一坐标数据，分析第二图像，判断是否有脑疝
存在，包括大脑镰下疝、小脑幕切迹疝、小脑扁桃体下疝和切口疝等；
135.定性数据
‑
如定性判断为〞可见脑疝
″
则返回影像结构化报告〞病灶列表：脑疝
″
的相应控件。并按预设的规则生成关键图像，返回影像结构化报告相应控件的〞关键图像〞。发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告数据库中。
136.第二分割模块112，基于所述第一坐标数据，获取所述第二图像中至少一个组织区域的坐标数据，根据所述组织区域的坐标数据与所述病灶区域图像的坐标数据确定病灶位置，将定位数据发送到所述影像结构化报告；
137.其中，组织区域的坐标数据为：大脑镰坐标数据、颅实质坐标数据、颅室坐标数据、蛛网膜下腔坐标数据；
138.其中，大脑镰坐标数据
‑‑‑
基于第一坐标数据，将第二图像中的大脑镰分割出来，用于后续颅内病灶的定位，以及中线偏移的分类等；
139.颅实质坐标数据
‑‑‑
基于第一坐标数据，将第二图像中的脑区分割为幕上、幕下和脑干，脑实质的不同区域包括幕上(双侧额叶、顶叶、颞叶、枕叶、尾状核、豆状核、丘脑内囊、外囊；胼胝体膝部、胼胝体压部)、幕下(小脑、延髓)、脑干(中脑、桥脑)，用于后续颅内病灶的定位。
140.颅室坐标数据
‑‑‑
基于第一坐标数据，将第二图像中的颅室分割为侧脑室、三脑室、四脑室，用于后续脑室内病灶的定位，以及脑积水等脑室异常的分类。
141.蛛网膜下腔坐标数据
‑‑‑
基于第一坐标数据，将第二图像中的蛛网膜下腔分割出来，用于后学蛛网膜下腔病灶的定位以及脑萎缩的分类。
142.根据组织区域的坐标数据与病灶区域图像的坐标数据确定病灶位置，将定位数据发送到影像结构化报告：
143.脑实质病灶定位：将脑实质、脑室、大脑镰、蛛网膜下腔与病灶区域对比，给出病灶定位。输入第一坐标数据、大脑镰坐标数据、颅实质坐标数据、颅室坐标数据、蛛网膜下腔坐标数据，输出病灶定位数据，将定位编码返回影像结构化报告相应控件的导航图。
144.结论模块114，用于所述影像结构化报告整合所述第一图像、所述第二图像、所述第一坐标数据、所述诊断数据和所述定位数据，生成诊断印象。
145.整合所有智能化工具(ai模型、影像组学模型、程序)的发现，得出整体诊断印象。
146.该装置还包括术后改变检出模块，用于在从所述第二图像中获取所述诊断类型的诊断数据以及获取所述第二图像中至少一个组织区域的坐标数据之前，基于所述第一坐标数据，判断所述第二图像是否存在颅脑术后改变，若存在所述颅脑术后改变，则生成该术后改变对应的关键图像并发送给所述影像结构化报告；若不存在所述颅脑术后改变，则进行后续诊断流程。
147.如定性判断为〞可见术后改变
″
，则返回结构化报告
″
整体评估：颅脑术后
″
的相应控件，并按预设的规则生成关键图像，返回结构化报告相应控件的
″
关键图像〞。
148.如定性判断为
″
未见术后改变
″
，则返回给结构化报告
″
未见术后改变
″
的相应控件。
149.该装置还包括：比较模块，用于将所述诊断数据与所述诊断数据相对应的既往诊断数据进行比较，获得比较数据，将所述比较数据发送到所述影像结构化报告。
150.将本次检查中的阳性结果与既往检查的相应结果做比较，分为：未见变化、可见变
化如定性判断为
″
未见变化
″
，则返回给结构化报告〞未见变化
″
的相应控件；
151.如定性判断为〞可见变化
″
，则返回给结构化报告〞可见变化
″
的相应控件；
152.该装置还包括：预测模块，用于根据所述检出脑血肿和出血的诊断数据预测预设时间内的脑部出血概率，并将所述出血概率返回到所述影像结构化报告的相应控件。
153.例如，预测24小时再出血的概率，将该概率值返回到影像结构化报告
″
预测
″
的相应控件。