本發(fā)明涉及醫(yī)療，具體為基于醫(yī)療圖像的顱腦損傷程度診斷輔助系統(tǒng)。

背景技術(shù)：

1、在顱腦損傷程度診斷的領(lǐng)域中，其核心是通過(guò)對(duì)醫(yī)療影像中異常病灶的精準(zhǔn)識(shí)別和綜合分析，量化顱腦病變的特征，輔助醫(yī)生判斷損傷的嚴(yán)重程度以及可能的臨床干預(yù)。具體到間質(zhì)性腦水腫這一病理狀態(tài)，它常常與腦缺血、腦挫傷等損傷類型的特征重疊，尤其是在影像學(xué)表現(xiàn)上，易被誤診為其他病理狀態(tài)，這種誤診可能忽略間質(zhì)性腦水腫的潛在病理關(guān)聯(lián)（如水腫擴(kuò)散可能引發(fā)顱內(nèi)高壓），因此需要結(jié)合其他損傷類型的特征進(jìn)行綜合分析，以提高診斷的準(zhǔn)確性和臨床判斷的可靠性。

2、針對(duì)間質(zhì)性腦水腫及其與其他損傷類型的病理鑒別，目前臨床診斷存在諸多不足。一方面，傳統(tǒng)診斷主要依賴醫(yī)生的影像學(xué)經(jīng)驗(yàn)，對(duì)腦白質(zhì)區(qū)域的異常做出主觀判斷，缺乏系統(tǒng)的量化標(biāo)準(zhǔn)；此外，目前的臨床評(píng)估模型多集中于單一病灶特征的分析，導(dǎo)致診斷的系統(tǒng)性和精確性不足，上述限制帶來(lái)的異常后果包括：誤診率高、治療延誤以及潛在危險(xiǎn)病變的未被及時(shí)識(shí)別，這些都可能直接導(dǎo)致患者病情惡化、治療成本上升，甚至增加患者的死亡風(fēng)險(xiǎn)。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了基于醫(yī)療圖像的顱腦損傷程度診斷輔助系統(tǒng)，解決了上述背景技術(shù)中的問題。

2、為實(shí)現(xiàn)以上目的，本發(fā)明通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)：基于醫(yī)療圖像的顱腦損傷程度診斷輔助系統(tǒng)，包括影像數(shù)據(jù)采集模塊、初判模塊、類型診斷模塊及顱腦損傷評(píng)估模塊；

3、所述影像數(shù)據(jù)采集模塊用于采集患者的顱腦醫(yī)療影像組，并經(jīng)圖像預(yù)處理，以識(shí)別出顱腦醫(yī)療影像組內(nèi)的病灶區(qū)域，基于病灶區(qū)域，以獲取患者病灶區(qū)域內(nèi)腦白質(zhì)中的多模態(tài)特征集合；

4、所述初判模塊用于根據(jù)多模態(tài)特征集合，初步分析腦白質(zhì)內(nèi)間質(zhì)液的積聚程度，以獲取滲透異常系數(shù)syxs，基于滲透異常系數(shù)syxs診斷當(dāng)前患者顱腦內(nèi)是否存在間質(zhì)性腦水腫風(fēng)險(xiǎn)，若存在，則發(fā)出識(shí)別指令；

5、所述類型診斷模塊用于在接收到識(shí)別指令后，提取出多模態(tài)特征集合內(nèi)的相關(guān)區(qū)別特征，并根據(jù)相關(guān)區(qū)別特征，再次診斷當(dāng)前患者顱腦內(nèi)的損傷類型，以獲取鎖定系數(shù)sdxs；

6、所述顱腦損傷評(píng)估模塊用于利用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建顱腦損傷程度診斷模型，并將鎖定系數(shù)sdxs及滲透異常系數(shù)syxs輸入至顱腦損傷程度診斷模型內(nèi)，經(jīng)無(wú)量綱處理后，擬合輸出損傷評(píng)估指數(shù)spzs，并以可視化形式進(jìn)行展示。

7、優(yōu)選的，所述影像數(shù)據(jù)采集模塊包括圖像采集單元、圖像預(yù)處理單元及特征提取單元；

8、所述圖像采集單元用于預(yù)先利用計(jì)算機(jī)斷層掃描儀及磁共振成像儀對(duì)患者進(jìn)行顱腦掃描，以采集患者的顱腦醫(yī)療影像組；

9、所述圖像預(yù)處理單元用于將顱腦醫(yī)療影像組導(dǎo)入至dicom文件內(nèi)，并將dicom文件轉(zhuǎn)換為nifti格式，同時(shí)將利用計(jì)算機(jī)斷層掃描儀獲取的一號(hào)顱腦醫(yī)療影像，通過(guò)雙邊濾波法進(jìn)行噪聲去除，將利用磁共振成像儀所獲取的二號(hào)顱腦醫(yī)療影像，通過(guò)非局部均值濾波法進(jìn)行噪聲去除，再將顱腦醫(yī)療影像組進(jìn)行灰度值的歸一化處理，調(diào)整灰度值范圍，并將歸一化處理后的顱腦醫(yī)療影像組進(jìn)行自動(dòng)分割，以識(shí)別并提取出顱腦醫(yī)療影像組內(nèi)的病灶區(qū)域；

10、其中，所述顱腦醫(yī)療影像組包括利用計(jì)算機(jī)斷層掃描儀所獲取的一號(hào)顱腦醫(yī)療影像以及利用磁共振成像儀所獲取的二號(hào)顱腦醫(yī)療影像；

11、所述特征提取單元用于預(yù)先將顱腦醫(yī)療影像組經(jīng)圖像處理，以生成灰度共生矩陣，并根據(jù)病灶區(qū)域，提取出患者病灶區(qū)域內(nèi)腦白質(zhì)中的多模態(tài)特征集合，其中，所述多模態(tài)特征集合包括腦白質(zhì)中的相關(guān)流液滲透特征及相關(guān)區(qū)別特征，相關(guān)流液滲透特征包括液體積聚體積及病灶區(qū)域的總體積；相關(guān)區(qū)別特征包括病灶區(qū)域內(nèi)相應(yīng)像素的密度、病灶區(qū)域的總面積、病灶區(qū)域邊界的總長(zhǎng)度、灰度共生矩陣中相應(yīng)像素點(diǎn)的灰度級(jí)hdj、病灶區(qū)域的平均t1信號(hào)強(qiáng)度、正常腦組織的平均t1信號(hào)強(qiáng)度及病灶彌散度。

12、優(yōu)選的，所述初判模塊包括非特異影像表現(xiàn)分析單元及初判單元；

13、所述非特異影像表現(xiàn)分析單元用于根據(jù)所述相關(guān)流液滲透特征，分析間質(zhì)液滲透進(jìn)入腦白質(zhì)區(qū)域的異常積聚情況，以獲取水含量比例shb，所述水含量比例shb通過(guò)以下公式獲取：式中，表示為液體積聚體積，表示為病灶區(qū)域的總體積；結(jié)合病灶區(qū)域的顱腦醫(yī)療影像，分析獲取病灶區(qū)域的平均密度，所述平均密度具體按照以下方式獲取：式中，表示為病灶區(qū)域內(nèi)第i像素的密度，n表示為病灶區(qū)域內(nèi)的像素總數(shù)，i=1、2、3、...、n。

14、優(yōu)選的，通過(guò)將所述水含量比例shb及所述平均密度相關(guān)聯(lián)，并經(jīng)無(wú)量綱處理后，計(jì)算獲取滲透異常系數(shù)syxs，所述滲透異常系數(shù)syxs通過(guò)以下公式獲?。菏街校熬鶠闄?quán)重值，表示第一修正常數(shù)，其中，及具體數(shù)值由用戶根據(jù)情況進(jìn)行設(shè)定。

15、優(yōu)選的，所述初判單元用于從醫(yī)院中提取正常人的顱腦醫(yī)療影像組，并基于正常人的顱腦醫(yī)療影像組，設(shè)定標(biāo)準(zhǔn)閾值h，并將其與所述滲透異常系數(shù)syxs進(jìn)行比對(duì)分析，以診斷當(dāng)前患者顱腦內(nèi)是否存在間質(zhì)性腦水腫風(fēng)險(xiǎn)，具體診斷內(nèi)容如下：

16、若所述滲透異常系數(shù)syxs超過(guò)標(biāo)準(zhǔn)閾值h時(shí)，診斷當(dāng)前患者顱腦內(nèi)存在間質(zhì)性腦水腫風(fēng)險(xiǎn)，此時(shí)將向類型診斷模塊發(fā)出識(shí)別指令；

17、若所述滲透異常系數(shù)syxs未超過(guò)標(biāo)準(zhǔn)閾值h時(shí)，診斷當(dāng)前患者顱腦內(nèi)暫未存在間質(zhì)性腦水腫風(fēng)險(xiǎn)，此時(shí)將暫不向類型診斷模塊發(fā)出識(shí)別指令，結(jié)束患者顱腦內(nèi)存在間質(zhì)性腦水腫風(fēng)險(xiǎn)的分析過(guò)程。

18、優(yōu)選的，所述類型診斷模塊包括圖像特征分析單元及類型識(shí)別單元；

19、所述圖像特征分析單元用于接收識(shí)別指令，根據(jù)多模態(tài)特征集合內(nèi)的相關(guān)區(qū)別特征，分析顱腦醫(yī)療影像組內(nèi)影像的邊界特性，以分別計(jì)算獲取邊界清晰度bqcd及紋理對(duì)比度wdbd，所述邊界清晰度bqcd及所述紋理對(duì)比度wdbd分別通過(guò)以下公式獲取：式中，表示為病灶區(qū)域的總面積；表示為病灶區(qū)域邊界的總長(zhǎng)度；表示為圓周率；式中，表示為灰度共生矩陣中相鄰像素之間灰度級(jí)的聯(lián)合概率；表示為第j像素點(diǎn)的灰度級(jí)，表示為第j+1像素點(diǎn)的灰度級(jí)，j表示灰度共生矩陣中的各像素點(diǎn)。

20、優(yōu)選的，所述類型識(shí)別單元用于通過(guò)將圖像特征分析單元中獲取的所述邊界清晰度bqcd及所述紋理對(duì)比度wdbd相關(guān)聯(lián)，并經(jīng)無(wú)量綱處理后，以獲取鎖定系數(shù)sdxs，所述鎖定系數(shù)sdxs通過(guò)以下公式獲?。菏街?，表示為信號(hào)強(qiáng)度比，、及均為權(quán)重值，其中，、及具體數(shù)值由用戶根據(jù)情況進(jìn)行設(shè)定；其中，信號(hào)強(qiáng)度比通過(guò)以下公式獲?。菏街校硎緸椴≡顓^(qū)域的平均t1信號(hào)強(qiáng)度，表示為正常腦組織的平均t1信號(hào)強(qiáng)度。

21、優(yōu)選的，預(yù)先設(shè)定劃分閾值e，通過(guò)將所述鎖定系數(shù)sdxs與劃分閾值e進(jìn)行比對(duì)，以再次診斷當(dāng)前患者顱腦內(nèi)的損傷類型，具體內(nèi)容如下：

22、若所述鎖定系數(shù)sdxs超過(guò)劃分閾值e時(shí)，此時(shí)將診斷當(dāng)前患者顱腦內(nèi)的損傷類型不是間質(zhì)性腦水腫；

23、若所述鎖定系數(shù)sdxs未超過(guò)劃分閾值e時(shí)，此時(shí)將診斷當(dāng)前患者顱腦內(nèi)的損傷類型是間質(zhì)性腦水腫。

24、優(yōu)選的，所述顱腦損傷評(píng)估模塊包括建模單元及評(píng)價(jià)輸出單元；

25、所述建模單元用于使用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建初始模型，并以多模態(tài)特征集合作為初始模型的輸入，以進(jìn)行訓(xùn)練和測(cè)試，并將訓(xùn)練后的初始模型作為狀態(tài)識(shí)別模型，分別獲取狀態(tài)識(shí)別模型內(nèi)的特征信息，并將獲取的特征信息對(duì)狀態(tài)識(shí)別模型進(jìn)行訓(xùn)練和測(cè)試，結(jié)合當(dāng)前患者顱腦的損傷類型，將訓(xùn)練后的狀態(tài)識(shí)別模型作為顱腦損傷程度診斷模型。

26、優(yōu)選的，所述評(píng)價(jià)輸出單元用于根據(jù)顱腦損傷程度診斷模型，擬合輸出損傷評(píng)估指數(shù)spzs，所述損傷評(píng)估指數(shù)spzs通過(guò)以下公式獲?。菏街?，syxs表示為滲透異常系數(shù)，表示為相關(guān)區(qū)別特征中的病灶彌散度，表示為鎖定系數(shù)的動(dòng)態(tài)調(diào)節(jié)因子，v表示第二修正常數(shù)；

27、其中，鎖定系數(shù)的動(dòng)態(tài)調(diào)節(jié)因子通過(guò)以下公式獲?。?/p>

28、

29、式中，e表示自然對(duì)數(shù)的底數(shù)，其近似值為2.71828；

30、通過(guò)預(yù)先設(shè)定評(píng)估閾值k，將其與所述損傷評(píng)估指數(shù)spzs進(jìn)行比對(duì)分析，以綜合評(píng)估當(dāng)前患者的顱腦損傷程度，若所述損傷評(píng)估指數(shù)spzs超過(guò)評(píng)估閾值k，則判斷當(dāng)前患者的顱腦損傷處于危險(xiǎn)狀態(tài)，此時(shí)將立即通知醫(yī)生對(duì)當(dāng)前患者進(jìn)行人工干預(yù)，將患者轉(zhuǎn)入重癥監(jiān)護(hù)室，并對(duì)患者進(jìn)行實(shí)時(shí)生命體征監(jiān)測(cè)，生命體征監(jiān)測(cè)包括血壓、心率、呼吸頻率及顱內(nèi)壓；若所述損傷評(píng)估指數(shù)spzs未超過(guò)評(píng)估閾值k，則判斷當(dāng)前患者的顱腦損傷未處于危險(xiǎn)狀態(tài)，此時(shí)將定期監(jiān)測(cè)患者的生命體征，并采取24小時(shí)內(nèi)復(fù)查ct和mri方案，以觀察病灶變化。

31、本發(fā)明提供了基于醫(yī)療圖像的顱腦損傷程度診斷輔助系統(tǒng)，具備以下有益效果：

32、（1）?該系統(tǒng)通過(guò)影像數(shù)據(jù)采集模塊，結(jié)合圖像預(yù)處理技術(shù)，能夠高效、準(zhǔn)確地識(shí)別顱腦醫(yī)療影像組中的病灶區(qū)域，在病灶區(qū)域的基礎(chǔ)上，提取腦白質(zhì)中的多模態(tài)特征集合，這種多模態(tài)特征的獲取不僅提升了病灶區(qū)域的精準(zhǔn)定位，還為復(fù)雜病理機(jī)制的量化分析奠定了堅(jiān)實(shí)基礎(chǔ)。初判模塊通過(guò)對(duì)腦白質(zhì)內(nèi)間質(zhì)液積聚程度的分析，量化計(jì)算滲透異常系數(shù)syxs，能夠準(zhǔn)確判斷患者是否存在間質(zhì)性腦水腫的風(fēng)險(xiǎn)，提供了早期風(fēng)險(xiǎn)篩查的能力，能夠在病情惡化前及時(shí)識(shí)別潛在問題，提示臨床醫(yī)生迅速干預(yù)，從而顯著提高患者的預(yù)后效果。在存在間質(zhì)性腦水腫風(fēng)險(xiǎn)時(shí)，類型診斷模塊通過(guò)提取多模態(tài)特征集合中的相關(guān)區(qū)別特征，進(jìn)一步區(qū)分病變類型（如腦挫傷或其他損傷），鎖定系數(shù)sdxs的計(jì)算，基于病灶的特異性特征，為病灶類型診斷提供了科學(xué)的量化依據(jù)，這種精確的類型診斷方法，能夠減少診斷誤差，為臨床決策提供可靠支持。顱腦損傷評(píng)估模塊利用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建診斷模型，實(shí)現(xiàn)了對(duì)損傷程度的智能化分析，以擬合輸出損傷評(píng)估指數(shù)spzs，為臨床醫(yī)生提供清晰、量化的診斷結(jié)果，可視化形式的輸出進(jìn)一步提升了結(jié)果的直觀性和易讀性，有助于醫(yī)生快速掌握病情。

33、（2）?初判模塊基于滲透異常系數(shù)，能夠早期檢測(cè)間質(zhì)性腦水腫風(fēng)險(xiǎn)，為及時(shí)干預(yù)提供保障，同時(shí)根據(jù)初判結(jié)果觸發(fā)進(jìn)一步分析，減少不必要的深度診斷環(huán)節(jié)，優(yōu)化資源使用。類型診斷模塊通過(guò)鎖定系數(shù)細(xì)化損傷分類，為制定個(gè)性化治療方案提供依據(jù)。根據(jù)損傷評(píng)估指數(shù)的值，可以判斷患者損傷程度是否超出評(píng)估閾值，進(jìn)而采取對(duì)應(yīng)干預(yù)措施（如加強(qiáng)監(jiān)護(hù)或手術(shù)治療），利用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建損傷評(píng)估模型，增強(qiáng)了系統(tǒng)對(duì)復(fù)雜特征的擬合能力，提升了診斷精度。初判模塊與類型診斷模塊的聯(lián)動(dòng)設(shè)計(jì)，確保診斷過(guò)程靈活動(dòng)態(tài)，應(yīng)對(duì)不同患者的個(gè)性化需求。

34、（3）通過(guò)邊界清晰度量化病灶區(qū)域的邊界規(guī)則性與形態(tài)特征，清晰反映病灶邊界的復(fù)雜程度，基于紋理對(duì)比度描述病灶區(qū)域內(nèi)灰度級(jí)的差異和紋理復(fù)雜度。圖像特征分析單元結(jié)合邊界清晰度和紋理對(duì)比度，從幾何形態(tài)和紋理特性兩個(gè)維度全面分析病灶特征。通過(guò)精準(zhǔn)提取特征并量化，消除了傳統(tǒng)依賴醫(yī)生主觀判斷的局限性，進(jìn)一步提高了損傷類型診斷的客觀性與準(zhǔn)確性。對(duì)紋理均勻、低對(duì)比度的病灶區(qū)域（提示間質(zhì)性腦水腫）提供早期預(yù)警，指導(dǎo)醫(yī)生采取脫水、減壓等治療。輸出的邊界清晰度和紋理對(duì)比度為后續(xù)的損傷評(píng)估模塊提供了高質(zhì)量的輸入。通過(guò)類型診斷模塊的構(gòu)建，系統(tǒng)能夠從圖像的邊界特性與紋理特性出發(fā)，實(shí)現(xiàn)對(duì)顱腦損傷類型的高效、精準(zhǔn)分析，為個(gè)性化治療提供強(qiáng)有力的技術(shù)支撐。