[发明专利]血管内超声自动影像组学分析系统及分析方法

说明书

本发明公开了一种血管内超声自动影像组学分析系统及分析方法，系统设置在计算机内，系统包括分析系统包括数据采集转化模块、图像标注和处理模块、图像学习模块、图像分割处理模块、组学特征运算处理模块、分类处理输出模块；方法包括步骤一：图像质量控制：步骤二：图像分割；步骤三：组学特征计算；步骤四：分类及输出。采用本技术方案后，通过全自动分析技术可以在极短时间内获取大量组学特征信息，解决了现有技术依赖人力费时费力、不同分析者间变异度大的问题，另外可以通过机器学习方法挖掘出哪些特征对分类任务起到了的作用，解决了以往判断准确性低的问题。

技术领域

本发明涉及数字化医学影像分析领域，尤其涉及一种血管内超声自动影像组学分析系统及分析方法。

背景技术

医学影像学Medical Imaging，是研究借助于某种介质(如X射线、电磁场、超声波等)与人体相互作用，把人体内部组织器官结构、密度以影像方式表现出来，供诊断医师根据影像提供的信息进行判断，从而对人体健康状况进行评价的一门科学，包括医学成像系统和医学图像处理两方面相对独立的研究方向。

医学影像学作为一种医疗辅助手段用于诊断和治疗，诊断主要包括透视、放射线片、CT、MRI、超声、数字减影、血管造影等。治疗主要应用为介入治疗、放疗等方面。除了医疗上述用途之外，影像学还可以与其他学术领域相结合，譬如认知心理学(cognitivepsychology)、语言学(linguistics)、教育学(education)、社会学(sociology)等，通过与其它领域相互结合可以让研究人员探索人类在进行认知行为时的大脑活动，这样的研究已经逐渐成形，学术界称之为认知神经科学(cognitive neuroscience)。

由于成像技术的迅速发展，医学影像已成为疾病管理中的重要模式，为临床提供了全面的视角和丰富的信息，在疾病筛查、早期诊断、治疗指导和预后评估等方面发挥着举足轻重的作用。现已知病灶形态或功能上的变化是由患者个体的基因、细胞、生理微环境、生活习惯和生存大环境等诸多因素共同决定的。若在常规影像学定性诊断基础上，通过深度挖掘数据，寻找出疾病的内涵特征，从而反映人体组织、细胞和基因水平的变化，将会对临床医学产生重大影响。

基于这一理论，影像组学(radiomics)应运而生，影像组学技术是计算机科学与医学影像结合而产生出的新兴的影像分析方法，它能够从医学影像中提取高通量特征来量化病变特征。即采用自动化算法从影像的感兴趣区(ROI)内提取出大量(数百个乃至数千个)的特征信息作为研究对象，并进一步采用多样化的统计分析和数据挖掘方法从大批量信息中提取出真正起作用的关键信息，最终用于疾病的辅助诊断、分类或分级。影像组学的技术作为跨学科的创新分析技术，主要用于肿瘤影像领域，在心血管领域的研究始于2017年，目前仅有十数篇论文报道，也仅限于CT和磁共振的初步研究，对于图像感兴趣区的分割主要依赖于分析者手动。

另一方面，传统的影像分析目前主要通过人工判断或借助商用软件半自动分析的方法实现。人工判断是指拥有医学影像专业技能的影像科医生或临床医生凭借自身的知识和经验通过目测进行的分析和决策。软件半自动分析是指影像文档导入影像设备自带软件或另外购买的分析软件中，软件给出初步分割结果，人工判断修正后得到病灶的定量结果，比如体积、面积、长度、厚度、角度等等。

传统的影像分析存在如下缺陷：1、耗费大量的人力和时间，判断的准确性极大依赖于观察者的经验和知识水平；2、只能分析体积、面积、长度等低维度的病变表型特征，却丢失了大量的深度信息。这些缺陷造成了影像诊断的准确性低和不可靠。而上述病变的定性定量信息以外的高维度信息无法通过传统的技术获得。

如何通过使用自动组学特征分析对血管内超声中的血管病变进行分类，解决现有技术依赖人力费时费力、不同分析者间变异度大的问题和判断准确性低的问题是申请人致力于研究和想要克服的课题。

发明内容

为了解决现有技术存在的缺陷，本发明提供一种血管内超声自动影像组学分析系统及分析方法。