[发明专利]基于医学影像的病灶分析方法和装置

权利要求书

1.一种基于医学影像的病灶分析方法，其特征在于，包括：

基于医学影像数据提取病灶表征数据；

基于病灶表征数据提取病灶特征信息；

将所述病灶特征信息输入第一机器学习模型，以获得第一病灶特征向量；

将所述医学影像数据和所述病灶表征数据输入第二机器学习模型，以获得第二病灶特征向量；

合并所述第一病灶特征向量和所述第二病灶特征向量，获得与所述病灶对应的融合特征向量；以及

根据所述融合特征向量获取所述病灶的分析结果；

其中，所述病灶表征数据包括以下几项中的一种或多种组合：病灶轮廓、病灶所在器官的结构单元的轮廓、病灶所在器官的整体轮廓；

所述病灶特征信息包括以下几项中的一种或多种组合：所述病灶在所述病灶的器官中的占比、所述病灶所在器官的结构单元的感染数量、所述病灶所在器官的结构单元感染的最大面积、不同的病灶所在器官的结构单元中病灶区域的HU值分布情况；

所述第一机器学习模型以及所述第二机器学习模型分别选用卷积神经网络架构和/或全连接神经网络架构。

2.根据权利要求1所述的方法，其特征在于，所述根据所述融合特征向量获取所述病灶分析结果包括：将所述融合特征向量，输入第三机器学习模型以获得所述病灶分析结果，其中，所述第三机器学习模型选用卷积神经网络架构和/或全连接神经网络架构。

3.根据权利要求2所述的方法，其特征在于，所述将所述融合特征向量，输入第三机器学习模型以获得所述病灶分析结果包括：将所述融合特征向量，输入第三机器学习模型以获得所述病灶的类别和/或严重度。

4.根据权利要求3所述的方法，其特征在于，在将所述融合特征向量，输入第三机器学习模型以获得所述病灶的类别和/或严重度之后，还包括：根据所述病灶的类别和/或严重度，发出预警。

5.根据权利要求4所述的方法，其特征在于，所述基于医学影像数据提取病灶表征数据包括：

将所述医学影像数据输入第四机器学习模型以获取病灶表征数据；

其中，所述第四机器学习模型采用U-Net和/或全卷积神经网络分割网络。

6.根据权利要求5所述的方法，其特征在于，所述病灶包括肺炎；

其中，所述肺炎的类型包括：细菌性肺炎、新型冠状病毒肺炎、除新型冠状病毒肺炎外的其他病毒性肺炎、支原体肺炎、衣原体肺炎、真菌性肺炎、原虫性肺炎；和/或，

其中，所述肺炎的严重度包括：轻度、中度和重度。

7.根据权利要求6所述的方法，其特征在于，所述肺炎的严重度还包括：所述新型冠状病毒肺炎的概率值。

8.根据权利要求7所述的方法，其特征在于，所述病灶包括肺炎；

其中，所述根据所述病灶的类别和/或严重度，发出预警包括：

当所述肺炎的严重度为中度时，发出低级预警；

当所述肺炎的严重度为重度时，发出中级预警；

当所述肺炎的类别为新型冠状病毒肺炎时，发出高级预警。

9.根据权利要求8所述的方法，其特征在于，所述基于肺部医学影像数据提取肺炎病灶表征数据包括：将所述肺部医学影像输入第四机器学习模型以获取肺炎病灶表征数据；其中，

所述第四机器学习模型包括肺炎分割模型、肺部分割模型、肺叶分割模型；

所述肺炎病灶表征数据包括：肺炎轮廓、肺叶轮廓、肺部轮廓。