[发明专利]一种针对脑出血疾病的CT图像处理方法

说明书

本申请公开了一种针对脑出血疾病的CT图像处理方法，包括：步骤1，对样本数据集进行数据预处理操作，标注样本数据集中每例数据中每帧CT图像的切面数据；步骤2，构建基于单帧CT图像的图像分类模型，并对切面数据进行数据分割，生成切面数据的数据分割结果；步骤3，利用全连接层和reshap函数，对数据分割结果进行分类，生成数据分类结果；步骤4，提取数据分割结果、数据分类结果中的检索特征，并根据检索特征，生成切面数据的识别结果。通过本申请中的技术方案，对CT图像进行分割、分类和检索处理，以便起到助于医生理解CT图像的作用。

技术领域

本申请涉及神经网络的技术领域，具体而言，涉及一种针对脑出血疾病的CT图像处理方法。

背景技术

自发性脑出血(SICH)是多种病因导致的原发性脑实质出血，仅有12％～39％的患者可以实现远期生活自理，给社会和家庭带来了极大的疾病负担。脑出血的诊断与治疗具有一定的复杂性，涉及神经外科、神经内科等多个学科，不同地区患者的预后差异较大，导致这种差异的原因复杂多样，但缺少对脑出血精准诊断的便捷技术是其中的重要原因之一。

头部CT图像检查可以很好地显示出血灶，实现准确估算CT图像中血肿量，为各项研究提供基础数据，目前以医师手动分割的血肿结果作为计算血肿量的“金标准”，但这种方法耗时费力；而且临床上常以多田公式(即长×宽×高/2)作为血肿量的估算方法，但其结果难言精准。

发明内容

本申请的目的在于：提供一种针对脑出血疾病的CT图像处理方法，建立在临床的基础需求上，对CT图像进行分割、分类和检索处理，以便起到助于医生理解CT图像的作用。

本申请的技术方案是：提供了一种针对脑出血疾病的CT图像处理方法，该方法包括：步骤1，对样本数据集进行数据预处理操作，标注样本数据集中每例数据中每帧CT图像的切面数据；步骤2，构建基于单帧CT图像的图像分类模型，并对切面数据进行数据分割，生成切面数据的数据分割结果；步骤3，利用全连接层和reshap函数，对数据分割结果进行分类，生成数据分类结果；步骤4，提取数据分割结果、数据分类结果中的检索特征，并根据检索特征，生成切面数据的识别结果。

上述任一项技术方案中，进一步地，步骤2中生成切面数据的数据分割结果的方法，具体包括：步骤21，在进行数据分割时，对切面数据进行预处理，调整切面数据的大小，并通过卷积层生成第一图像；步骤22，采用图像分类模型中的encoder模块，对第一图像的分辨率进行调整，生成第二图像；步骤23，在图像分类模型中中引入反卷积算法，根据第二图像，生成切面数据的数据分割结果。

上述任一项技术方案中，进一步地，检索特征至少包括：病灶大小、病灶数量、病灶位置和分类特征，步骤4中，生成切面数据的识别结果，具体包括：当判定数据分割结果中的分类特征为有病、且数据分类结果中的分类特征为无病时，分别计算数据分割结果、数据分类结果中的病灶数量相似分数、病灶大小相似分数、病灶位置相似分数；根据病灶数量相似分数、病灶大小相似分数、病灶位置相似分数，计算数据分割结果的第一相似分数；根据数据分割结果的第一相似分数，生成切面数据的识别结果。

上述任一项技术方案中，进一步地，检索特征至少包括：病灶大小、病灶数量、病灶位置和分类特征，步骤4中，生成切面数据的识别结果，具体还包括：当判定数据分割结果中的分类特征为无病、且数据分类结果中的分类特征为有病时，计算数据分类结果的第二相似分数；根据数据分类结果的第二相似分数，生成切面数据的识别结果。

上述任一项技术方案中，进一步地，检索特征至少包括：病灶大小、病灶数量、病灶位置和分类特征，步骤4中，生成切面数据的识别结果，具体还包括：当判定数据分割结果中的分类特征为有病、且数据分类结果中的分类特征为有病时，根据病灶大小、病灶数量、病灶位置和分类特征，计算切面数据的第三相似分数；根据切面数据的第三相似分数，生成切面数据的识别结果。

本申请的有益效果是：