[发明专利]基于图神经网络的影像检查互认的评估方法和系统

说明书

本发明涉及智慧医疗管理技术，公开了基于图神经网络的影像检查互认的评估方法和系统，其包括，编码特征信息的获取；互认特征编码的分类，对于互认特征编码依据影像检查类型进行分类，影像检查类型包括DX、CT、CTA、MR、MRA；建立单个影像检查类型的互认评估模型，互认评估模型的具体结构为图神经网络，并通过互认特征编码和互认专家标注进行互认评估模型的训练；评估系数的获取，将互认特征编码输入训练后的互认评估模型，然后通过sigmoid获得评估系数p_i。本发明通过影像质量、诊断报告建议多方面因素，采用模式识别方式评估互认系数；其对于医疗机构能够快速、客观地评估放射检查的质量。

技术领域

本发明涉及智慧医疗管理技术，尤其涉及了检查互认领域的管理办法，采用人工智能技术提供可互认的评估范围；基于图神经网络的影像检查互认的评估方法和系统。

背景技术

在全国推行医疗机构检查检验结果互认管理办法的背景下，提供一种客观的综合性检查检验评估方法，方便医疗机构评估前次检查检验是否满足患者的诊断需求。本发明针对影像检查，基于图像质量、拍摄时间、诊断建议、医院等级等情况采用图神经网络进行互认评估。

如现有技术中，专利申请号：CN202111303143.6；该方法缺少对检查的评估手段，仅是对重复检查的监管，但部分检查可能对本次就诊可以起到诊断作用，而医疗机构难以快速、客观地评估放射检查的质量。CN202111211604.7通过指定标准的检查规范格式，便于检查互认，但同样缺少检查互认的评估手段。CN202111164179.0根据上次检查诊断报告中的诊断结果，并结合医学诊断临床标准指定该疾病的检查互认评估标准，但该方法没有评估影像质量、检查医院、检查设备等综合信息是否满足本次诊断所需；CN202011581391.2设计了一种检查互认院内评估流程，该评估方法主要依赖各个医疗机构的人工主观工作，缺少数字化、自动化的客观评估

发明内容

本发明针对现有技术中医疗机构难以快速、客观地评估放射检查的质量的问题，提供了基于图神经网络的影像检查互认的自动化评估方法和系统。

为了解决上述技术问题，本发明通过下述技术方案得以解决：基于图神经网络的影像检查互认的评估方法，其方法包括：

编码特征信息的获取，编码特征信息包括复查系数特征、患者年龄患者性别、医院等级、影像质量指标；

互认特征编码，对编码特征信息进行拼接，从而形成8维互认特征编码；

互认特征编码的分类，对于互认特征编码依据影像检查类型进行分类，影像检查类型包括DX、CT、CTA、MR、MRA；

互认评估模型的建立，，互认评估模型的具体结构为图神经网络，并通过互认特征编码和互认专家标注进行互认评估模型的训练；

评估系数的获取，对训练后的互认评估模型通过sigmoid获得评估系数p_i；

其中，q_i为样本i的互认特征编码输入互认评估模型后的输出。

作为优选，影像质量指标包括梯度、灰度方差、灰度方差乘积和峰值信噪比；

当影像数据为三维影像数据时，对尺寸为D,H,W的三维放射影像，其中D为影像的层数，H为影像的长度，W为影像的宽度，进行f质量评估方法，其方法包括计算如下影像质量指标：

梯度T_x,y,z：

其中，代表x方向上的梯度，代表y方向上的梯度，代表z方向上的梯度；

灰度方差D(f)：

D(fx,y,z)