[发明专利]一种基于DLPE算法的肺炎纤维化量化分析方法

说明书

一种基于DLPE算法的肺炎纤维化量化分析方法，涉及医学图像处理技术，针对肺炎CT扫描结果利用现有图像处理技术无法在原始肺窗下看到全部肺实质病变，也无法排除气管、血管这些有大CT值的组织对病变量化的影响，导致无法对肺炎病变进行准确识别以及对肺炎后遗症的准确预测。具体过程为：步骤一、采集肺部CT数据组，将采集的肺部CT数据组进行归一化；步骤二、设计分割模型，将归一化后的每个CT数据中肺部、呼吸道、血管和可见病变进行分割；步骤三、根据分割结果，确定观察肺实质病变的最佳窗宽窗位，在最佳窗宽窗位下得到增强的CT数据；步骤四、采用2.5D分割算法，并采用human‑in‑the‑loop程序，结合放射科医生对训练结果的标注，建立更强的分割和量化模型。

技术领域

本发明涉及医学图像处理技术，具体而言，涉及一种基于DLPE算法的肺炎纤维化量化分析方法。

背景技术

肺炎是指肺部出现炎症，为呼吸系统的多发病、常见病。肺炎可以发生在任何年龄层的人身上，但以年幼及年长者、以及患有免疫力缺乏症或免疫系统比较差的人属于高危患者，他们比较容易发病。若病况严重，可以致命。重症肺炎会留下钙化灶或者纤维灶，严重者可能还会出现肺不张、肺纤维化等问题，从而导致肺功能下降。针对肺炎的后遗症，现有的CT扫描方式无法全面的显示引起患者后遗症的病变。

例如COVID-19常在出院数月后引起肺实质病变，如磨玻璃混浊(GGO)、实变和长期纤维化。目前，对COVID-19住院患者CT扫描病灶进行量化，将CT结果作为COVID-19住院患者症状及短期预后的预测指标。然而，有研究显示，在出院的COVID-19患者中，呼吸后遗症与其后续CT扫描之间存在不一致。首先，重度症状患者的6个月随访患者的肺功能总体上要比轻度症状患者差得多，而CT扫描结果几乎各方面都非常相似。第二，大部分COVID-19患者在出院6个月后仍有呼吸道后遗症。然而，经验丰富的放射科医生和最先进的人工智能系统无法在大约一半的患者身上检测到CT病变，而另一半的患者的CT检测只能检测到微不足道的病变。由此可认为这些呼吸后遗症可能由胸部CT上肉眼看不清的肺部病变引起的。

由于CT扫描结果对有些肺部病变不能全部显示，这对病变识别的准确性存在一定影响，尤其对肺炎后遗症预测的准确性中影响较大。这就需要一种图像处理方法能够将CT扫描结果图像中的亚视觉病变显现出来，然而现有的图像处理技术无法针对肺部的亚视觉病变进行可视化和量化。

发明内容

本发明要解决的技术问题是：

针对肺炎CT扫描结果利用现有图像处理技术无法在原始肺窗下看到全部肺实质病变(即看不到有些肺实质病变)，也无法排除气管、血管这些有大CT值的组织对病变量化的影响，导致无法对肺炎病变进行准确识别以及对肺炎后遗症的准确预测。

本发明为解决上述技术问题所采用的技术方案：

本发明提供一种基于DLPE算法的肺炎纤维化量化分析方法，本发明所述DLPE算法为Deep Lung Parenchyma Enhanced的缩写，所述亚视觉病变为在CT扫描过程看不见的病变，本发明实质是提供一种图像处理技术，将CT扫描图像中不易看到的病变进行可视化。本发明方法是按照如下步骤进行的：

步骤一、采集肺部CT数据组，将采集的肺部CT数据组进行归一化，使数据组转换到一个有相同维度和相同分辨率的标准空间中；

步骤二、设计分割模型，将归一化后的每个CT数据中肺部、呼吸道、血管和可见病变进行分割；

步骤三、根据分割结果得到健康肺实质区域，统计健康肺实质的CT信号中位数和标准差，以此确定观察肺实质病变的最佳窗宽窗位；在最佳窗宽窗位下进一步去掉除肺实质外的组织，得到增强的CT数据；