(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210200366.8 (22)申请日 2022.03.03 (71)申请人 中日友好医院 （中日友好临床医学 研究所） 地址 100029 北京市朝阳区樱花园东 街2号 (72)发明人 邓美　许文清　孟夏培　刘敏　 (74)专利代理 机构 北京预立 生科知识产权代理 有限公司 1 1736 代理人 李红伟 (51)Int.Cl. G06T 7/00(2017.01) G06N 20/00(2019.01) G16H 50/20(2018.01) G06V 10/25(2022.01) G06V 10/80(2022.01)G06V 10/764(2022.01) (54)发明名称 一种基于平扫CT图像诊断肺栓塞的方法、 设 备及系统 (57)摘要 本发明涉及一种基于平扫CT图像诊断肺栓 塞的方法、 设备及系统。 包括： 获取待诊断患者肺 部平扫CT图像； 将所述肺部平扫CT图像进行三维 重建， 获得全肺成像； 对所述全肺成像进行特征 提取， 得到特征向量； 将所述特征向量输入训练 好的机器学习模 型中， 得到待诊断患者肺栓塞诊 断分类结果。 本发明为临床上不具有CTPA或具有 CTPA检查禁忌的患者提供一种新的无创检测急 性肺栓塞方法， 具有重要的临床应用价 值。 权利要求书1页 说明书6页 附图2页 CN 114266774 A 2022.04.01 CN 114266774 A 1.一种基于平扫CT图像诊断肺栓塞的方法， 其特 征在于， 所述方法包括： 步骤1： 获取待 诊断患者肺部平扫CT图像； 步骤2： 将所述肺部平扫CT图像进行三维重建， 获得全肺成像； 步骤3： 对所述全肺成像进行 特征提取， 得到特 征向量； 步骤4： 将所述特征向量输入训练好的机器学习模型中， 得到待诊断患 者肺栓塞诊断分 类结果。 2.根据权利要求1中所述的基于平扫CT图像诊断肺栓塞的方法， 其特征在于， 所述方法 还包括对 所述全肺成像进 行ROI分割， 得到包含N个子区域的分割后的全肺成像， 所述N为自 然数， 对所述全肺成像中的N个子区域分别进行 特征提取， 得到特 征向量。 3.根据权利要求2中所述的基于平扫CT图像诊断肺栓塞的方法， 其特征在于， 所述特征 提取是对所述全肺成像中的每个子区域分别采用不同滤波器进行特征提取， 得到不同类别 的影像组学特征作为特 征向量。 4.根据权利要求3 中所述的基于平扫CT图像诊断肺栓塞的方法， 其特征在于， 所述方法 还包括对得到的特征向量进行特征融合， 所特征融合为每个特征向量在N个子区域特征向 量的特征融合。 5.根据权利要求1中所述的基于平扫CT图像诊断肺栓塞的方法， 其特征在于， 所述步骤 3还包括对得到的特征向量进行特征降维， 所述特征降维是根据P值、 相关系数和最小绝对 收缩和LAS SO回归进行 特征降维。 6.根据权利要求1中所述的基于平扫CT图像诊断肺栓塞的方法， 其特征在于， 所述肺部 平扫CT图像采用平扫CT对待 诊断患者整个胸部从肺尖到膈肌进行头尾扫描。 7.根据权利要求1中所述的基于平扫CT图像诊断肺栓塞的方法， 其特征在于， 所述机器 学习模型选自下列机器学习模型算法中的一种或几种： 逻辑回归算法、 朴素贝叶斯分类、 支 持向量机、 k近邻、 决策树、 随机森林、 梯度提升决策树、 感知机算法、 逻辑回归。 8.一种基于平扫CT图像诊断肺栓塞的系统， 其特 征在于， 所述系统包括： 平扫CT图像获取 单元， 用于获取待 诊断患者肺部平扫CT图像； 全肺成像单 元， 用于将所述肺部平扫CT图像进行三维重建， 获得全肺成像； 特征提取单元， 用于对所述全肺成像进行 特征提取， 得到特 征向量； 肺栓塞诊断单元， 用于将所述特征向量输入训练好的机器学习模型中， 得到待诊断患 者肺栓塞 诊断分类结果。 9.一种基于平扫CT图像诊断肺栓塞的设备， 其特征在于， 所述设备包括： 存储器和处理 器； 所述存储器用于存 储程序指令； 所述处理器用于调用程序指令， 当程序指令被执行时， 实现权利要求1 ‑7任意一项所述 的病理图像分类方法步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时， 实现权利要求1 ‑7任意一项所述的基于平扫CT图像诊断肺栓塞的方法步 骤。权　利　要　求　书 1/1 页 2 CN 114266774 A 2一种基于平扫CT图像诊断肺栓 塞的方法、 设备及系统 技术领域 [0001]本发明涉及智能医疗技术领域， 更具体地， 涉及一种基于平扫CT图像诊断肺栓塞 的方法、 设备、 系统及存 储介质。 背景技术 [0002]急性肺动脉血栓栓塞 （APE） 是高发病率的心血管疾病， 严重病例可导致急性右心 衰、 甚至猝死。 由于临床症状及体征不特异， 肺动脉CT血管造影(CTPA)是确诊APE的方案， 用 于指导APE的诊断及严重性评估。 尽管是CTPA  APE的一线无创检测方法， 但并非所有人都适 合CTPA检查， 尤其是血流动力学不稳定的高危人群、 肾功能不全的患者或对碘造影剂过敏 的患者等， 无法使用CTPA诊断肺栓塞检测， 导致肺栓塞治疗的盲目性。 相对于CTPA， 胸 部平 扫CT不需要打造影剂， 但是 临床医生普遍认 为平扫CT无法有效诊断AP E， 平扫CT的影像不具 有诊断AP E的价值。 目前临床上， 对于对临床危重症、 造影剂过敏、 肾功能不全的这几类需要 无创检测APE的患者未有好的临床解决方案 。 发明内容 [0003]为解决上述问题， 我们重新采用了临床医生舍弃的认为不具有APE诊断价值的平 扫CT图像， 结合影像组学和 机器学习算法建模， 建立一种基于平扫CT图像诊断肺栓塞的方 法、 设备、 系统及存储介质， 为临床上不具有CTPA检测条件或具有CTPA成像禁忌的患者提供 一种全新的、 快速、 无创评估方法。 [0004]本申请公开了一种基于平扫CT图像诊断肺栓塞的方法， 所述方法包括： 步骤1： 获取待 诊断患者肺部平扫CT图像； 步骤2： 将所述肺部平扫CT图像进行三维重建， 获得全肺成像。 优选的， 每个全肺图 被几何转换成一个包 含36个亚区的图谱； 步骤3： 对所述全肺成像进行 特征提取， 得到特 征向量； 步骤4： 将所述特 征向量输入训练好的机器学习模型 中， 得到待 诊断患者肺栓塞 诊断分类结果。 [0005]进一步， 所述方法还包括对所述全肺成像进行ROI分割， 得到包含N （N为自然数， 优 选的， N为36） 个子区域的分割后的全肺成像， 对所述全肺成像中的N个子区域分别进 行特征 提取， 得到特 征向量； 可选的， 所述对全肺成像进行ROI分割是基于深度学习分割方法自动执行； 优选 的， 所述对 全肺成像进行ROI分割由医学影 像软件自动执 行。 [0006]进一步， 所述特征提取是对所述全肺成像中的每个子区域分别采用不同滤波器滤 波后进行 特征提取， 得到不同类别的影 像组学特征作为特 征向量； 可选的， 所述不同类别的影像组学特征包括一阶统计、 基于3D形状的特征、 灰度共 现矩阵、 灰度级运行长度 矩阵、 灰度级 大小区域矩阵、 相邻灰度色调差异矩阵和灰度级依赖 矩阵。说　明　书 1/6 页 3 CN 114266774 A 3