CN106308851B - 一种b超图像的处理方法及其装置 - Google Patents

一种b超图像的处理方法及其装置 Download PDF

Info

Publication number
CN106308851B
CN106308851B CN201610794451.6A CN201610794451A CN106308851B CN 106308851 B CN106308851 B CN 106308851B CN 201610794451 A CN201610794451 A CN 201610794451A CN 106308851 B CN106308851 B CN 106308851B
Authority
CN
China
Prior art keywords
placenta
scoring
image
patient
processing module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610794451.6A
Other languages
English (en)
Other versions
CN106308851A (zh
Inventor
种轶文
赵扬玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peking University Third Hospital
Original Assignee
Peking University Third Hospital
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Peking University Third Hospital filed Critical Peking University Third Hospital
Priority to CN201610794451.6A priority Critical patent/CN106308851B/zh
Priority to PCT/CN2016/105842 priority patent/WO2018040293A1/zh
Publication of CN106308851A publication Critical patent/CN106308851A/zh
Application granted granted Critical
Publication of CN106308851B publication Critical patent/CN106308851B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06Measuring blood flow

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Hematology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Vascular Medicine (AREA)
  • Gynecology & Obstetrics (AREA)
  • Pregnancy & Childbirth (AREA)

Abstract

本发明涉及一种影像图像识别处理方法,包括对胎盘位置,胎盘厚度,胎盘后低回声带,膀胱线,胎盘陷窝,胎盘基底部血流,宫颈血窦、宫颈形态、剖宫产史中一个或多个进行数据采集。此外,还涉及一种影像数据处理模块以及使用该处理模块的装置。

Description

一种B超图像的处理方法及其装置
技术领域
本发明涉及一种影像图像识别处理方法以及相关的无创性检查信息系统,特别涉及一种术前无创性检查信息系统。
背景技术
近年来,在剖宫产率的上升和其他因素的影响下,胎盘植入的发生率正在逐渐增高,由胎盘植入并发症所导致的孕妇死亡的比率也在提高,严重威胁孕产妇的生命,胎盘植入的术前分型和诊治一直是妇产医学研究关注的热点难点问题。
胎盘植入是指胎盘绒毛侵入子宫肌层,达到甚至穿透子宫浆膜层,严重时累及膀胱甚至直肠。有研究者报道在1970年代胎盘植入的发病率为1:4027,1980年代上升为1:2510,近年国外文献报道胎盘植入发生率为1:533,其发病率不断上升。胎盘植入按照植入深度分为三种类型,粘连型、植入型和穿透型,粘连型植入往往对围产期结局不产生大的影响,临床中无论术前准备、术中处理、围产期结局均与无胎盘植入者无显著性差异;而后两种类型危害严重,主要为育龄妇女子宫切除率高和致命性产后出血,严重时将发生孕产妇死亡。文献报道植入型和穿透型胎盘植入平均出血量3000-5500ml,个别病例出血超过上万毫升。产科育龄女性子宫切除中胎盘植入为最主要原因占73.3%,尤其是穿透型胎盘植入。胎盘植入患者孕产妇死亡率高达7%,北京市仅在2012年10-12月内发生2例由胎盘植入导致的孕产妇死亡,欠发达地区的比例更高。
中国部分地区剖宫产率高达70%,国家“二孩”政策放开后剖宫产术后再次妊娠比例进一步上升,而且国家血液制品日益紧张,部分医院已经出现由于血源缺乏而被迫暂时停止手术的现象,由于高剖宫产率导致的胎盘植入将给产科医生带来极其严俊的挑战,也给家庭及社会带来沉重负担。如果不能及时识别植入型和穿透型胎盘植入,基层医院无法进行及时转诊、盲目手术可能导致难以避免的孕产妇死亡,而综合医院无法进行充足血源准备和多学科联合诊治,可能导致致命性大出血和子宫切除。因此如何术前准确评估植入类型、预测术中出血可能、探索创新保留子宫、减少出血的手术方式,从而最终降低致命性产后出血率、年轻妇女子宫切除率及孕产妇死亡率、避免血源的浪费,减少患者及国家的经济负担是目前临床亟待迫切解决的实际问题。
US20010004942等专利公开的技术方案涉及针对是否发生胎盘植入进行判断,没有对分型进行研究;CN104392145A公开了一种基于隐马尔科夫模型的胎盘植入预测方法,虽然该篇专利提可以通过建模的方法用来判断胎盘植入的程度,但均未提出一个综合、量化的B超评价方法。
本申请发明人提出了一项新的发明来克服现有技术的缺点,所述新发明是一种用于一种无创性检查从而产生值的试剂在制备用于评估子宫胎盘植入存在或严重度的无创性方法的诊断试剂中的应用。
发明内容
本发明涉及一种无创性检查信息系统,
包括:数据输入端、数据处理器、结果输出终端;所述数据输入端输入一个或一个以上的数据,根据所述数据产生值,所述值优选地是评分结果;所述数据处理器,对上述产生值进行分析和详细分类;所述结果输出终端,用于输出最终的结果;所述无创性检查信息系统,适于执行一种用于评估包括人类在内的动物的子宫或实验模拟子宫中病变的存在和/或严重度的无创性方法的诊断,从而评估子宫中或实验模拟子宫中病变的存在、类型和/或严重度。
在本发明的一个实施例中,涉及一种影像图像识别处理方法,包括对胎盘位置,胎盘厚度,胎盘后低回声带,膀胱线,胎盘陷窝,胎盘基底部血流,宫颈血窦、宫颈形态、剖宫产史中一个或多个进行数据采集。
优选的,对采集的数据进行分析,并根据预先确定的分量表,计算分值;
更优选的,胎盘位置以正常和完全前置胎盘作为评分区间、胎盘后低回声带以连续和消失作为评分区间、膀胱线以连续和消失作为评分区间、胎盘陷窝以无和融合成片伴沸水征作为评分区间、胎盘基底部血流以血流规则和跨界血管作为评分区间、宫颈血窦以无和融合成片伴沸水征作为评分区间、宫颈形态以完整和消失作为评分区间;剖宫产史以次数作为评分区间;
在一个实施例中,上述评分区间越靠近前者分值越低,越靠近后者分值越高。
本发明还涉及一种影像图像识别处理方法,其特征在于:数据采集包括如下步骤:
步骤1:对获得的图像进行预处理把图像由彩色图像转换为灰度图像,并对转换过的灰度图像用邻域平均的方法进行去噪;
步骤2:通过图像预处理将原图像转化为二值图像,并进行形态学开运算,(1)以达到去噪声的效果,提取出重叠区域;(2)用八链码提取器官的边缘,得到图像的边缘坐标;
步骤3:对图像灰度化进行处理过程中,按照差异给予不同参数不同权重:
Score=a╳(胎盘后低回声评分)+b╳(胎盘陷窝评分)+c╳(胎盘基底部血流评分)+d╳(胎盘位置评分)+e╳(剖宫产史评分)+f╳(膀胱线评分)+g╳(胎盘厚度)+h╳(宫颈血窦)+i╳(宫颈形态)
其中,a>b>c>d>e>f>g>h>I;
a,b,c的值为d,e,f值的2-5倍;
d,e,f的值为g,h,i值的2-5倍。
步骤4:根据步骤3所得结果进行评估。
此外,本发明还涉及一种影像数据处理模块,其特征在于能实现权利要求1-3的识别处理方法。
早本发明的一个实施例中,图像处理模块包括:数据输入单元、数据处理器、结果输出单元;
所述数据输入端单元接收一个或一个以上的数据;
所述数据处理器,根据所述接收的数据产生值,所述值优选地是评分结果;
所述结果输出单元,用于输出最终的结果。
优选的,图像处理模块中数据处理器根据评分结果对胎盘植入进行分型;
更优选的,其中接收数据为超声波检查装置获得数据,所述超声波选自,B超,三维彩超,多普勒-超声波、能量图检查法,弹性测量法超声波检查法,流速测量法超声波检查法,Fibroscan,ARFI,VTE,超声波成像,IRM,MNR组成的组中的任意一项或多项;
在本发明的一个实施例中图像处理模块中结果输出终端为智能手机或平板电脑。
本发明还涉及一种图像处理模块的应用。
同样本发明还涉及一种用于进行至少一种无创性检查从而产生值的试剂在制备用于执行一种用于评估包括人类在内的动物的子宫或实验模拟子宫中病变的存在和/或严重度的无创性方法的诊断试剂或试剂盒中的用途,所述方法包括以下步骤:
a)进行至少一种无创性检查,从而产生值,所述值优选地是评分结果;
b)将步骤(a)获得的值进行详细分类;以及
c)评估子宫中或实验模拟子宫中病变的存在、类型和/或严重度。
优选的,其中,所述病变是胎盘植入;优选的,所述的胎盘植入为粘连型胎盘植入、植入型胎盘植入和穿透型胎盘植入组成的组中的任意一种胎盘植入类型;
更优选的,其中所述的无创性检查使用超声波进行检查,所述超声波选,B超,三维彩超,能量图、多普勒-超声波检查法,弹性测量法超声波检查法,流速测量法超声波检查法,Fibroscan,ARFI,VTE,超声波成像,IRM,MNR组成的组中的任意一项或多项;
在本发明的一个实施例中,所述详细分类呈现出:
评分小于等于5,评估为轻型患者;和/或
评分大于5小于10,评估为中型患者;和/或
评分大于等于10,评估为重型患者;
优选的,所述详细分类呈现出:
评分小于等于5,评估为高危无植入/粘连型患者;优选的,术中出血量小,术中子宫切除几率小;和/或
评分大于5小于10,评估为高危植入型患者;优选的,术中出血量较多,术中子宫切除几率较大;和/或
评分大于等于10,评估为高危穿透型患者;优选的,术中出血量大,术中子宫切除几率大;
更优选的,所述详细分类呈现出:
评分小于等于5,可以严密观察期待到37周终止妊娠,术前备血小于2000ml;和/或
评分大于5小于10,可尽量延长孕周至34-36周终止妊娠,术前备血不小于3000ml;和/或
评分大于等于10,术前备血不小于5000ml;
在本发明的一个实施例中,所述无创性检查包含至少一个组合评分,所述组合评分是通过对由胎盘位置,胎盘厚度,胎盘后低回声带,膀胱线,胎盘陷窝,胎盘基底部血流,宫颈血窦、宫颈形态以及剖宫产史组成的组中的一项或多项进行检查获得的;
优选的,所述组合评分是对胎盘位置,胎盘厚度,胎盘后低回声带,膀胱线,胎盘陷窝,胎盘基底部血流,宫颈血窦和宫颈形态进行检查获得,其中:
-胎盘位置是基于正常、边缘或低置以及完全前置胎盘进行评分;
-胎盘厚按照小于3cm、大于等于3cm小于等于5cm、以及大于5cm进行评分;
-胎盘后低回声带是基于连续、局部中断以及消失进行评分;
-膀胱线是基于连续、中断以及消失进行评分;
-胎盘陷窝是基于无、有、融合成片伴沸水征进行评分;
-胎盘基底部血流是基于血流规则、血流增多/成团、出现“跨界”血管进行评分;
-宫颈血窦是基于无、有、融合成片伴沸水征进行评分;
-宫颈形态是基于完整、不完整以及消失进行评分;以及
此外,存在一次剖宫产史加分。
此外,并发明还涉及一种胎盘植入的分级评估方法和分级诊断方法。还包括一种评估包括人类在内的动物的子宫或实验模拟子宫中病变的存在和/或严重度的无创性方法。
该诊断方法包括如下步骤:根据胎盘位置、胎盘后低回声带、膀胱线、胎盘陷窝、胎盘基底部血流、宫颈血窦、宫颈形态;剖宫产史进行评分;根据评分结果判断胎盘植入的程度;和/或根据不同植入程度采取不同的治疗手段。
所述评分公式如下:Score=a╳(胎盘后低回声评分)+b╳(胎盘陷窝评分)+c╳(胎盘基底部血流评分)+d╳(胎盘位置评分)+e╳(剖宫产史评分)+f╳(膀胱线评分)+g╳(胎盘厚度)+h╳(宫颈血窦)+i╳(宫颈形态);
优选地,其中,a>b>c>d>e>f>g>h>i;
a,b,c的值为d,e,f值的2-5倍;
d,e,f的值为g,h,i值的2-5倍。
当胎盘植入为粘连型时,患者可以继续妊娠至足月,术前备血<2000ml。
当胎盘植入为植入型时,患者可以继续妊娠至34-37周,术前备血<3000ml,术前准备膀胱镜输尿管支架。
当胎盘植入为穿透型时,应结合患者孕周及对胎儿期待的意愿,在严密监测下选择终止妊娠时机,前备血5000ml,准备输尿管支架并准备腹主动脉球囊(用于术中止血的重要手术步骤),并做好子宫切除的术前准备。
同时,本发明还涉及实施本发明所述无创性方法的装置,在一个实施例中该装置反映了详细的分类。
凶险型胎盘植入,以其致命性的产后出血为主要临床特征,可致年轻患者子宫切除,多脏器由于严重失血造成甚至永久性的器官衰竭,患者死亡等严重并发症。医疗费用可高达数十万,极大地影响患者本人的生活质量、给家庭和社会造成巨大的经济负担。利用本发明所述的方法以及相关的应用,临床医生可以预测其凶险程度,及时有针对的进行准备,不同类型的胎盘植入其临床处理及临床结局完全不同。本发明的优势在于:1)有利于转诊质量:使用本发明方法,提供术前预判,避免浪费资源;2)降低医疗资源浪费:应用本发明方法,可以有的放矢的进行术前准备,密切监测下,在尽量延长患者孕周降低因早产对胎儿的影响外,又避免由于突发事件急诊手术准备不足的情况下对孕妇的创伤,以求在母胎之间寻求最佳终止妊娠时机,同时,减少由于过度预测而对患者进行的其它手术造成的生理及经济损失。通过这项研究,一定程度上规范化治疗,减少围术期不必要的血源和医疗资源浪费,降低围术期并发症的发生,最终可以降低患者及其家庭、社会的经济花费。
以上只是概括了本发明的一些方面,不是也不应该认为是在任何方面限制本发明
本说明书提到的所有专利和出版物都是通过参考文献作为整体而引入本发明的。本领域的技术人员应认识到,对本发明可作某些改变并不偏离本发明的构思或范围。下面的实施例进一步详细说明本发明,不能认为是限制本发明或本发明所说明的具体方法的范围。
定义:
术语“预测”或“预测方法”定义为覆盖来自统计学、机器学习、人工智能和数据挖掘领域的较宽方法种类,其可用来确定预测模型。该术语也包括任何适于对结果进行预测的方法,并且不仅包括对多重标志物实施复杂分析的方法,而且包括为预测结果而将单个标志物或标签的表达与对照组织或与预定阈值进行直接比较的方法。这些在发明详述部分进一步讨论。
术语“剖宫产”定义为经腹切开子宫取出胎儿的手术。
术语“终止妊娠”定义为母体承受胎儿在其体内发育成长的过程的终止,如采取措施终止继续怀孕。
术语“胎盘”定义为妊娠期间由胚膜和母体子宫内膜联合长成的母子间交换物质的器官。
术语“融合成片伴沸水征”在本文用来指。超声下监测胎盘内部的大的血窦样回声,动态时像沸水样翻滚,实际为血窦内快速湍流的血流
术语“跨界血管”在本文用来指。出现垂直于胎盘子宫交界面的血管穿支,往往提示胎盘穿透该部位可能性大
术语“胎盘位置完全”在本文用来指。应该是完全前置胎盘:正常情况下胎盘位于子宫前后侧壁,当胎盘完全覆盖宫颈内口时称前置胎盘,往往可以引起产前大量出血。
除非另有说明,本发明的实施将采用分子生物学(包括重组技术)、微生物学、细胞生物学和生物化学的常规技术,这落入本领域技术范围内。这样的技术在文献中有充分的说明,例如:《分子克隆实验指南》,第2版,Sambrook等人,1989;OligonucleotideSynthesis,MJ Gait编辑,1984;Animal Cell Culture,R.I.Freshney编辑,1987;
Methods in Enzymology,Academic Press,Inc.;
Handbook of Experimental Immunology,第4版,
D.M.Weir&CC.Blackwell编辑,Blackwell Science Inc.,1987;
GeneTransfer Vectors for Mammalian Cells,J.M.Miller&M.P.Calos编辑,1987;Current Protocols in Molecular Biology,F.M.Ausubel等人编辑,1987;以及PCR:The Polymerase Chain Reaction,Mullis等人编辑,1994。
附图说明
以下,结合附图来详细说明本发明的实施例,其中:
图1 ROC曲线
图2 出血量离散图
具体实施方式
下面结合具体实施例来进一步描述本发明,本发明的优点和特点将会随着描述而更为清楚。但这些实施例仅是范例性的,并不对本发明的范围构成任何限制。本领域技术人员应该理解的是,在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换,但这些修改和替换均落入本发明的保护范围内。
实施例1:可用于胎盘植入分型的评分指标
对180例具有临床诊断为胎盘植入患者的数据进行分析(收集临床数据,并通过病历审查进行验证)。通过差异比对,分析总结,选择胎盘位置,胎盘厚度,胎盘后低回声带,膀胱线,胎盘陷窝,胎盘基底部血流,宫颈血窦、宫颈形态以及剖宫产史作为预测的与实际胎盘植入类型、术中出血以及术中子宫切除情况相关的术前检测指标。
实施例2:评分体系建立
为了确定评分指标与实际临床分型一致性(临床分型由术中所见和/或病理结果共同判断)。针对实施例1中所述指标,分析上述180例胎盘植入不同类型患者的临床数据以及结果,建立“胎盘植入类型超声评分量表”。
表1胎盘植入类型超声评分量表
实施例3:检测数据图像处理
对胎盘位置,胎盘厚度,胎盘后低回声带,膀胱线,胎盘陷窝,胎盘基底部血流,宫颈血窦、宫颈形态以及剖宫产史进行图像处理,所有算法均针对检测数据进行直接操作。在医学图像处理中,所谓体数据是指由若干体积相同的长方体组成二维或三维数据集,它的每一个元素称为体素。体数据是位图概念在二维或三维空间的推广,二维或三维体数据由均匀分布的体素组成。
具体的,本发明对胎盘位置,胎盘厚度,胎盘后低回声带,膀胱线,胎盘陷窝,胎盘基底部血流,宫颈血窦、宫颈形态的图像采用上述体素处理方法为:
步骤1:对获得的图像进行预处理把图像由彩色图像转换为灰度图像,并对转换过的灰度图像用邻域平均的方法进行去噪;
步骤2:通过图像预处理将原图像转化为二值图像,并进行形态学开运算,(1)以达到去噪声的效果,提取出重叠区域;(2)提取器官的边缘,得到图像的边缘坐标;
步骤3:对图像灰度化进行处理过程中,给予不同参数不同权重;
在获得的图像中,虽然得到了相关信息,但是各个信息与结果的相关性并不完全相同,为更好地更好的通过检测数值反应结果,对不同检测指标的相关性进行权重分配:
Score=ax(胎盘后低回声评分)+bx(胎盘陷窝评分)+cx(胎盘基底部血流评分)+dx(胎盘位置评分)+ex(剖宫产史评分)+fx(膀胱线评分)+gx(胎盘厚度)+hx(宫颈血窦)+ix(宫颈形态)
其中,a>b>c>d>e>f>g>h>I;
a,b,c的值为d,e,f值的2-5倍;
d,e,f的值为g,h,i值的2-5倍。
步骤4:根据步骤3所得结果进行评估或处理。
实施例4:评分量表评价
利用上述实施例中建立超声诊断对胎盘植入系统评价体系模型,为了确定“胎盘植入类型超声评分量表”在实际临床工作中的可行性。通过统计学方法,计算超声评分Cut-off值,将胎盘植入按照超声影像学特征分为(超声)轻型和中型、重型,分别用来预测粘连型和植入型、穿透型(重型)。同时,确定重型胎盘植入的超声评分界值。
通过对单中心、小样本(n=180)研究发现评分超过5分者诊断植入型和穿透型胎盘植入的敏感性81.5%,特异性95.7%,ROC曲线下面积为0.943,标准误是0.018(见图1)。提示该量化评分表在区分粘连型和植入型/穿透型胎盘植入方面具有较好可行性。这一模型通过判断植入类型,可以更加直观地预测胎盘植入凶险程度。
实施例5:分型预测体系建立
按照上述评分方法,对临床可疑胎盘植入的患者进行分型预测,根据对180例具有临床诊断为胎盘植入患者的数据计算得的各型临界值,将患者分为胎盘植入轻型、中型、重型三组,分别对应病理类型的粘连型、植入性、穿透型三种类型,具体方案如下:
表2胎盘植入分型表
1)评分≤5分,为轻型患者,预测病理为粘连型植入,可以严密观察期待到37周终止妊娠,术前备血<2000ml;
2)评分大于5小于10分,为中型患者,预测为植入型,可尽量延长孕周至34-36周,术前备血3000ml,术前准备膀胱镜输尿管支架以备术中膀胱损伤可能;
3)评分≥10分,为重型患者,预测为穿透型植入,结合患者孕周及临床症状,适时终止妊娠,患者不可避免会出现医源性早产,需提前住院应用药物促进胎盘成熟,降低因早产对胎儿存活上影响。术前备血5000ml,准备输尿管支架并准备腹主动脉球囊(用于术中止血的重要手术步骤),并做好子宫切除的术前准备,联系ICU病房。
实施例6:分型预测体系检测和验证
为了对上述评分指标和分型预测体系进行验证,应用上述建立的体系,对其他可疑胎盘植入的73例患者(构建模型使用的180例患者以外的其他患者)进行预测,并进行73例预测患者的临床数据进行统计,结果如下:
表3术前预测与病理类型符合情况
由表3可以看出,使用模型进行术前预判,对于总分小于等于5的患者而言,85.7%的患者术前预测和实际临床病理类型相符;总分大于5小于10的患者,72.7%的患者术前预测和实际临床病理类型相符;对于总分大于10的患者,87.5%的患者术前预测和实际临床病理类型相符,可以看出应用该预测模型进行术前预测,准确性高,可以预测病理类型,从而做好术前准备。
实施例7:分型预测体系检测和验证
表4术前预测与术中出血量
由表4可以看出,使用模型进行术前预判,对于总分小于等于5的轻型术中出血量患者而言,实际的术中出血量最小,平均值为494.06;总分大于5小于10的中型术中出血量患者而言,实际的术中出血量平均值为1360.87;对于总分大于10的重型术中出血量患者而言,实际的术中出血量最大,平均值为4386.84,可以看出应用该预测模型进行术前预测,准确性高,可以预测术中出血量,从而做好术前准备。
同时,从图2可以看出,除个别患者(合并羊水栓塞),评分越高,术中出血量越大,临床医生按照评分高低术前备血。
三组患者术中出血量比较,差异具有显著性意义(P<0.01)。
实施例8:分型预测体系检测和验证
表5:术前预测与术中子宫切除情况
由表5可以看出,使用模型进行术前预判,对于总分小于等于5的患者而言,实际的术中子宫切除率最小,0%;总分大于5小于10的患者,实际的术中子宫切除率为4.5%(1例患者);对于总分大于10的患者,实际的术中子宫切除率为62.5%(10例患者),可以看出应用该预测模型进行术前预测,准确性高,可以预测术中出血情况及子宫切除情况,从而做好术前准备。三组患者子宫切除率比较,差异具有显著性意义,p<0.01。
以上详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。

Claims (8)

1.一种影像数据处理模块,其特征在于包括:数据输入端、数据处理器和结果输出终端;
所述数据输入端采集胎盘位置,胎盘厚度,胎盘后低回声带,膀胱线,胎盘陷窝,胎盘基底部血流,宫颈血窦、宫颈形态、剖宫产史数据;
所述数据处理器能执行以下操作:
1)对上述数据进行分析,并根据预先确定的分量表,计算分值;
2)根据上述分值代入公式Score=a╳(胎盘后低回声评分)+b╳(胎盘陷窝评分)+c╳(胎盘基底部血流评分)+d╳(胎盘位置评分)+e╳(剖宫产史评分)+f╳(膀胱线评分)+g╳(胎盘厚度)+h╳(宫颈血窦)+i╳(宫颈形态)计算Score值;
所述结果输出终端,根据score值进行评估,用于输出最终的评估结果。
2.一种如权利要求1所述的图像处理模块,其特征在于:公式中a>b>c>d>e>f>g>h>i;a,b,c的值为d,e,f值的2-5倍;d,e,f的值为g,h,i值的2-5倍。
3.一种如权利要求1或2所述的图像处理模块,其特征在于:胎盘位置以正常和完全前置胎盘作为评分区间、胎盘后低回声带以连续和消失作为评分区间、膀胱线以连续和消失作为评分区间、胎盘陷窝以无和融合成片伴沸水征作为评分区间、胎盘基底部血流以血流规则和跨界血管作为评分区间、宫颈血窦以无和融合成片伴沸水征作为评分区间、宫颈形态以完整和消失作为评分区间;剖宫产史以次数作为评分区间,所述评分区间,越靠近前者分值越低,越靠近后者分值越高。
4.一种如权利要求1或2所述的图像处理模块,其特征在于:图像处理方式包括接受输入的数据并对其中图像进行预处理把图像由彩色图像转换为灰度图像,并对转换过的灰度图像用邻域平均的方法进行去噪;通过图像预处理将原图像转化为二值图像,并进行形态学开运算,以达到去噪声的效果,提取出重叠区域,用八链码提取器官的边缘,得到图像的边缘坐标。
5.一种如权利要求1或2所述的图像处理模块,其特征在于:评估结果包括对胎盘植入进行分型。
6.一种如权利要求5所述的图像处理模块,其特征在于,当评分小于等于5,评估为轻型患者并输出评估结果;
当评分大于5小于10,评估为中型患者并输出评估结果;
当评分大于等于10,评估为重型患者并输出评估结果。
7.一种如权利要求5所述的图像处理模块,其特征在于:
当评分小于等于5,评估为高危无植入/粘连型患者并输出评估结果;
当评分大于5小于10,评估为高危植入型患者并输出评估结果;
当评分大于等于10,评估为高危穿透型患者并输出评估结果。
8.一种如权利要求3所述的图像处理模块,其特征在于:
胎盘位置是基于正常、边缘或低置以及完全前置胎盘进行评分;
胎盘厚按照小于3cm、大于等于3cm小于等于5cm、以及大于5cm进行评分;
胎盘后低回声带是基于连续、局部中断以及消失进行评分;
膀胱线是基于连续、中断以及消失进行评分;
胎盘陷窝是基于无、有、融合成片伴沸水征进行评分;
胎盘基底部血流是基于血流规则、血流增多/成团、出现“跨界”血管进行评分;
宫颈血窦是基于无、有、融合成片伴沸水征进行评分;
宫颈形态是基于完整、不完整以及消失进行评分。
CN201610794451.6A 2016-08-31 2016-08-31 一种b超图像的处理方法及其装置 Active CN106308851B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201610794451.6A CN106308851B (zh) 2016-08-31 2016-08-31 一种b超图像的处理方法及其装置
PCT/CN2016/105842 WO2018040293A1 (zh) 2016-08-31 2016-11-15 一种b超图像的处理方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610794451.6A CN106308851B (zh) 2016-08-31 2016-08-31 一种b超图像的处理方法及其装置

Publications (2)

Publication Number Publication Date
CN106308851A CN106308851A (zh) 2017-01-11
CN106308851B true CN106308851B (zh) 2019-04-12

Family

ID=57787051

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610794451.6A Active CN106308851B (zh) 2016-08-31 2016-08-31 一种b超图像的处理方法及其装置

Country Status (2)

Country Link
CN (1) CN106308851B (zh)
WO (1) WO2018040293A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109830297B (zh) * 2019-01-21 2021-08-13 北京大学第一医院 一种胎盘植入患者的处理方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226155A (zh) * 2007-12-21 2008-07-23 中国人民解放军第八一医院 智能化肺癌早期细胞病理图像识别处理方法
CN104392145A (zh) * 2014-12-10 2015-03-04 福州大学 基于隐马尔科夫模型的胎盘植入预测方法
CN105447303A (zh) * 2015-11-10 2016-03-30 福建省妇幼保健院 基于线性回归的胎盘植入预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
产前超声征象评分对前置胎盘合并胎盘植入的诊断价值;黄田田;《 中国超声医学杂志》;20160216;160-162页 *

Also Published As

Publication number Publication date
WO2018040293A1 (zh) 2018-03-08
CN106308851A (zh) 2017-01-11

Similar Documents

Publication Publication Date Title
Mazouni et al. Placenta accreta: a review of current advances in prenatal diagnosis
CN110534184B (zh) 一种产科手术资源配置预测系统
Sarno et al. Use of artificial intelligence in obstetrics: not quite ready for prime time
Pepe et al. Conservative management in a case of uncomplicated trap sequence: a case report and brief literature review
Zohav et al. Third-trimester reference ranges for cerebroplacental ratio and pulsatility index for middle cerebral artery and umbilical artery in normal-growth singleton fetuses in the Israeli population
Li et al. Differential diagnosis of cesarean scar pregnancies and other pregnancies implanted in the lower uterus by ultrasound parameters
Lee et al. Guideline No. 440: Management of Monochorionic Twin Pregnancies
CN106308851B (zh) 一种b超图像的处理方法及其装置
Yang et al. Deep Learning Algorithm‐Based Ultrasound Image Information in Diagnosis and Treatment of Pernicious Placenta Previa
Xin et al. Early Warning Model of Placenta Accreta Spectrum Disorders Complicated with Cervical Implantation: A Single‐Center Retrospective Study
RU2672598C1 (ru) Способ прогнозирования внутрипеченочного холестаза у беременных женщин
Sun et al. Model application to quantitatively evaluate placental features from ultrasound images with gestational diabetes
Zou et al. Clinical Value and Treatment Progress of Prenatal Ultrasonography in Twin Pregnancy: A Systematic Review
RU2579421C1 (ru) Способ прогнозирования риска развития прогрессирующего дистресса гипотрофичного плода
CN110942828A (zh) 一种前置胎盘合并胎盘植入的风险评估系统及方法
Collins Development of placental ultrasound markers to screen for the term, small for gestational age (SGA) baby
RU2796073C1 (ru) Способ прогнозирования влагалищных родов у беременных после одного кесарева сечения, выполненного поперечным разрезом в нижнем сегменте матки
RU2775344C1 (ru) Способ прогнозирования риска синдрома задержки роста плода в 1 триместре
RU2681488C1 (ru) Способ прогнозирования состояния плода человека накануне родов
Solyman et al. Ultrasonographic Evaluation of Gestational Sac, Yolk Sac, Embryonic Heart Rate and Crown Rump Length as Prognostic Factors for First Trimester Pregnancy Outcomes.
BOHILTEA et al. First-trimester Doppler ultrasound examination
UA131332U (uk) Спосіб пренатальної діагностики у ранні терміни вагітності жінок з ускладненим акушерським анамнезом
RU2376937C2 (ru) Способ прогнозирования нарушений сократительной деятельности матки и формирования дистоций шейки матки в родах на основании определения ультразвуковой степени &#34;зрелости&#34; шейки матки накануне родов
Gurjar et al. Early Pregnancy Ultrasound Assessment of Multiple Pregnancies
Jayasinghe et al. Borderline amniotic fluid index as a predictor of adverse perinatal outcomes

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant