CN106780652A - 医学数据处理方法及装置 - Google Patents

医学数据处理方法及装置 Download PDF

Info

Publication number
CN106780652A
CN106780652A CN201710018808.6A CN201710018808A CN106780652A CN 106780652 A CN106780652 A CN 106780652A CN 201710018808 A CN201710018808 A CN 201710018808A CN 106780652 A CN106780652 A CN 106780652A
Authority
CN
China
Prior art keywords
ear
bone wall
default parameters
bone
reconstruction
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.)
Granted
Application number
CN201710018808.6A
Other languages
English (en)
Other versions
CN106780652B (zh
Inventor
王振常
赵鹏飞
杨正汉
吕晗
李静
尹红霞
刘学焕
丁贺宇
张伶
李�瑞
王蓬
张鹏
王争
赵智勇
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.)
BEIJING LANGSHI INSTRUMENT CO LTD
Original Assignee
Beijing Friendship 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 Beijing Friendship Hospital filed Critical Beijing Friendship Hospital
Priority to CN201710018808.6A priority Critical patent/CN106780652B/zh
Publication of CN106780652A publication Critical patent/CN106780652A/zh
Application granted granted Critical
Publication of CN106780652B publication Critical patent/CN106780652B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/416—Exact reconstruction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请实施例提供一种医学数据处理方法及装置。所述方法通过对多个耳部医学图像分别进行图像重建；根据骨壁缺失评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的耳部骨壁缺失参数；根据伴随征象评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的伴随征象信息；对所述提取的伴随征象信息和所述耳部骨壁缺失参数进行数据统计分析，得出耳鸣组的耳部骨壁缺失参数与伴随征象信息。可以解决现有技术中对大量的影像进行测量、评估，需医师花费大量的人力和时间才能完成，效率低下的问题。

Description

医学数据处理方法及装置
技术领域
本申请涉及数据分析领域，尤其涉及一种医学数据处理方法及装置。
背景技术
目前，对头颈部医学影像(例如CT图像)进行评估、测量和统计均需由有经验的头颈部影像学医师才能进行。对需要测量的指标进行两次测量，取其平均值。评估前需对医师进行评价指标的影像学表现和评估指标进行培训，以提高结果的准确性。
可见，现有影像评估，测量均由人工来实现。人工测量和评估时因技能的高低，会对最终统计结果的准确性有所影像。另外，在医学研究中，需对大量的影像进行测量、评估，需医师花费大量的人力和时间才能完成，效率低下。
发明内容
本发明的目的是提供一种医学数据处理方法及装置，可以解决现有技术中需对大量的影像进行测量、评估，需医师花费大量的人力和时间才能完成，效率低下的问题。
本发明实施例提供一种医学数据处理方法，包括：
对多个耳部医学图像分别进行图像重建；
根据骨壁缺失评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的耳部骨壁缺失参数；
根据伴随征象评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的伴随征象信息；
对所述提取的伴随征象信息和所述耳部骨壁缺失参数进行数据统计分析，得出耳鸣组的耳部骨壁缺失参数与伴随征象信息。
可选地，对多个耳部医学图像分别进行图像重建，包括：
对所述多个耳部医学图像分别进行多平面重建观察图像，具体是对每个耳部医学图像的软组织窗图像进行横断面重建，对每个耳部医学图像的骨窗图像分别进行横断面、冠状面、矢状面重建观察，所述横断面重建基线平行于水平半规管，所述冠状面重建基线垂直于水平半规管，所述矢状面重建平行于硬腭，重建层厚1mm，层间距1mm。
可选地，所述骨壁缺失评估指标包括骨壁缺失部分及范围、骨壁缺失个数、乙状窦骨壁纵向分段指标、乙状窦骨壁横向分段指标、骨壁横径、骨壁缺失面积、骨壁缺失双定位、和/或骨壁缺失的最大横径及纵径；
所述耳部骨壁缺失参数包括每个骨壁缺失评估指标对应骨壁缺失参数；
所述伴随征象评估指标包括引流静脉、颞骨气化容积、垂体、垂体窝高度、静脉回流优势、蛛网膜颗粒、横窦狭窄和/或静脉窦形态；
所述伴随征象信息包括每个伴随征象评估指标对应的伴随征象信息。
可选地，所述的方法，其特征在于，还包括：
建立每个耳部医学图像对应的耳部骨壁缺失参数和伴随征象信息之间的对应关系。
可选地，对所述提取的伴随征象信息和所述耳部骨壁缺失参数进行数据统计分析，得出耳鸣组的耳部骨壁缺失参数与伴随征象信息，包括：
根据预先分析得到的耳部骨壁缺失参数阈值，与所述提取的耳部骨壁缺失参数进行数据统计分析，在所述提取的耳部骨壁缺失参数中，将与所述耳部骨壁缺失参数阈值相匹配的数据，作为耳鸣组的耳部骨壁缺失参数；
根据所述建立的每个耳部医学图像对应的耳部骨壁缺失参数和伴随征象信息之间的对应关系，将与所述耳鸣组的耳部骨壁缺失参数对应的伴随征象信息，作为耳鸣组的伴随征象信息。
可选地，所述的方法还包括：
根据耳部骨壁缺失参数，建立多个有限元模型,对每个有限元模型进行离散化处理，得到每个有限元模型对应的离散后的有限元监测节点；
获取耳部血流的血流动力学参数，生成相应的血流流场压力波动曲线；
将所述血流流场压力波动曲线加载到每个有限元模型对应的离散后的有限元监测节点中，监测各监测节点的振动速度幅值，得到不同骨壁缺失参数对应的有限元模型中各监测点的振动速度幅值；
比较不同骨壁缺失参数对应的有限元模型中相同位置监测节点的振动速度幅值，若存在大于预设个数的监测节点的振动速度幅值的变化小于等于预设的幅值阈值时，对应的骨壁缺失参数设置为所述耳部骨壁缺失参数阈值。
本发明实施例还提供一种医学数据统计装置，包括：
图像重建模块，用于对多个耳部医学图像分别进行图像重建；
提取模块，用于根据骨壁缺失评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的耳部骨壁缺失参数；
所述提取模块，还用于根据伴随征象评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的伴随征象信息；
统计模块，用于对所述提取的伴随征象信息和所述耳部骨壁缺失参数进行数据统计分析，得出耳鸣组的耳部骨壁缺失参数与伴随征象信息。
可选地，所述图像重建模块具体用于：
对所述多个耳部医学图像分别进行多平面重建观察图像，具体是对每个耳部医学图像的软组织窗图像进行横断面重建，对每个耳部医学图像的骨窗图像分别进行横断面、冠状面、矢状面重建观察，所述横断面重建基线平行于水平半规管，所述冠状面重建基线垂直于水平半规管，所述矢状面重建平行于硬腭，重建层厚1mm，层间距1mm。
可选地，所述骨壁缺失评估指标包括骨壁缺失部分及范围、骨壁缺失个数、乙状窦骨壁纵向分段指标、乙状窦骨壁横向分段指标、骨壁横径、骨壁缺失面积、骨壁缺失双定位、和/或骨壁缺失的最大横径及纵径；
所述耳部骨壁缺失参数包括每个骨壁缺失评估指标对应骨壁缺失参数；
所述伴随征象评估指标包括引流静脉、颞骨气化容积、垂体、垂体窝高度、静脉回流优势、蛛网膜颗粒、横窦狭窄和/或静脉窦形态；
所述伴随征象信息包括每个伴随征象评估指标对应的伴随征象信息。
可选地，所述的装置还包括：
建立模块，用于建立每个耳部医学图像对应的耳部骨壁缺失参数和伴随征象信息之间的对应关系。
阈值设置模块，用于根据耳部骨壁缺失参数，建立多个有限元模型,对每个有限元模型进行离散化处理，得到每个有限元模型对应的离散后的有限元监测节点；获取耳部血流的血流动力学参数，生成相应的血流流场压力波动曲线；将所述血流流场压力波动曲线加载到每个有限元模型对应的离散后的有限元监测节点中，监测各监测节点的振动速度幅值，得到不同骨壁缺失参数对应的有限元模型中各监测点的振动速度幅值；比较不同骨壁缺失参数对应的有限元模型中相同位置监测节点的振动速度幅值，若存在大于预设个数的监测节点的振动速度幅值的变化小于等于预设的幅值阈值时，对应的骨壁缺失参数设置为所述耳部骨壁缺失参数阈值；
所述统计模块，具体用于根据所述阈值设置模块预先分析得到的耳部骨壁缺失参数阈值，与所述提取的耳部骨壁缺失参数进行数据统计分析，在所述提取的耳部骨壁缺失参数中，将与所述耳部骨壁缺失参数阈值相匹配的数据，作为耳鸣组的耳部骨壁缺失参数；
所述统计模块，具体还用于根据所述建立模块建立的每个耳部医学图像对应的耳部骨壁缺失参数和伴随征象信息之间的对应关系，将与所述耳鸣组的耳部骨壁缺失参数对应的伴随征象信息，作为耳鸣组的伴随征象信息。
本发明实施例通过对多个耳部医学图像分别进行图像重建；根据骨壁缺失评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的耳部骨壁缺失参数；根据伴随征象评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的伴随征象信息；对所述提取的伴随征象信息和所述耳部骨壁缺失参数进行数据统计分析，得出耳鸣组的耳部骨壁缺失参数与伴随征象信息。可以解决现有技术中对大量的影像进行测量、评估，需医师花费大量的人力和时间才能完成，效率低下的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种医学数据处理方法的流程示意图；
图2为本发明实施例提供的一种医学数据处理方法的流程示意图；
图3为本发明实施例不同骨壁缺失大小有限元模型监测节点振动速度幅值结果图；
图4为本发明实施例提供的一种医学数据处理装置的结构示意图；
图5为本发明实施例提供的乳突导静脉图；
图6为本发明实施例提供的岩鳞窦图；
图7为本发明实施例提供的矢状面测量垂体窝高度测量示意图；
图8为本发明实施例提供的颞骨气化腔容积测量示意图；
图9为本发明实施例提供的矢状面垂体柄显示最佳层面显示垂体高度测量示意图；
图10为本发明实施例提供的右侧静脉回流优势示意图；
图11为本发明实施例提供的双侧颈静脉球窝高位示意图；
图12为本发明实施例提供的蛛网膜颗粒示意图；
图13为本发明实施例提供的左侧横窦局部丘形狭窄示意图；
图14为本发明实施例提供的乙状窦周骨壁缺失中心点与外耳道中心(星号)、乳突尖(星号)的相对位置分布图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。
在医学研究中，需对大量的医学影像进行测量、评估，以分析影像特征(例如颞骨气化容积、垂体窝高度等)与对应的伴随征象(耳鸣)的关系，最终研究出致使某一特定伴随征象(例如耳鸣)的影像特征。建立这样的资料库，可帮助医生后续的诊断，提高诊断准确率。
图1为本发明实施例提供的一种医学数据处理方法的流程示意图；如图1所示，包括：
101、对多个耳部医学图像分别进行图像重建；
本发明实施例提供的医学数据处理方法可以通过医学数据处理软件来实现，其中该医学数据处理软件提供一种输入界面，用于输入多个耳部医学图像，可以对所述多个耳部医学图像分别进行多平面重建观察图像，得到重建后的多个耳部医学图像，具体实现时，对每个耳部医学图像的软组织窗图像进行横断面重建，对每个耳部医学图像的骨窗图像分别进行横断面、冠状面、矢状面重建观察，其中，所述横断面重建基线平行于水平半规管，所述冠状面重建基线垂直于水平半规管，所述矢状面重建平行于硬腭，重建层厚1mm，层间距1mm。
102、根据骨壁缺失评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的耳部骨壁缺失参数；
其中，本发明实施例所述的骨壁缺失评估指标包括但不限于以下指标中的至少一项：骨壁缺失部分及范围、骨壁缺失个数、乙状窦骨壁纵向分段指标、乙状窦骨壁横向分段指标、骨壁横径、骨壁缺失面积、骨壁缺失双定位、、骨壁缺失的最大横径及纵径；
其中，所述耳部骨壁缺失参数包括每个骨壁缺失评估指标对应骨壁缺失参数。
103、根据伴随征象评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的伴随征象信息；
其中，本发明实施例所述的伴随征象评估指标包括但不限于以下指标中的至少一项：引流静脉、颞骨气化容积、垂体、垂体窝高度、静脉回流优势、蛛网膜颗粒、横窦狭窄、静脉窦形态；
其中，所述伴随征象信息包括每个伴随征象评估指标对应的伴随征象信息。
需要说明的是，上述骨壁缺失评估指标和伴随征象评估指标可以是研究耳鸣的医学专家根据自己的经验总结出来的评估指标。本发明实施例中，可以根据医学专家根据自己的经验总结出来的骨壁缺失评估指标和伴随征象评估指标，本发明实施例提供的医学数据处理软件提供的输入界面，还用于输入上述骨壁缺失评估指标和伴随征象评估指标。然后，该医学数据处理软件根据输入的重建后的多个耳部医学图像，自动根据骨壁缺失评估指标，对重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的耳部骨壁缺失参数；以及自动根据伴随征象评估指标，对重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的伴随征象信息。
需要说明的是，上述步骤102和步骤103没有先后顺序之分，也可以先执行步骤103，然后执行步骤102，或者步骤102和103可以同时执行。
可选地，在步骤103之后，可以在医学图像数据库中建立每个耳部医学图像对应的耳部骨壁缺失参数和伴随征象信息之间的对应关系。
104、对所述提取的伴随征象信息和所述耳部骨壁缺失参数进行数据统计分析，得出耳鸣组的耳部骨壁缺失参数与伴随征象信息。
在一种可选的实现方式中，本发明实施例提供的医学数据处理软件还可以：
根据预先分析得到的耳部骨壁缺失参数阈值，与所述提取的耳部骨壁缺失参数进行数据统计分析，在所述提取的耳部骨壁缺失参数中，将与所述耳部骨壁缺失参数阈值相匹配的数据，作为耳鸣组的耳部骨壁缺失参数；
根据所述建立的每个耳部医学图像对应的耳部骨壁缺失参数和伴随征象信息之间的对应关系，将与所述耳鸣组的耳部骨壁缺失参数对应的伴随征象信息，作为耳鸣组的伴随征象信息。
为此，本发明实施例中需要预先分析得到耳部骨壁缺失参数阈值，图2为本发明实施例提供的一种医学数据处理方法的流程示意图，如图2所示，本发明中如何预先分析得到耳部骨壁缺失参数阈值的具体实现方法包括：
201、根据耳部骨壁缺失参数，建立多个有限元模型,对每个有限元模型进行离散化处理，得到每个有限元模型对应的离散后的有限元监测节点；
具体实现时，以耳部骨壁缺失参数为骨壁缺失大小为例进行说明，本发明实施例所述的骨壁缺失大小包括0.5mm、1mm、2mm、4mm；
对应地，建立的多个有限元模型为不同骨壁缺失大小对应的有限元模型。
将每个有限元模型离散为四边形的网格，所述网格尺度设置为0.1mm，即每个有限元模型共离散出包括10000个四边形的网格，每个网格对应一个有限元监测节点。
需要说明的是，本发明实施例中，还需要设置每个有限元模型的骨壁及血管壁的材料属性，对所述骨壁和血管壁两侧采取固定支持约束，以保证每个有限元模型的接触弧上的各有限元监测节点位移保持一致。
需要说明的是，本发明实施例中，若所述有限元模型为骨壁完整的有限元模型，则有限元监测节点位于骨壁非血管接触面，若所述有限元模型为骨壁缺失的有限元模型，则有限元监测节点位于缺失区血管壁裸露侧。
本发明实施例有限元模型的建立主要采用dicom数据直接建模法获得，这种方法的优势在于可以将医学数字图像直接导入计算机进行图像处理，结合有限元相关分析软件，可以快速准确建立二维或三维有限元模型，极大减少了人为误差，快速简洁高效。
对于骨壁缺失参数设置的选择，采用有限元技术所采用的密质骨所界定的材料属性，在有限元模型制作中，将模型两侧边缘进行固定约束，保证计算过程中接触弧上的节点位移保持相对静止，使其更为接近实际情况。骨壁缺失引起的耳鸣机制是由于其能够降低完整颞骨骨壁对耳鸣声音的隔音能力，使得声音更加容易传递至骨壁周围颞骨气房，后经气房传递至鼓室腔，经气传导至耳蜗。可以认为与颞骨气房相邻的血管或者骨壁其振动声幅的大小直接反映耳鸣声音的强弱，因此，本发明实施例的监测节点选在模型中靠近气房侧血管壁或骨壁上的节点，以求真实反映耳鸣患者颞骨气房内声音强度的变化情况。
202、获取耳部血流的血流动力学参数，生成相应的血流流场压力波动曲线；
在具体实现时，可以根据耳部血流的医学图像，进行流体力学分析获取耳部内流场的血流动力学参数，并生成相应的血流流场压力波动曲线。其中，耳部血流的医学图像例如可以是乙状窦入口端二维相位对比电影MRI(2D PC cine MRI)和头颈部增强MR静脉成像(CE-MRV)；进行流体力学分析时例如可以应用Report Card软件，对获取的耳部内流场的血流动力学参数进行血流数据分析，自动计算出正向峰值流速(peak positive velocity,PPV)、反向峰值流速(peak negative velocity,PNV)、平均每搏血流量(average flowvolume per beat,AFV/B)、正向平均每搏血流量(average positive flow volume perbeat,APFV/B)、反向平均每搏血流量(average negative flowvolume per beat,ANFV/B)。根据AFV/B、APFV/B、ANFV/B计算出平均每分血流量(average flow volume per minute,AFV/M)＝AFV/B×HR、正向平均每分血流量(average positive fl ow volume perminute,APF V/M)＝APFV/B×HR、反向平均每分血流量(averagenegative flow volumeper minute,ANFV/M)＝ANFV/B×HR。根据APFV/M、ANFV/M和CSA计算出正向平均血流速度(average positive velocity,APV)＝APFV/M/S SA，反向平均血流速度(averagenegative velocity,ANV)＝ANFV/M/SSA。根据ANFV/B和APEV/B值计算其相应反流分数(regurgitation fraction,RF)＝(ANF/APF)×100％，然后生成相应的血流流场压力波动曲线。
为了获取真实的骨壁缺失周围血流流程信息，本发明实施例所加载的血流流场信息采用通过MRI技术所获得同一个搏动性耳鸣患者的血流流场信息，从而保证了结果的准确性。
203、将所述血流流场压力波动曲线加载到每个有限元模型对应的离散后的有限元监测节点中，监测各监测节点的振动速度幅值，得到不同骨壁缺失参数对应的有限元模型中各监测点的振动速度幅值；
为了得到稳定的振动速度幅值图像，本发明实施例可以采用隐式动力学计算方法，计算时间为0.4s，时间步长为0.0001s，即共计4000个时间步长。计算过程中进行监测节点的振动速度曲线分析，得到曲线之后，采用傅里叶变换处理，将之简化为整个频率单一的简谐振动，振动产生的声强取决于振动速度幅值。
将所述血流流场压力波动曲线加载到每个有限元模型对应的离散后的有限元监测节点中，分别监测并比较不同骨壁缺失大小情况下各监测节点振动速度幅值情况，得到不同骨壁缺失参数对应的有限元模型中各监测点的振动速度幅值。
如图3所示不同骨壁缺失大小有限元模型监测节点振动速度幅值结果图，a为骨壁缺失0.5mm的监测节点振动速度幅值结果图，b为骨壁缺失1mm的监测节点振动速度幅值结果图,c为骨壁缺失2mm的监测节点振动速度幅值结果图，d为骨壁缺失4mm的监测节点振动速度幅值结果图。
204、比较不同骨壁缺失参数对应的有限元模型中相同位置监测节点的振动速度幅值，若存在大于预设个数的监测节点的振动速度幅值的变化小于等于预设的幅值阈值时，对应的骨壁缺失参数设置为所述耳部骨壁缺失参数阈值。
根据图3所示不同骨壁缺失大小有限元模型监测节点振动速度幅值结果图，不同骨壁缺失大小有限元模型的监测结果分析：
骨壁缺失0.5mm时，监测点振动速度幅值数量级为10-4mm/s，最大速度幅值为0.45μm/s；
骨壁缺失1mm时，监测点振动速度幅值数量级为10-3mm/s，最大速度幅值为5.3μm/s；
骨壁缺失2mm时，监测点振动速度幅值数量级为10-3mm/s，最大速度幅值为3.0μm/s；
骨壁缺失4mm时，监测点振动速度幅值数量级为10-3mm/s最大速度幅值为3.1μm/s；0.45μm/s；
即相同条件下，骨壁缺失大小0.5mm有限元模型，监测点所探测到模拟血流振动速度幅值数量级是其他三种骨壁缺失模型的1/10左右。另外三种有限元模型(骨壁缺失1mm、2mm、4mm)比较，监测点所探测到模拟血流振动速度幅值差别不大。
由于骨壁缺失大小与耳鸣密切相关，因此，我们可以建立不同骨壁缺失大小的有限元模型，为了更加真实反映骨壁缺失的实际情况，将有限元模型缺失的大小设定为0.5mm、1mm、2mm、4mm四种情况(本发明不限于这四种情况)。比较不同有限元模型相同位置监测节点振动速度幅值的结果发现，骨壁缺失0.5mm时，振动速度幅值最小，其他三种情况下，随着缺失大小的增大，振动速度幅值改变不明显。因此，可以认为较小的骨壁缺失可能会部分保留骨板对耳鸣声音的隔音能力，通过缺失部位向外传导的声音强度不大，但随着缺失范围增加，隔音能力也随之下降。但是当骨壁缺失大小超过阈值(即骨壁缺失大小足够大)时，骨壁对声音的隔音能力会明显下降，此时，缺失大小的改变不会影响隔音能力。
根据上述分析结果，得到当骨壁缺失大小超过阈值(即骨壁缺失大小足够大)时，骨壁对声音的隔音能力会明显下降，但是，随着骨壁缺失大小的增大，振动速度幅值改变不明显，此时，骨壁缺失大小的改变不会影响隔音能力。因此，本发明实施例中，可以比较不同骨壁缺失大小对应的有限元模型中相同位置监测节点的振动速度幅值，若存在大于预设个数的监测节点的振动速度幅值的变化小于等于预设的幅值阈值时，对应的骨壁缺失参数设置为所述耳部骨壁缺失参数阈值。
本发明实施例通过对多个耳部医学图像分别进行图像重建；根据骨壁缺失评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的耳部骨壁缺失参数；根据伴随征象评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的伴随征象信息；对所述提取的伴随征象信息和所述耳部骨壁缺失参数进行数据统计分析，得出耳鸣组的耳部骨壁缺失参数与伴随征象信息。由于本发明实施例，可以对大量的医学影像自动进行图像重建、影像特征自动识别和提取，并建立医学影像和影像特征的数据库，该数据库用于医学研究中，可帮助医生后续的诊断，提高诊断准确率，同时也可以解决现有技术中对大量的影像进行测量、评估，需医师花费大量的人力和时间才能完成，效率低下的问题。
图4为本发明实施例提供的一种医学数据处理装置的结构示意图，如图4所示，包括：
图像重建模块41，用于对多个耳部医学图像分别进行图像重建；
提取模块42，用于根据骨壁缺失评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的耳部骨壁缺失参数；
所述提取模块42，还用于根据伴随征象评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的伴随征象信息；
统计模块43，用于对所述提取的伴随征象信息和所述耳部骨壁缺失参数进行数据统计分析，得出耳鸣组的耳部骨壁缺失参数与伴随征象信息。
可选地，所述图像重建模块41具体用于：
对所述多个耳部医学图像分别进行多平面重建观察图像，具体是对每个耳部医学图像的软组织窗图像进行横断面重建，对每个耳部医学图像的骨窗图像分别进行横断面、冠状面、矢状面重建观察，所述横断面重建基线平行于水平半规管，所述冠状面重建基线垂直于水平半规管，所述矢状面重建平行于硬腭，重建层厚1mm，层间距1mm。
其中，所述骨壁缺失评估指标包括骨壁缺失部分及范围、骨壁缺失个数、乙状窦骨壁纵向分段指标、乙状窦骨壁横向分段指标、骨壁横径、骨壁缺失面积、骨壁缺失双定位、和/或骨壁缺失的最大横径及纵径；
所述耳部骨壁缺失参数包括每个骨壁缺失评估指标对应骨壁缺失参数；
所述伴随征象评估指标包括引流静脉、颞骨气化容积、垂体、垂体窝高度、静脉回流优势、蛛网膜颗粒、横窦狭窄和/或静脉窦形态；
所述伴随征象信息包括每个伴随征象评估指标对应的伴随征象信息。
可选地，所述的装置还包括：
建立模块44，用于建立每个耳部医学图像对应的耳部骨壁缺失参数和伴随征象信息之间的对应关系。
阈值设置模块45，用于根据耳部骨壁缺失参数，建立多个有限元模型,对每个有限元模型进行离散化处理，得到每个有限元模型对应的离散后的有限元监测节点；获取耳部血流的血流动力学参数，生成相应的血流流场压力波动曲线；将所述血流流场压力波动曲线加载到每个有限元模型对应的离散后的有限元监测节点中，监测各监测节点的振动速度幅值，得到不同骨壁缺失参数对应的有限元模型中各监测点的振动速度幅值；比较不同骨壁缺失参数对应的有限元模型中相同位置监测节点的振动速度幅值，若存在大于预设个数的监测节点的振动速度幅值的变化小于等于预设的幅值阈值时，对应的骨壁缺失参数设置为所述耳部骨壁缺失参数阈值；
所述统计模块43，具体用于根据所述阈值设置模块45预先分析得到的耳部骨壁缺失参数阈值，与所述提取的耳部骨壁缺失参数进行数据统计分析，在所述提取的耳部骨壁缺失参数中，将与所述耳部骨壁缺失参数阈值相匹配的数据，作为耳鸣组的耳部骨壁缺失参数；
所述统计模块43，具体还用于根据所述建立模块44建立的每个耳部医学图像对应的耳部骨壁缺失参数和伴随征象信息之间的对应关系，将与所述耳鸣组的耳部骨壁缺失参数对应的伴随征象信息，作为耳鸣组的伴随征象信息。
本发明实施例所述装置，通过对多个耳部医学图像分别进行图像重建；根据骨壁缺失评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的耳部骨壁缺失参数；根据伴随征象评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的伴随征象信息；对所述提取的伴随征象信息和所述耳部骨壁缺失参数进行数据统计分析，得出耳鸣组的耳部骨壁缺失参数与伴随征象信息。由于本发明实施例，可以对大量的医学影像自动进行图像重建、影像特征自动识别和提取，并建立医学影像和影像特征的数据库，该数据库用于医学研究中，可帮助医生后续的诊断，提高诊断准确率，同时也可以解决现有技术中对大量的影像进行测量、评估，需医师花费大量的人力和时间才能完成，效率低下的问题。
下面对本发明的具体方案的实现过程进行详细的说明：
本发明的耳部医学图像可以通过CT图像扫描方法得到，本发明对此不作详细阐述。将CT图像扫描方法得到的耳部医学图像传输至服务器，并利用CTviewer软件行多平面重建观察图像，对软组织窗图像行横断面重建，对骨窗图像分别行横断面、冠状面、矢状面重建观察。横断面重建基线平行于水平半规管，冠状面重建基线垂直于水平半规管，矢状面重建平行于硬腭，重建层厚1mm，层间距1mm，本发明对此不作详细阐述。
需要说明的是，本发明采用的骨壁缺失评估指标，以横断面上颈静脉突作为乙状窦与颈内静脉的分界。
将重建的耳部医学图像输入到本发明实施例提供的医学数据处理软件中，再输入骨壁缺失评估指标和伴随征象评估指标，医学数据处理软件根据输入的骨壁缺失评估指标和伴随征象评估指标，在输入的重建的耳部医学图像进行自动观察识别，分别提到得到耳部骨壁缺失参数和伴随征象信息。
其中，耳部骨壁缺失参数例如包括如下：
骨壁缺失个数：当多处骨壁不完整的区域自始至终无沟通时，识别为多处骨壁缺失。
乙状窦骨壁纵向分段标准：在横断面上，分别以总脚、耳蜗底周显示最佳层面将乙状窦分为纵向范围相近的上段、中段、下段。
乙状窦骨壁横向分段标准：在横断面上，分别以乙状窦沟前后曲率最大点将乙状窦骨壁分为前壁、外壁、后壁。
骨缺横径：将横断面重建图像放大3倍，在骨壁缺失最大层面测量骨壁缺失的范围。
骨壁缺失面积：由于骨壁缺失范围多较小，故在重建层厚及层间距均为1mm的横断面图像上，自上而下分别测量骨壁缺失的横径，所得总和既为骨壁缺失的面积。
缺失双定位：重建三维容积图像，使听眶线处于水平位置，侧面观。结合横断面图像定位各骨壁缺失最大层面的中心点，自该点分别测量与外耳道中心点、乳突尖的垂直及水平位移。
其中，伴随征象信息例如包括：
乳突导静脉：起自乙状窦迂曲向外走行至皮下，可为单个或多个，根据乳突导静脉孔内口数量判断导静脉数量，在横断面测量内口横径，内口直径小于1mm时，用<1mm；如图5所示。
岩鳞窦：起自横窦末端，向前下走行至岩鳞隔或其外侧的骨管或骨沟内，末端可分两支，内侧支经圆孔汇入翼丛，外侧支经鳞部出颅至邻近皮下或颞下颌关节窝；如图6所示。
板障静脉：由横窦末端发出，迂曲走行于颅盖骨的板障内；
垂体窝高度：矢状面重建基线平行于硬腭，重建层厚1mm，在垂体柄显示最佳层面，测量自鞍底至鞍背与鞍结节上缘连线的垂线；如图7所示。
颞骨气化腔容积：利用气体三维重建获取颞骨气化腔的容积。规定重建阈值下限为－1024HU，上限为－224HU。进行图像处理时仅使用切割功能。以鼓环作为外耳与中耳分界，准确切割外耳道气体，颞骨气化容积由计算机三维重建系统自动得出，如图8所示。
垂体高度：在静脉期标准算法重建矢状面图像，垂体柄显示最佳层面，测量自垂体柄下缘至鞍底的垂线，小于1mm时，用<1mm表示，如图9所示。
在横断面静脉期软组织窗图像上行MIP重建，层厚为8mm，重建基线平行于水平半规管，分别测量双侧横窦中段前后径，当双侧径线相差3mm及其以上时，考虑为单侧静脉回流优势，反之则为均衡型，如图10所示。
颈静脉窝高位：横断面上1度，达耳蜗蜗窗层面；2度，达前庭窗层面，3度，达水平半规管层面判定为颈静脉窝高位，如图11所示。
蛛网膜颗粒：静脉窦内分叶状或椭圆形充盈缺损,边缘光滑锐利，仅当在横断面、斜矢状面、冠状面都显示的充盈缺损才认为是蛛网膜颗粒。中心静脉为充盈缺损中心处的条状对比剂填充影，偶尔，蛛网膜颗粒也会于颅板内形成卵圆形压迹，如图12所示。
横窦狭窄：狭窄处横窦面积小于正常面积的一半或小于起始处面积的1/4时。重建静脉窦三维图像，按照静脉窦狭窄的程度将静脉窦狭窄分为3种类型，丘形、锥形及弥漫型。当窦腔截面积小于10mm的范围在一半以上时，考虑为弥漫性狭窄，如图13所示。
本发明实施例提供的医学数据处理软件还可以对上述提取得到的耳部骨壁缺失参数和伴随征象信息进行数据统计分析处理，具体为：根据预先分析得到的耳部骨壁缺失参数阈值，与所述提取的耳部骨壁缺失参数进行数据统计分析，在所述提取的耳部骨壁缺失参数中，将与所述耳部骨壁缺失参数阈值相匹配的数据，作为耳鸣组的耳部骨壁缺失参数；根据所述建立的每个耳部医学图像对应的耳部骨壁缺失参数和伴随征象信息之间的对应关系，将与所述耳鸣组的耳部骨壁缺失参数对应的伴随征象信息，作为耳鸣组的伴随征象信息。
举例来说，分析得到的耳鸣组的耳部骨壁缺失参数例如包括：
在30例PT患者中，共发现骨壁缺失44处，其中单处骨壁缺失者17例，2处者12例，3处者1例。将乙状窦分为上中下三段，上中下段骨壁均受累1处，仅中上段受累3处，仅上段受累25处，仅中段受累13处，仅下段受累2处。在单处骨壁缺失的17例患者中，仅上段受累者12例，下段受累1例，中段受累者2例，中上段同时受累者1例，上中下段均受累者1例。
将乙状窦骨壁按曲率最大点分为前壁、外壁、后壁，44处骨壁缺失中，仅外壁受累25处，仅前壁受累4处，前外壁受累13处，后外壁受累2处。
在横断面上骨壁缺失最大层面测量骨壁缺失横径，所得平均横径范围约(2.83±1.29)mm，范围1-7mm，平均面积大小约(7.97±5.17)mm2，范围1.5-23.7mm2。
对侧骨壁缺失者3例，均为单处，位于上段2例，下段1例，仅前壁受累1例，外壁受累2例，平均最大横径约1.9mm(1.5-2.4)，平均面积约3.7mm(2.4-4.7)
分别测量骨壁缺失中心点至外耳道中心、乳突尖的垂直及水平距离，所得骨壁缺失中心点与其位置关系，如图14所示。
举例来说，分析得到的耳鸣组的伴随征象信息例如包括：
颈静脉球窝高位28例，其中一例骨壁缺失，缺失面积约5.7mm。其中3级气化者3例，2级者9例，1级者16例。
在与乙状窦相沟通的导静脉中，乳突导静脉者21例，12例直径小于1mm，9例大于或等于1mm，平均约1.95+0.83mm(1-3)；板障静脉者共20例(21个)；岩鳞窦2例，直径均小于1mm。
在于颅内压有关的征象中，颅板内可见蛛网膜颗粒压迹者10例，共18个；垂体窝平均高约(10.04±2.70)mm(5.8-17.4mm)，颞骨气化腔平均容积约(3.70±1.81)ml(1.1-7.7ml)，垂体平均高约(3.04±2.06)mm(0-10.3mm)。按其形态分类：平形者9例，凹形者19例，凸型者4例，未显示者3例。
在静脉回流优势中，左侧静脉回流较大侧8例，右侧22例，16例右侧优势型，5例左侧优势型，9例均衡型，平均相差(2.96±1.40)mm。耳鸣侧静脉回流优势者22例，对侧优势者0例，均衡者8例。
同侧AG者25例，共35个；同侧狭窄25例，仅丘形狭窄16例，仅锥形狭窄5例，丘形+锥形狭窄4例，5例无狭窄。
对侧狭窄30例；全程狭窄7例，局限性狭窄23例，仅丘形狭窄13例，仅锥形狭窄4例，丘形+锥形狭窄6例；在对侧局限性狭窄的23例患者中，AG者21例，共33个。
在一个典型的配置中，本发明实施例的医学数据处理方法可以在计算设备中实现，其中，该计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。此外，“耦接”一词在此包含任何直接及间接的电性耦接手段。因此，若文中描述一第一装置耦接于一第二装置，则代表所述第一装置可直接电性耦接于所述第二装置，或通过其他装置或耦接手段间接地电性耦接至所述第二装置。说明书后续描述为实施本申请的较佳实施方式，然所述描述乃以说明本申请的一般原则为目的，并非用以限定本申请的范围。本申请的保护范围当视所附权利要求所界定者为准。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (10)

1.一种医学数据处理方法，其特征在于，包括：
对多个耳部医学图像分别进行图像重建；
根据骨壁缺失评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的耳部骨壁缺失参数；
根据伴随征象评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的伴随征象信息；
对所述提取的伴随征象信息和所述耳部骨壁缺失参数进行数据统计分析，得出耳鸣组的耳部骨壁缺失参数与伴随征象信息。
2.根据权利要求1所述的方法，其特征在于，对多个耳部医学图像分别进行图像重建，包括：
对所述多个耳部医学图像分别进行多平面重建观察图像，具体是对每个耳部医学图像的软组织窗图像进行横断面重建，对每个耳部医学图像的骨窗图像分别进行横断面、冠状面、矢状面重建观察，所述横断面重建基线平行于水平半规管，所述冠状面重建基线垂直于水平半规管，所述矢状面重建平行于硬腭，重建层厚1mm，层间距1mm。
3.根据权利要求1所述的方法，其特征在于：
所述骨壁缺失评估指标包括骨壁缺失部分及范围、骨壁缺失个数、乙状窦骨壁纵向分段指标、乙状窦骨壁横向分段指标、骨壁横径、骨壁缺失面积、骨壁缺失双定位、和/或骨壁缺失的最大横径及纵径；
所述耳部骨壁缺失参数包括每个骨壁缺失评估指标对应骨壁缺失参数；
所述伴随征象评估指标包括引流静脉、颞骨气化容积、垂体、垂体窝高度、静脉回流优势、蛛网膜颗粒、横窦狭窄和/或静脉窦形态；
所述伴随征象信息包括每个伴随征象评估指标对应的伴随征象信息。
4.根据权利要求1所述的方法，其特征在于，还包括：
建立每个耳部医学图像对应的耳部骨壁缺失参数和伴随征象信息之间的对应关系。
5.根据权利要求4所述的方法，其特征在于，对所述提取的伴随征象信息和所述耳部骨壁缺失参数进行数据统计分析，得出耳鸣组的耳部骨壁缺失参数与伴随征象信息，包括：
根据预先分析得到的耳部骨壁缺失参数阈值，与所述提取的耳部骨壁缺失参数进行数据统计分析，在所述提取的耳部骨壁缺失参数中，将与所述耳部骨壁缺失参数阈值相匹配的数据，作为耳鸣组的耳部骨壁缺失参数；
根据所述建立的每个耳部医学图像对应的耳部骨壁缺失参数和伴随征象信息之间的对应关系，将与所述耳鸣组的耳部骨壁缺失参数对应的伴随征象信息，作为耳鸣组的伴随征象信息。
6.根据权利要求5所述的方法，其特征在于，还包括：
根据耳部骨壁缺失参数，建立多个有限元模型,对每个有限元模型进行离散化处理，得到每个有限元模型对应的离散后的有限元监测节点；
获取耳部血流的血流动力学参数，生成相应的血流流场压力波动曲线；
将所述血流流场压力波动曲线加载到每个有限元模型对应的离散后的有限元监测节点中，监测各监测节点的振动速度幅值，得到不同骨壁缺失参数对应的有限元模型中各监测点的振动速度幅值；
比较不同骨壁缺失参数对应的有限元模型中相同位置监测节点的振动速度幅值，若存在大于预设个数的监测节点的振动速度幅值的变化小于等于预设的幅值阈值时，对应的骨壁缺失参数设置为所述耳部骨壁缺失参数阈值。
7.一种医学数据统计装置，其特征在于，包括：
图像重建模块，用于对多个耳部医学图像分别进行图像重建；
提取模块，用于根据骨壁缺失评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的耳部骨壁缺失参数；
所述提取模块，还用于根据伴随征象评估指标，对所述重建后的多个耳部医学图像进行识别，并提取出每个耳部医学图像对应的伴随征象信息；
统计模块，用于对所述提取的伴随征象信息和所述耳部骨壁缺失参数进行数据统计分析，得出耳鸣组的耳部骨壁缺失参数与伴随征象信息。
8.根据权利要求7所述的装置，其特征在于，所述图像重建模块具体用于：
对所述多个耳部医学图像分别进行多平面重建观察图像，具体是对每个耳部医学图像的软组织窗图像进行横断面重建，对每个耳部医学图像的骨窗图像分别进行横断面、冠状面、矢状面重建观察，所述横断面重建基线平行于水平半规管，所述冠状面重建基线垂直于水平半规管，所述矢状面重建平行于硬腭，重建层厚1mm，层间距1mm。
9.根据权利要求7所述的装置，其特征在于：
所述骨壁缺失评估指标包括骨壁缺失部分及范围、骨壁缺失个数、乙状窦骨壁纵向分段指标、乙状窦骨壁横向分段指标、骨壁横径、骨壁缺失面积、骨壁缺失双定位、和/或骨壁缺失的最大横径及纵径；
所述耳部骨壁缺失参数包括每个骨壁缺失评估指标对应骨壁缺失参数；
所述伴随征象评估指标包括引流静脉、颞骨气化容积、垂体、垂体窝高度、静脉回流优势、蛛网膜颗粒、横窦狭窄和/或静脉窦形态；
所述伴随征象信息包括每个伴随征象评估指标对应的伴随征象信息。
10.根据权利要求7所述的装置，其特征在于，还包括：
建立模块，用于建立每个耳部医学图像对应的耳部骨壁缺失参数和伴随征象信息之间的对应关系。
阈值设置模块，用于根据耳部骨壁缺失参数，建立多个有限元模型,对每个有限元模型进行离散化处理，得到每个有限元模型对应的离散后的有限元监测节点；获取耳部血流的血流动力学参数，生成相应的血流流场压力波动曲线；将所述血流流场压力波动曲线加载到每个有限元模型对应的离散后的有限元监测节点中，监测各监测节点的振动速度幅值，得到不同骨壁缺失参数对应的有限元模型中各监测点的振动速度幅值；比较不同骨壁缺失参数对应的有限元模型中相同位置监测节点的振动速度幅值，若存在大于预设个数的监测节点的振动速度幅值的变化小于等于预设的幅值阈值时，对应的骨壁缺失参数设置为所述耳部骨壁缺失参数阈值；
所述统计模块，具体用于根据所述阈值设置模块预先分析得到的耳部骨壁缺失参数阈值，与所述提取的耳部骨壁缺失参数进行数据统计分析，在所述提取的耳部骨壁缺失参数中，将与所述耳部骨壁缺失参数阈值相匹配的数据，作为耳鸣组的耳部骨壁缺失参数；
所述统计模块，具体还用于根据所述建立模块建立的每个耳部医学图像对应的耳部骨壁缺失参数和伴随征象信息之间的对应关系，将与所述耳鸣组的耳部骨壁缺失参数对应的伴随征象信息，作为耳鸣组的伴随征象信息。
CN201710018808.6A 2017-01-10 2017-01-10 医学数据处理方法及装置 Active CN106780652B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710018808.6A CN106780652B (zh) 2017-01-10 2017-01-10 医学数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710018808.6A CN106780652B (zh) 2017-01-10 2017-01-10 医学数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN106780652A true CN106780652A (zh) 2017-05-31
CN106780652B CN106780652B (zh) 2017-12-15

Family

ID=58948933

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710018808.6A Active CN106780652B (zh) 2017-01-10 2017-01-10 医学数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN106780652B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108665950A (zh) * 2018-04-16 2018-10-16 首都医科大学附属北京同仁医院 基于卷积神经网络生成结构化医学影像报告的方法和系统
CN111476775A (zh) * 2020-04-07 2020-07-31 广州柏视医疗科技有限公司 Dr征象识别装置和方法
CN112509119A (zh) * 2019-12-23 2021-03-16 首都医科大学附属北京友谊医院 针对颞骨的空间数据处理及定位方法、装置及电子设备
CN113633304A (zh) * 2021-06-28 2021-11-12 北京工业大学 一种颞骨ct影像中颈静脉球窝骨壁缺失检测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103932711A (zh) * 2014-04-23 2014-07-23 田永胜 基于虚拟现实的内耳姿态调整监控系统及内耳姿态捕获装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103932711A (zh) * 2014-04-23 2014-07-23 田永胜 基于虚拟现实的内耳姿态调整监控系统及内耳姿态捕获装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
GITTA MADANI等: "Imaging in pulsatile tinnitus", 《CLINICAL RADIOLOGY》 *
刘兆会等: "颞骨双期增强CT诊断搏动性耳鸣病因的价值研究", 《中华医学杂志》 *
刘善凤: "横窦—乙状窦憩室引起搏动性耳鸣的CT表现", 《中国优秀硕士学位论文全文数据库（医药卫生科技辑）》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108665950A (zh) * 2018-04-16 2018-10-16 首都医科大学附属北京同仁医院 基于卷积神经网络生成结构化医学影像报告的方法和系统
CN108665950B (zh) * 2018-04-16 2022-04-01 首都医科大学附属北京同仁医院 基于卷积神经网络生成结构化医学影像报告的方法和系统
CN112509119A (zh) * 2019-12-23 2021-03-16 首都医科大学附属北京友谊医院 针对颞骨的空间数据处理及定位方法、装置及电子设备
CN111476775A (zh) * 2020-04-07 2020-07-31 广州柏视医疗科技有限公司 Dr征象识别装置和方法
CN111476775B (zh) * 2020-04-07 2021-11-16 广州柏视医疗科技有限公司 Dr征象识别装置和方法
CN113633304A (zh) * 2021-06-28 2021-11-12 北京工业大学 一种颞骨ct影像中颈静脉球窝骨壁缺失检测方法
CN113633304B (zh) * 2021-06-28 2023-11-24 北京工业大学 一种颞骨ct影像中颈静脉球窝骨壁缺失检测方法

Also Published As

Publication number Publication date
CN106780652B (zh) 2017-12-15

Similar Documents

Publication Publication Date Title
US11869669B2 (en) Method and system for image processing to model vasculasture
US20210335497A1 (en) Systems and methods for image processing to determine blood flow
CN106780652B (zh) 医学数据处理方法及装置
CN105380598B (zh) 用于针对动脉狭窄的自动治疗规划的方法和系统
CN110168613B (zh) 用于使用降阶模型和机器学习估计血流特性的系统和方法
Campbell et al. Effect of inlet velocity profiles on patient-specific computational fluid dynamics simulations of the carotid bifurcation
JP2016528975A (ja) 最適化された診断能のための境界条件を用いて血流をモデル化するための方法及びシステム
Ukwatta et al. Three‐dimensional segmentation of three‐dimensional ultrasound carotid atherosclerosis using sparse field level sets
Gambaruto et al. Decomposition and description of the nasal cavity form
Mazumder et al. Synthetic PPG signal generation to improve coronary artery disease classification: Study with physical model of cardiovascular system
Tay et al. Towards patient-specific cardiovascular modeling system using the immersed boundary technique
CN105708548A (zh) 用于识别供应区的方法、用于对供应区进行图形表示的方法、及其成像设备
CN109363661B (zh) 血流储备分数确定系统、方法、终端及存储介质
CN116468857A (zh) 一种基于大脑建模的电磁仿真及优化平台构建方法及系统
Nikitchuk et al. Model of an automated biotechnical system for analyzing pulseograms as a kind of edge devices
Collia et al. Surrogate models provide new insights on metrics based on blood flow for the assessment of left ventricular function
Bernhard et al. Statistical parameter estimation and signal classification in cardiovascular diagnosis
Augsburger et al. Influence of segmentation on morphological parameters and computed hemodynamics in cerebral aneurysms
Kjeldsberg Investigating the interaction between morphology of the anterior bend and aneurysm initiation
Korte et al. Resolution-based comparative analysis of 4D-phase-contrast magnetic resonance images and hemodynamic simulations of the aortic arch
KR20160131493A (ko) 조영제 분포의 컴퓨터 시뮬레이션을 통한 관상동맥의 삼차원 모델링 검증 방법
Ali Predicting Thrombus Formation in Patients with Internal Carotid Artery Webs
CN117313574A (zh) 微循环阻力指数计算方法、装置、设备及存储介质
Chen Non-invasive assessment of aortic coarctation severity using computational fluid dynamics
Date Deliverable 7.1 Computational tool for computing the pressure-difference field from 4D Flow data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240207

Address after: 100084 room a800b, 8th floor, Tsinghua Tongfang building, Tsinghua garden, Haidian District, Beijing

Patentee after: Beijing Langshi Instrument Co.,Ltd.

Country or region after: China

Address before: 100050 Yongan Road, Xicheng District, Xicheng District, Beijing

Patentee before: BEIJING FRIENDSHIP HOSPITAL, CAPITAL MEDICAL University

Country or region before: China

TR01 Transfer of patent right