CN111657985A - 肺部影像信息的处理方法、显示方法及可读存储介质 - Google Patents

肺部影像信息的处理方法、显示方法及可读存储介质 Download PDF

Info

Publication number
CN111657985A
CN111657985A CN202010620375.3A CN202010620375A CN111657985A CN 111657985 A CN111657985 A CN 111657985A CN 202010620375 A CN202010620375 A CN 202010620375A CN 111657985 A CN111657985 A CN 111657985A
Authority
CN
China
Prior art keywords
lung
lesion
image
value
density
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.)
Pending
Application number
CN202010620375.3A
Other languages
English (en)
Inventor
石磊
乔丽华
史晶
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.)
Hangzhou Yitu Medical Technology Co ltd
Original Assignee
Hangzhou Yitu Medical Technology Co ltd
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 Hangzhou Yitu Medical Technology Co ltd filed Critical Hangzhou Yitu Medical Technology Co ltd
Priority to CN202010620375.3A priority Critical patent/CN111657985A/zh
Publication of CN111657985A publication Critical patent/CN111657985A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Pulmonology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本公开涉及肺部影像信息的处理方法、显示方法及可读存储介质，其中处理方法包括：在肺部影像中界定出病变密度增高的肺部病灶；获取除肺部病灶之外的肺部影像的肺野平均密度值；得到肺野平均密度值与标准肺野平均密度值的对比结果。显示方法包括：响应于在肺部影像中界定出病变密度增高的肺部病灶，在显示界面中可视化所述肺部病灶；响应于得到实际平均CT值与标准肺野平均CT值的对比结果，呈现对比结果以及显示相应的判读信息。通过本公开的各实施例，综合肺部病灶影像信息和全肺影像信息的分析，形成余肺的密度情况，可以更直观的看出肺部病患的情况。

Description

肺部影像信息的处理方法、显示方法及可读存储介质
技术领域
本公开涉及医疗信息处理技术领域，具体涉及一种肺部影像信息的处理方法、显示方法及可读存储介质。
背景技术
目前在基于肺内的密度检测以获得相应病变诊断和判读的过程，例如肺气肿诊断，当肺内含有包括结节、合并炎症等在内的病变时，会导致平均肺密度偏高，造成对于肺气肿患者的平均肺密度不准，造成一定的漏检。
发明内容
本公开意图提供一种肺部影像信息的处理方法、显示方法及可读存储介质，综合肺部病灶影像信息和全肺影像信息的分析，形成余肺的密度情况，可以更直观的看出肺部病患的情况。
根据本公开的方案之一，提供一种肺部影像信息的处理方法，包括：
在肺部影像中界定出病变密度增高的肺部病灶；
获取除所述肺部病灶之外的肺部影像的肺野平均密度值；
得到所述肺野平均密度值与标准肺野平均密度值的对比结果。
在一些实施例中，其中，所述在肺部影像中界定出病变密度增高的肺部病灶，包括：
获取肺部CT影像；
构建三维模型，所述三维模型至少包括所述肺部CT影像对应的肺部模型；
基于识别出的所述肺部病灶，在所述三维模型中界定出所述肺部病灶。
在一些实施例中，其中，所述基于识别出的所述肺部病灶，在所述三维模型中界定出所述肺部病灶，包括：
基于CT值识别所述肺部病灶；
勾勒所述肺部病灶；
在所述三维模型中可视化所述肺部病灶。
在一些实施例中，其中，所述在所述三维模型中可视化所述肺部病灶，包括：
通过显示界面显示所述三维模型；
在所述三维模型中呈现所述肺部病灶，呈现方式包括渲染。
在一些实施例中，其中，所述在肺部影像中界定出病变密度增高的肺部病灶，包括：
获取肺部CT影像；
确定至少一个维度的多层CT影像；
基于针对所述多层CT影像的病灶识别，界定出所述肺部病灶。
在一些实施例中，其中，所述基于针对所述多层CT影像的病灶识别，界定出所述肺部病灶，包括：
基于CT值识别所述肺部病灶；
勾勒所述肺部病灶；
在所述多层CT影像中可视化所述肺部病灶。
在一些实施例中，其中，所述在所述多层CT影像中可视化所述肺部病灶，包括：
通过显示界面在所述多层CT影像中的每一层上呈现所述肺部病灶，呈现方式包括渲染。
在一些实施例中，其中，
所述获取除所述肺部病灶之外的肺部影像的肺野平均密度值，包括：
获取除所述肺部病灶之外的肺部影像的实际平均CT值；
所述得到所述肺野平均密度值与标准肺野平均密度值的对比结果，包括：
对比所述实际平均CT值和标准肺野平均CT值；
通过CT直方图呈现对比结果；
当对比结果超出阈值，给出判读提示信息。
根据本公开的方案之一，提供肺部病患信息的显示方法，包括：
响应于在肺部影像中界定出病变密度增高的肺部病灶，在显示界面中可视化所述肺部病灶；
响应于得到除所述肺部病灶之外的肺部影像的实际平均CT值与标准肺野平均CT值的对比结果，通过CT直方图呈现对比结果，显示相应的判读信息。
根据本公开的方案之一，提供计算机可读存储介质，其上存储有计算机可执行指令，所述计算机可执行指令由处理器执行时，实现：
根据上述的肺部影像信息的处理方法；或者
根据上述的肺部病患信息的显示方法。
本公开的各种实施例的肺部影像信息的处理方法、肺部病患信息的显示方法及计算机可读存储介质，至少通过在肺部影像中界定出病变密度增高的肺部病灶；获取除所述肺部病灶之外的肺部影像的肺野平均密度值；得到所述肺野平均密度值与标准肺野平均密度值的对比结果，从而对肺内的病灶进行界定，除去肺内引起病变密度增高病灶，在此基础上对于余肺部分的密度进行检测，能够很好地规避对于一部分患者既有肺气肿，同时又存在其他病患，例如肺结节、炎症等，由于肺部的代偿作用，造成肺部的平均肺密度基于正常人群的偏移较小或者无明显偏移，所造成对于肺气肿的病人无提示早筛作用。
应当理解，前面的大体描述以及后续的详细描述只是示例性的和说明性的，并非对所要求保护的本公开的限制。
附图说明
在未必按照比例绘制的附图中，不同视图中相似的附图标记可以表示相似的构件。具有字母后缀的相似附图标记或具有不同字母后缀的相似附图标记可以表示相似构件的不同实例。附图通常作为示例而非限制地图示各种实施例，并且与说明书和权利要求书一起用于解释所公开的实施例。
图1示出了本公开的一种实施例的肺部影像信息的处理方法的流程示意图；
图2示出了本公开的一种实施例的肺部影像信息的处理方法的三维模型示意图，其中包括渲染的肺部病灶；
图3示出了本公开的一种实施例的肺部影像信息的处理方法的横断面影像示意图，其中包括渲染的肺部病灶；
图4示出了本公开的一种实施例的CT直方图，其中包括当前图表和对照组图表；
图5示出了本公开的一种实施例的肺部病患信息的显示方法的流程示意图。
具体实施方式
为了使得本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例的附图，对本公开实施例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公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
为了保持本公开实施例的以下说明清楚且简明，本公开省略了已知功能和已知部件的详细说明。
本公开实施例的技术方案中涉及基于肺部影像信息处理，例如在肺气肿的诊断和判读中应用。慢性阻塞性肺疾病(COPD，慢阻肺)是一种常见的、可以预防和治疗的疾病，以持续呼吸症状和气流受限为特征，通常是由于明显暴露于有毒颗粒或气体引起的气道和/或肺泡异常所导致。慢性气流受限是慢阻肺的特征，由小气道疾病(阻塞性支气管炎)和肺实质破坏(肺气肿)共同引起，二者在不同患者所占比重不同。对于慢阻肺如何由潜在的疾病发展到出现特征性生理异常及症状的机制，可以理解为，例如炎症及外周气道的狭窄会引起FEV 1(一秒量FEV1：指最大吸气至肺总量位后一秒内的最快速呼气量，是肺功能受损的重要指标)降低。肺气肿引起的肺实质破坏会导致气流受限及气体交换减少。更多的证据也显示除了气道狭窄，小气道丧失也可能促进气流受限。
目前对于COPD的检测通常为：肺功能检测(PFT：Pummonary function test)，PFT评价COPD的严重程度，该检测简单、快捷、价廉、无辐射。并存的不足在于：敏感性不够，无法确定早期病变：肺组织破坏30％以上才会出现PFT改变；发现时病变已经不可逆；无法得到病变分布和范围信息，以至于必须实施LRSV肺移植手术；无法对COPD分型；影响因素多，如年龄、性别、体质量指数、测定时间及操作手法等，可重复性差；部分患者无法配合完成相应的治疗和检测。
早期、准确地评估肺气肿对改善预后及降低死亡率具有十分重要的意义。随着多层螺旋CT(multisliecs helieal CT,MSCT)和高分辨率CT(High Resolution CT，HRCT)的出现，CT已成为定量评估肺气肿的理想工具。CT和肺气肿评级，包括：
1、视觉分析/目测主观半定量，对肺气肿的评估主要基于影像医师对图像的主观评价和以视觉评分为基础的主观评分半定量法。视觉评分即在常规厚层(5～10mm)扫描结束后分别在主动脉弓、气管隆突及下肺静脉开口处层面加扫3层HRCT，代表上、中、下肺野，再根据低衰减区(low attenaturation area，LAA)的范围做出评价并记分和分级。这种半定量评分法简单易行，且无需另行购买计算软件。但也存在半定量评分法评估肺气肿的特异度及敏感度有限。例如基于HRCT的视觉评估法和客观法在评估结果上存在差异；又如与大体病理比较，主观评分法在多数患者中作出了过度估计，并且阅片者间存在诊断差异。总之，由于主观因素的介入，视觉评价及主观半定量评分法或多或少地低估或高估肺气肿的严重程度，故对肺气肿的评价价值有限。
2、客观分析/定量CT肺密度分析，其中，
1)密度屏蔽法或阈值限定法(PI法)，即选取特定阈值，使低于该阈值的高透光度区域(LAA)发亮，由计算机计算LAA所占全肺容积的百分比，称为PI，也称肺气肿指数(emphysema index,EI)，关于肺气肿阈值的选定应根据不同的扫描设备及扫描参数(如层厚、层间隔、重建算法等)进行选择，合适的阈值是准确评估肺气肿的前提和基础；
2)密度分析法主要有平均肺密度(mean lung density,MLD)，MLD常需与密度直方图法相互配合。肺密度指给定肺野内所有像素的平均CT值。随着容积CT的出现，计算机可以对选定层面或特定肺叶乃至全肺进行MLD定量，从而更好地指导临床。由于肺组织的CT值是由肺内气体、血液和肺组织的含量比所决定，因此MLD反映肺通气状态、血液量、血管外液体量及肺组织的综合密度。呼吸状态和肺野的变化均会导致MLD的变化，故MLD在鉴别肺内不均一病变中存在很大局限性。
3)客观测定法将对肺密度(HU)的评估转换成对每克肺组织含气量(ml/g)的评估。通过公式，将肺密度转换为肺容积、肺气肿容积、肺表面积以及肺表面积/容积等指标，定量评价肺气肿。
因此，CT检测COPD通常采用的方式为密度分析，因此不论是LAA，还是MLD，都是基于肺内的密度进行的检测，当肺内含有病变(合并炎症等病变)，会导致平均肺密度偏高，造成对于肺气肿患者的平均肺密度不准，造成一定的漏检。
作为方案之一，如图1所示，本公开的实施例提供了一种肺部影像信息的处理方法，包括：
S101：在肺部影像中界定出病变密度增高的肺部病灶；
S102：获取除所述肺部病灶之外的肺部影像的肺野平均密度值；
S103：得到所述肺野平均密度值与标准肺野平均密度值的对比结果。
结合上文所述内容，继续以通过影像诊断肺气肿为例，目前包括AI诊断系统在内的医学影像诊断系统可以直接对CT图像进行分析，基于CT分析，能够将肺内所有像素CT的分布情况进行统计，以图表形式，例如CT直方图的形式展示出来。
本公开涉及的肺部影像信息的处理方法，发明构思之一至少在于基于上述影像分析，对病变密度增高的肺部病灶，例如实性病变、炎症、气肿样病变等病灶，进行识别和定量分析，并将这些肺部病灶在相应的上影像上进行呈现，例如渲染等，明确提示这些肺部病灶范围，定量分析的结果形成CT直方图并展示出来，从而实现基于全肺分析-病灶分析形成余肺的密度情况，可以更直观的看出肺气肿的情况。对于一些患者同时患有其他疾病的情况下(比如炎症等)，肺部具有代偿功能，会造成肺部的平均肺密度发生改变。在此情况下，本公开的实施例在得到所述肺野平均密度值与标准肺野平均密度值的对比结果的基础上，通过预警信息等方式向用户给出相应的提示，例如输出肺气肿预警信息。标准肺野平均密度值，可以是参考正常人群的肺部密度所确定。
具体的，本公开的实施例的肺部影像信息的处理方法，可以为：所述在肺部影像中界定出病变密度增高的肺部病灶，包括：
获取肺部CT影像；
构建三维模型，所述三维模型至少包括所述肺部CT影像对应的肺部模型；
基于识别出的所述肺部病灶，在所述三维模型中界定出所述肺部病灶。
具体以本公开实施例通过CT影像为例说明，获取肺部CT影像，例如获取包括横断面影像、矢状面影像、冠状面影像在内的CT胸部影像。根据获取的CT胸部影像，可以构建该CT影像对应的患者的三维模型，也可以构建模拟的三维模型。本公开实施例的三维模型可以是映射患者全部的3D模型，也可以是映射患者肺部的3D模型，旨在能够通过该3D模型与本公开实施例的肺部病灶建立空间显示的位置关系。
为了能够精确地界定出肺部病灶，本公开的实施例的处理方法中，所述基于识别出的所述肺部病灶，在所述三维模型中界定出所述肺部病灶，可以包括：
基于CT值识别所述肺部病灶；
勾勒所述肺部病灶；
在所述三维模型中可视化所述肺部病灶。
具体的，可以通过AI诊断系统根据CT影像的CT值分布识别肺部病灶。为了更加精确地界定出肺部病灶，本实施例可以通过自动勾勒或者手动勾勒的方式，对识别出的肺部病灶勾勒。在勾勒过程，可以根据用户的判读，对勾勒线进行修改、增加、删除等操作，从而使得界定出的肺部病灶更加清晰，将引起病变密度增高的影像区域更准确地与余肺部分分割开来。
如图2所示，作为一种交互优化方式，本公开的实施例可以在三维模型(图中以肺部三维模型为例)中以可视化的方式呈现肺部病灶，包括但不限于渲染在内的呈现方式。具体的，本公开实施例可以以3D影像的形式呈现三维模型，在3D影像中通过可视的虚拟病灶表征所述肺部病灶。当通过二维显示界面呈现三维模型的情况下，在二维显示界面中，以可连续变换视角的方式通过3D影像呈现本公开各实施例涉及的肺部病灶，所述可连续变换视角的方式包括自动变换视角或者手动变换视角。例如，在手持终端、电脑界面等提供二维显示界面的情况下，本公开的3D影像通过这些二维显示界面载体能够以可连续变换视角的方式进行呈现。用户可通过任何人机交互方式，例如通过鼠标操作、手指触控、转动显示设备等方式，实现连续视角的观看3D影像。当然，也可以通过动态影像、视频流等多媒体文件处理方式，自动变换视角向用户呈现各连续视角的3D影像。另一方面，本公开实施例可以在将3D影像处理为VR格式的情况下，借助于VR设备，例如可穿戴式设备、VR眼镜等呈现3D影像，以及前文所界定出肺部病灶。
在其他的实施方式中，本公开的实施例的处理方法，可以为：所述在肺部影像中界定出病变密度增高的肺部病灶，包括：
获取肺部CT影像；
确定至少一个维度的多层CT影像；
基于针对所述多层CT影像的病灶识别，界定出所述肺部病灶。
具体以本公开实施例通过CT影像为例说明，获取肺部CT影像，例如获取包括三个维度的影像：横断面影像、矢状面影像、冠状面影像。本实施例中，可以确定至少在一个维度上的多层CT影像，如图3所示的以横断面影像为例，提取其中多层CT影像。当然，易于理解的是，具体层数可以根据识别出肺部病灶的分布情况而定，优选的为提取该维度上每一层CT影像，从而最大程度地分割本公开各实施例所涉及的肺部病灶。基于提取的横断面影像，通过显示界面界定出肺部病灶。
为了能够精确地界定出肺部病灶，本公开的实施例的处理方法中，所述基于针对所述多层CT影像的病灶识别，界定出所述肺部病灶，可以包括：
基于CT值识别所述肺部病灶；
勾勒所述肺部病灶；
在所述多层CT影像中可视化所述肺部病灶。
具体的，可以通过AI诊断系统根据CT影像的CT值分布识别肺部病灶。为了更加精确地界定出肺部病灶，本实施例可以通过在如图3所示的横断面影像的每一层CT影像中，进行自动勾勒或者手动勾勒的方式，对识别出的肺部病灶勾勒。在勾勒过程，可以根据用户的判读，对勾勒线进行修改、增加、删除等操作，从而使得界定出的肺部病灶更加清晰，将引起病变密度增高的影像区域更准确地与余肺部分分割开来。
如图3所示，作为一种交互优化方式，本公开的实施例可以通过显示界面在所述多层CT影像中的每一层上呈现所述肺部病灶，呈现方式包括但不限于渲染的呈现方式。具体的，本公开实施例可以既有的显示界面对肺部病灶进行诸如渲染呈现，例如通过既有的AI诊断系统显示界面进行相应的呈现。也可以单独通过显示设备载体进行呈现。
基于前文的描述，本公开的实施例可以通过针对肺部影像的CT值处理实现全肺分析-病灶分析。具体的，本公开的实施例的处理方法，可以为：
所述获取除所述肺部病灶之外的肺部影像的肺野平均密度值，包括：
获取除所述肺部病灶之外的肺部影像的实际平均CT值；
所述得到所述肺野平均密度值与标准肺野平均密度值的对比结果，包括：
对比所述实际平均CT值和标准肺野平均CT值；
通过CT直方图呈现对比结果；
当对比结果超出阈值，给出判读提示信息。
可知的，正常人群的肺部密度CT值为(-750HU～-850HU)之间，以CT直方图即表示为该数值区间的图表；肺气肿患者的肺基底密度CT值为(-900HU～-1000HU)之间，以CT直方图即表示为该数值区间的图表。易于得知，反映在图表上，该直方图分布曲线较正常曲线明显“左移”。
如图4所示，本公开的实施例的处理方法，在前文将病变密度增高的肺部病灶界定出来，并且将其与余肺分割开来的基础上，发明构思之一至少也在于，本公开的实施例能够将这些肺部病灶，例如实性病变、炎症、气肿样病变等，进行识别和定量分析，并将病灶在CT图上进行渲染，明确提示病灶范围，定量分析的结果形成直方图并展示出来。
当患者有肺气肿的时候，全肺或者局部(单侧肺/单个叶)出现肺气肿时，会导致整个(单侧肺/单个叶)的密度降低。但是，当患者合并肺内病变(炎症)时，病变密度会明显增高，导致肺内的平均CT值增高，造成假阴性。因此，本公开的实施例能够自动通过检测全肺的密度情况以及病灶的情况进行综合分析之后给出肺气肿预警，然后就可以看出余肺的密度情况。图4中，对照组为健康人群的肺部密度值。
作为方案之一，如图5所示，本公开的实施例提供了一种肺部病患信息的显示方法，包括：
S201：响应于在肺部影像中界定出病变密度增高的肺部病灶，在显示界面中可视化所述肺部病灶；
S202：响应于得到除所述肺部病灶之外的肺部影像的实际平均CT值与标准肺野平均CT值的对比结果，通过CT直方图呈现对比结果，显示相应的判读信息。
具体的，结合前文说明，
在步骤S201中：
在肺部影像中界定出病变密度增高的肺部病灶，可以包括：
获取肺部CT影像；
构建三维模型，所述三维模型至少包括所述肺部CT影像对应的肺部模型；
基于识别出的所述肺部病灶，在所述三维模型中界定出所述肺部病灶，包括：基于CT值识别所述肺部病灶；勾勒所述肺部病灶。
在显示界面中可视化所述肺部病灶，可以包括：通过显示界面显示所述三维模型；在所述三维模型中呈现所述肺部病灶，呈现方式包括渲染。
在肺部影像中界定出病变密度增高的肺部病灶，也可以包括：
获取肺部CT影像；
确定至少一个维度的多层CT影像；
基于针对所述多层CT影像的病灶识别，界定出所述肺部病灶，包括：基于CT值识别所述肺部病灶；勾勒所述肺部病灶；在所述多层CT影像中可视化所述肺部病灶。
在显示界面中可视化所述肺部病灶，可以包括：通过显示界面在所述多层CT影像中的每一层上呈现所述肺部病灶，呈现方式包括渲染。
在步骤S202中：标准肺野平均CT值，可以基于例如正常人群的肺部密度CT值为(-750HU～-850HU)来确定。具体可以通过如图4实现通过CT直方图呈现对比结果，并显示例如图中所标识的“肺气肿预警”的判读信息。
通过本公开的肺部病患信息的显示方法，基于本领域技术人员常识性了解，可以知晓同时公开了：
一种肺部病患信息的显示设备，包括显示装置和处理装置，配置为：
响应于在肺部影像中界定出病变密度增高的肺部病灶，在显示界面中可视化所述肺部病灶；
响应于得到除所述肺部病灶之外的肺部影像的实际平均CT值与标准肺野平均CT值的对比结果，通过CT直方图呈现对比结果，显示相应的判读信息。
具体来说，本公开的发明构思之一，旨在能够至少：基于通过在肺部影像中界定出病变密度增高的肺部病灶；获取除所述肺部病灶之外的肺部影像的肺野平均密度值；得到所述肺野平均密度值与标准肺野平均密度值的对比结果，从而对肺内的病灶进行界定，除去肺内引起病变密度增高病灶，在此基础上对于余肺部分的密度进行检测，能够很好地规避对于一部分患者既有肺气肿，同时又存在其他病患，例如肺结节、炎症等，由于肺部的代偿作用，造成肺部的平均肺密度基于正常人群的偏移较小或者无明显偏移，所造成对于肺气肿的病人无提示早筛作用。
本公开还提供了一种计算机可读存储介质，其上存储有计算机可执行指令，所述计算机可执行指令由处理器执行时，主要实现根据上述的肺部影像信息的处理方法；至少包括：
在肺部影像中界定出病变密度增高的肺部病灶；
获取除所述肺部病灶之外的肺部影像的肺野平均密度值；
得到所述肺野平均密度值与标准肺野平均密度值的对比结果。
本公开还提供了一种计算机可读存储介质，其上存储有计算机可执行指令，所述计算机可执行指令由处理器执行时，主要实现根据上述的肺部病患信息的显示方法；至少包括：
响应于在肺部影像中界定出病变密度增高的肺部病灶，在显示界面中可视化所述肺部病灶；
响应于得到除所述肺部病灶之外的肺部影像的实际平均CT值与标准肺野平均CT值的对比结果，通过CT直方图呈现对比结果，显示相应的判读信息。
在一些实施例中，执行算机可执行指令处理器可以是包括一个以上通用处理设备的处理设备，诸如微处理器、中央处理单元(CPU)、图形处理单元(GPU)等。更具体地，该处理器可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、运行其他指令集的处理器或运行指令集的组合的处理器。该处理器还可以是一个以上专用处理设备，诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、片上系统(SoC)等。
在一些实施例中，计算机可读存储介质可以为存储器，诸如只读存储器(ROM)、随机存取存储器(RAM)、相变随机存取存储器(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、电可擦除可编程只读存储器(EEPROM)、其他类型的随机存取存储器(RAM)、闪存盘或其他形式的闪存、缓存、寄存器、静态存储器、光盘只读存储器(CD-ROM)、数字通用光盘(DVD)或其他光学存储器、盒式磁带或其他磁存储设备，或被用于储存能够被计算机设备访问的信息或指令的任何其他可能的非暂时性的介质等。
在一些实施例中，计算机可执行指令可以实现为多个程序模块，多个程序模块共同实现根据本公开中任何一项所述的医学影像的显示方法。
本公开描述了各种操作或功能，其可以实现为软件代码或指令或者定义为软件代码或指令。显示单元可以实现为在存储器上存储的软件代码或指令模块，其由处理器执行时可以实现相应的步骤和方法。
这样的内容可以是可以直接执行(“对象”或“可执行”形式)的源代码或差分代码(“delta”或“patch”代码)。这里描述的实施例的软件实现可以通过其上存储有代码或指令的制品提供，或者通过操作通信接口以通过通信接口发送数据的方法提供。机器或计算机可读存储介质可以使机器执行所描述的功能或操作，并且包括以可由机器(例如，计算显示设备、电子系统等)访问的形式存储信息的任何机制，例如可记录/不可记录介质(例如，只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光存储介质、闪存显示设备等)。通信接口包括与硬连线、无线、光学等介质中的任何一种接口以与其他显示设备通信的任何机制，例如存储器总线接口、处理器总线接口、因特网连接、磁盘控制器等。通信接口可以通过提供配置参数和/或发送信号来配置以准备通信接口，以提供描述软件内容的数据信号。可以通过向通信接口发送一个或多个命令或信号来访问通信接口。
本公开的实施例的计算机可执行指令可以组织成一个或多个计算机可执行组件或模块。可以用这类组件或模块的任何数量和组合来实现本公开的各方面。例如，本公开的各方面不限于附图中示出的和本文描述的特定的计算机可执行指令或特定组件或模块。其他实施例可以包括具有比本文所示出和描述的更多或更少功能的不同的计算机可执行指令或组件。
以上描述旨在是说明性的而不是限制性的。例如，上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外，在上述具体实施方式中，各种特征可以被分组在一起以简单化本公开。这不应解释为一种不要求保护的公开的特征对于任一权利要求是必要的意图。相反，本公开的主题可以少于特定的公开的实施例的全部特征。从而，以下权利要求书作为示例或实施例在此并入具体实施方式中，其中每个权利要求独立地作为单独的实施例，并且考虑这些实施例可以以各种组合或排列彼此组合。本公开的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。
以上实施例仅为本公开的示例性实施例，不用于限制本公开，本公开的保护范围由权利要求书限定。本领域技术人员可以在本公开的实质和保护范围内，对本公开做出各种修改或等同替换，这种修改或等同替换也应视为落在本公开的保护范围内。

Claims (10)

1.肺部影像信息的处理方法，包括：
在肺部影像中界定出病变密度增高的肺部病灶；
获取除所述肺部病灶之外的肺部影像的肺野平均密度值；
得到所述肺野平均密度值与标准肺野平均密度值的对比结果。
2.根据权利要求1所述的方法，其中，所述在肺部影像中界定出病变密度增高的肺部病灶，包括：
获取肺部CT影像；
构建三维模型，所述三维模型至少包括所述肺部CT影像对应的肺部模型；
基于识别出的所述肺部病灶，在所述三维模型中界定出所述肺部病灶。
3.根据权利要求2所述的方法，其中，所述基于识别出的所述肺部病灶，在所述三维模型中界定出所述肺部病灶，包括：
基于CT值识别所述肺部病灶；
勾勒所述肺部病灶；
在所述三维模型中可视化所述肺部病灶。
4.根据权利要求3所述的方法，其中，所述在所述三维模型中可视化所述肺部病灶，包括：
通过显示界面显示所述三维模型；
在所述三维模型中呈现所述肺部病灶，呈现方式包括渲染。
5.根据权利要求1所述的方法，其中，所述在肺部影像中界定出病变密度增高的肺部病灶，包括：
获取肺部CT影像；
确定至少一个维度的多层CT影像；
基于针对所述多层CT影像的病灶识别，界定出所述肺部病灶。
6.根据权利要求5所述的方法，其中，所述基于针对所述多层CT影像的病灶识别，界定出所述肺部病灶，包括：
基于CT值识别所述肺部病灶；
勾勒所述肺部病灶；
在所述多层CT影像中可视化所述肺部病灶。
7.根据权利要求6所述的方法，其中，所述在所述多层CT影像中可视化所述肺部病灶，包括：
通过显示界面在所述多层CT影像中的每一层上呈现所述肺部病灶，呈现方式包括渲染。
8.根据权利要求1至7中任一项所述的方法，其中，
所述获取除所述肺部病灶之外的肺部影像的肺野平均密度值，包括：
获取除所述肺部病灶之外的肺部影像的实际平均CT值；
所述得到所述肺野平均密度值与标准肺野平均密度值的对比结果，包括：
对比所述实际平均CT值和标准肺野平均CT值；
通过CT直方图呈现对比结果；
当对比结果超出阈值，给出判读提示信息。
9.肺部病患信息的显示方法，包括：
响应于在肺部影像中界定出病变密度增高的肺部病灶，在显示界面中可视化所述肺部病灶；
响应于得到除所述肺部病灶之外的肺部影像的实际平均CT值与标准肺野平均CT值的对比结果，通过CT直方图呈现对比结果，显示相应的判读信息。
10.一种计算机可读存储介质，其上存储有计算机可执行指令，所述计算机可执行指令由处理器执行时，实现：
根据权利要求1至8中任一项所述的肺部影像信息的处理方法；或者
根据权利要求9所述的肺部病患信息的显示方法。
CN202010620375.3A 2020-06-30 2020-06-30 肺部影像信息的处理方法、显示方法及可读存储介质 Pending CN111657985A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010620375.3A CN111657985A (zh) 2020-06-30 2020-06-30 肺部影像信息的处理方法、显示方法及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010620375.3A CN111657985A (zh) 2020-06-30 2020-06-30 肺部影像信息的处理方法、显示方法及可读存储介质

Publications (1)

Publication Number Publication Date
CN111657985A true CN111657985A (zh) 2020-09-15

Family

ID=72390922

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010620375.3A Pending CN111657985A (zh) 2020-06-30 2020-06-30 肺部影像信息的处理方法、显示方法及可读存储介质

Country Status (1)

Country Link
CN (1) CN111657985A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112190277A (zh) * 2020-11-09 2021-01-08 华中科技大学同济医学院附属协和医院 一种新冠肺炎ct复查的数据拟合方法
CN114511562A (zh) * 2022-04-19 2022-05-17 深圳市疾病预防控制中心（深圳市卫生检验中心、深圳市预防医学研究所） 基于大数据的慢性阻塞性肺炎风险预测系统、方法及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5410418A (en) * 1992-06-24 1995-04-25 Dainippon Screen Mfg. Co., Ltd. Apparatus for converting image signal representing image having gradation
WO2005050569A2 (fr) * 2003-11-13 2005-06-02 Groupe Des Ecoles Des Telecommunications (Get) Institut National Des Telecommunications (Int) Procede pour generer des donnees d'imagerie medicale 3d
CN102429679A (zh) * 2011-09-09 2012-05-02 华南理工大学 基于胸部ct图像的肺气肿计算机辅助诊断系统
CN106327480A (zh) * 2016-09-23 2017-01-11 浙江医学高等专科学校 一种甲状腺ct图像异常密度的检测方法
CN109993733A (zh) * 2019-03-27 2019-07-09 上海宽带技术及应用工程研究中心 肺部病灶的检测方法、系统、存储介质、终端及显示系统
CN111295665A (zh) * 2017-09-05 2020-06-16 皇家飞利浦有限公司 确定肺图像中高密度肺组织的区域

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5410418A (en) * 1992-06-24 1995-04-25 Dainippon Screen Mfg. Co., Ltd. Apparatus for converting image signal representing image having gradation
WO2005050569A2 (fr) * 2003-11-13 2005-06-02 Groupe Des Ecoles Des Telecommunications (Get) Institut National Des Telecommunications (Int) Procede pour generer des donnees d'imagerie medicale 3d
CN102429679A (zh) * 2011-09-09 2012-05-02 华南理工大学 基于胸部ct图像的肺气肿计算机辅助诊断系统
CN106327480A (zh) * 2016-09-23 2017-01-11 浙江医学高等专科学校 一种甲状腺ct图像异常密度的检测方法
CN111295665A (zh) * 2017-09-05 2020-06-16 皇家飞利浦有限公司 确定肺图像中高密度肺组织的区域
CN109993733A (zh) * 2019-03-27 2019-07-09 上海宽带技术及应用工程研究中心 肺部病灶的检测方法、系统、存储介质、终端及显示系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
史景云等: "《胸部影像学》", 31 January 2015 *
周君: "慢阻肺呼吸双相HRCT肺定量指标与肺功能的相关性分析", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 *
牡丹: "肺气肿的影像学定量研究进展", 《实用放射学杂志》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112190277A (zh) * 2020-11-09 2021-01-08 华中科技大学同济医学院附属协和医院 一种新冠肺炎ct复查的数据拟合方法
CN114511562A (zh) * 2022-04-19 2022-05-17 深圳市疾病预防控制中心（深圳市卫生检验中心、深圳市预防医学研究所） 基于大数据的慢性阻塞性肺炎风险预测系统、方法及设备

Similar Documents

Publication Publication Date Title
Park et al. Texture-based quantification of pulmonary emphysema on high-resolution computed tomography: comparison with density-based quantification and correlation with pulmonary function test
Sedghi Gamechi et al. Automated 3D segmentation and diameter measurement of the thoracic aorta on non-contrast enhanced CT
Herth et al. The modern art of reading computed tomography images of the lungs: quantitative CT
Ohkubo et al. Computer-based quantitative computed tomography image analysis in idiopathic pulmonary fibrosis: a mini review
Bonavita et al. Imaging of bronchiectasis
US11430121B2 (en) Assessment of abnormality regions associated with a disease from chest CT images
JP2006051365A (ja) 肺潅流または肺密度を３ｄ視覚化するためのシステムおよび方法、並びにその統計的分析方法
US20230154620A1 (en) Apparatus and method for assisting reading of chest medical images
US11996182B2 (en) Apparatus and method for medical image reading assistant providing representative image based on medical use artificial neural network
CN111657985A (zh) 肺部影像信息的处理方法、显示方法及可读存储介质
Choromańska et al. Role of computed tomography in quantitative assessment of emphysema
Boehm et al. Automated classification of normal and pathologic pulmonary tissue by topological texture features extracted from multi-detector CT in 3D
KR100998630B1 (ko) 폐질환 자동 분류 방법
Yousef et al. Automated quantification of COVID-19 pneumonia severity in chest CT using histogram-based multi-level thresholding segmentation
US20160166192A1 (en) Magnetic resonance imaging tool to detect clinical difference in brain anatomy
KR20120017356A (ko) 흉부 방사선 이미지 분석을 통한 심비대 자동탐지 방법 및 그 기록매체
Zheng et al. Automated detection and quantitative assessment of pulmonary airways depicted on CT images
Barros et al. Quantitative computed tomography: what clinical questions can it answer in chronic lung disease?
US20210264596A1 (en) System and method for producing a multiparameter graphic indicator from an image of a histological section
Calandriello et al. Quantitative CT analysis in ILD and the use of artificial intelligence on imaging of ILD
Kang et al. Quantitative Computed Tomography Parameters in Coronavirus Disease 2019 Patients and Prediction of Respiratory Outcomes Using a Decision Tree
KR102501816B1 (ko) 환자의 개인화 지표에 기초하는 인공지능을 이용한 폐기관 자동 분석 방법 및 기록매체
Kolta et al. Visual and quantitative assessment of HRCT pulmonary changes in idiopathic interstitial pneumonia with PFT correlation
Abbas et al. Development of a novel computational method using computed tomography images for the early detection and severity classification of COVID-19 cases
Jiang et al. Validation of a deep learning model for traumatic brain injury detection and NIRIS grading on non-contrast CT: a multi-reader study with promising results and opportunities for improvement

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200915

RJ01 Rejection of invention patent application after publication