CN116649991A - 一种基于spect肺通气灌注显像匹配度定量统计的分级方法和系统 - Google Patents
一种基于spect肺通气灌注显像匹配度定量统计的分级方法和系统 Download PDFInfo
- Publication number
- CN116649991A CN116649991A CN202210258842.1A CN202210258842A CN116649991A CN 116649991 A CN116649991 A CN 116649991A CN 202210258842 A CN202210258842 A CN 202210258842A CN 116649991 A CN116649991 A CN 116649991A
- Authority
- CN
- China
- Prior art keywords
- perfusion
- ventilation
- grading
- module
- spect
- 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
Links
- 230000010412 perfusion Effects 0.000 title claims abstract description 96
- 238000009423 ventilation Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003384 imaging method Methods 0.000 title claims abstract description 31
- 210000004072 lung Anatomy 0.000 title claims abstract description 30
- 238000002603 single-photon emission computed tomography Methods 0.000 title claims abstract description 25
- 238000012937 correction Methods 0.000 claims abstract description 39
- 238000010586 diagram Methods 0.000 claims abstract description 32
- 230000005477 standard model Effects 0.000 claims abstract description 26
- 238000012549 training Methods 0.000 claims abstract description 23
- 208000006673 asthma Diseases 0.000 claims description 67
- 238000004364 calculation method Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 210000003484 anatomy Anatomy 0.000 claims description 5
- 238000004321 preservation Methods 0.000 claims description 3
- 238000013215 result calculation Methods 0.000 claims description 3
- 238000005273 aeration Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 230000007547 defect Effects 0.000 description 18
- 238000003745 diagnosis Methods 0.000 description 16
- 230000000694 effects Effects 0.000 description 16
- 210000004369 blood Anatomy 0.000 description 7
- 239000008280 blood Substances 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 210000003979 eosinophil Anatomy 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 206010011224 Cough Diseases 0.000 description 3
- 206010036790 Productive cough Diseases 0.000 description 3
- 206010047924 Wheezing Diseases 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 3
- 238000004091 panning Methods 0.000 description 3
- 230000008506 pathogenesis Effects 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 210000002345 respiratory system Anatomy 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 210000003802 sputum Anatomy 0.000 description 3
- 208000024794 sputum Diseases 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 2
- 102400000739 Corticotropin Human genes 0.000 description 2
- 101800000414 Corticotropin Proteins 0.000 description 2
- 206010062717 Increased upper airway secretion Diseases 0.000 description 2
- 206010028748 Nasal obstruction Diseases 0.000 description 2
- 239000013566 allergen Substances 0.000 description 2
- 238000001574 biopsy Methods 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- IDLFZVILOHSSID-OVLDLUHVSA-N corticotropin Chemical compound C([C@@H](C(=O)N[C@@H](CO)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC=1NC=NC=1)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)NCC(=O)N[C@@H](CCCCN)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](C(C)C)C(=O)NCC(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC=1C=CC(O)=CC=1)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](CC(N)=O)C(=O)NCC(=O)N[C@@H](C)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CO)C(=O)N[C@@H](C)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](C)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC=1C=CC=CC=1)C(O)=O)NC(=O)[C@@H](N)CO)C1=CC=C(O)C=C1 IDLFZVILOHSSID-OVLDLUHVSA-N 0.000 description 2
- 229960000258 corticotropin Drugs 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 238000009533 lab test Methods 0.000 description 2
- 230000004199 lung function Effects 0.000 description 2
- 210000000440 neutrophil Anatomy 0.000 description 2
- 208000026435 phlegm Diseases 0.000 description 2
- 230000002685 pulmonary effect Effects 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 230000009257 reactivity Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 102000002260 Alkaline Phosphatase Human genes 0.000 description 1
- 108020004774 Alkaline Phosphatase Proteins 0.000 description 1
- 206010003598 Atelectasis Diseases 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 206010008479 Chest Pain Diseases 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 201000006306 Cor pulmonale Diseases 0.000 description 1
- 206010011703 Cyanosis Diseases 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 206010014418 Electrolyte imbalance Diseases 0.000 description 1
- 206010014561 Emphysema Diseases 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 208000007123 Pulmonary Atelectasis Diseases 0.000 description 1
- 208000004186 Pulmonary Heart Disease Diseases 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 206010068956 Respiratory tract inflammation Diseases 0.000 description 1
- 208000032023 Signs and Symptoms Diseases 0.000 description 1
- 208000005279 Status Asthmaticus Diseases 0.000 description 1
- 241000194017 Streptococcus Species 0.000 description 1
- 208000001871 Tachycardia Diseases 0.000 description 1
- 206010047482 Viral upper respiratory tract infection Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006578 abscission Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003872 anastomosis Effects 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 102000036639 antigens Human genes 0.000 description 1
- 108091007433 antigens Proteins 0.000 description 1
- 210000002376 aorta thoracic Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000002555 auscultation Methods 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 210000002469 basement membrane Anatomy 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 230000003182 bronchodilatating effect Effects 0.000 description 1
- 238000013276 bronchoscopy Methods 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000007969 cellular immunity Effects 0.000 description 1
- 208000029771 childhood onset asthma Diseases 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 208000037976 chronic inflammation Diseases 0.000 description 1
- 208000037893 chronic inflammatory disorder Diseases 0.000 description 1
- 210000000215 ciliated epithelial cell Anatomy 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003748 differential diagnosis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000002565 electrocardiography Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000003722 extracellular fluid Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000004727 humoral immunity Effects 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 208000030603 inherited susceptibility to asthma Diseases 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000004877 mucosa Anatomy 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 210000003097 mucus Anatomy 0.000 description 1
- 201000009240 nasopharyngitis Diseases 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- NOOLISFMXDJSKH-UHFFFAOYSA-N p-menthan-3-ol Chemical compound CC(C)C1CCC(C)CC1O NOOLISFMXDJSKH-UHFFFAOYSA-N 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000002588 pulmonary angiography Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000036259 sexual stimuli Effects 0.000 description 1
- 208000013220 shortness of breath Diseases 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000006794 tachycardia Effects 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 210000005090 tracheal smooth muscle Anatomy 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明公开了一种基于SPECT肺通气灌注显像匹配度定量统计的分级方法，所述方法包括如下步骤：步骤一、预先采集受检者的SPECTV‑Q显像的通气平扫图和灌注平扫图，作为模型训练的样本库数据；步骤二、采集步骤一中所述受检者的分级标签作为模型训练的样本库标签；步骤三、将步骤一中采集获得的通气平扫图和灌注平扫图经断层重建及幅度均等化和校正处理，计算差图并进行差值像素的统计；与步骤二中的受检者分级标签对应，对受检者进行分类，得到分级标准模型；步骤四、将待测受检者的SPECT通气和灌注平扫图，经分级标准模型处理后给出待测受检者的分级建议结果。本发明还公开了实现上述分级方法的分级系统。
Description
技术领域
本发明属于医疗数据处理领域，涉及一种非疾病诊断或治疗目的的基于SPECT肺通气灌注显像匹配度定量统计的分级方法和系统。
背景技术
哮喘是呼吸系统常见的一种慢性炎症性疾病，该病可以通过症状、体征、实验室检查等多方面综合诊断：1、反复发作性喘息、气急、胸闷、咳嗽，夜间或凌晨加重，多与接触变应原(如花粉)、物理(如冷空气)、化学(如油漆)性刺激、病毒性上呼吸道感染、运动等有关。部分患者自己能说出明确的诱发哮喘的因素，也有一部分患者找不到明确的诱发因素。2、哮喘发作时呈过度充气状态，患者可明显感觉胸部饱胀，听诊双肺有广泛的、以呼气相为主的哮鸣音，严重者不用听诊器就能听到类似小鸡叫的声音，患者因为呼气困难常不自觉的撅起嘴，我们称之为鱼口样呼吸，可同时伴有心率加快、胸腹反常运动、口唇发绀等表现。3、以上症状和体征需除外其他疾病因素，并且可经治疗缓解消失或自行缓解消失。4、对于无明显喘息、哮鸣音、仅表现为顽固咳嗽的不典型哮喘患者，需借助实验室检查，符合以下三项中的一项即可诊断为哮喘：①支气管激发试验(BPT，用以测定气道反应性)或运动试验阳性；②支气管舒张试验(BDT，用以测定气道气流受限的可逆性)阳性；③昼夜呼气峰值流速(PEF，用以测定气道通气功能的变化)变异率≥20％。
近年来，随着我国工业化进程的加快，大气污染加重，引起人体肺功能、呼吸道反应性、免疫系统的变化，增加了支气管哮喘(以下简称哮喘)患者对抗原的敏感性，增加了哮喘的发病率并使其症状不典型。目前世界上约有1.5亿以上的哮喘患者。哮喘的发病极为复杂，外界环境中的变应原、支配气管平滑肌的神经―受体之间的失衡、细胞和体液免疫调节功能异常和遗传因素等均参与其发病机制，近年来哮喘发病机制的新理论呼吸道炎症已被大家所接受。这样就是其诊断和鉴别诊断除了其临床表现外，更加有赖于实验室的检查，了解呼吸道反应性、肺功能情况改变。哮喘的诊断有了一定的可靠指标。因此临床上需要一系列的检查来诊断和鉴别诊断哮喘。
目前哮喘的诊断存在的问题：1，严重哮喘的诊断通过医生听诊等即可判断；但对于非典型性哮喘的诊断需要借助很多其他的实验室检查手段；2，实验室检查是多重手段综合判断，诊断效率低，并且灵敏度不高；3，非定量诊断，没有对哮喘程度进行定量的评价标准，并基于定量指标的分级标准和分级方法。
例如现有的V/Q显像诊断PE(对应着本软件中的V/P，V为通气ventilation，P为灌注perfusion)技术：
V/Q显像诊断PE的标准是肺叶、肺段或多发亚肺段显现灌注缺损。而通气显像正常。PIOPED资料显示，通过V/Q显像与肺动脉造影对照研究，V/Q显像诊断PE敏感性为92％。特异性为87％。为更好解释V/Q显像结果，新近将显像结果分为三类：①高度可能，即灌注显像表现两处及以上灌注缺损，而通气显像正常，此时确诊PE的概率为88％；②正常或接近正常，即肺灌注显像无灌注缺损存在，可以除外PE，此时发生PE的概率仅为0.2％；③非诊断性异常，即V/Q显像灌注缺损与通气缺损并存，其征象介于高度可能与正常之间，包括以往的低度可能与中度可能，约50％的可疑PE患者为该无诊断意义的V/Q显像，此时发生PE的概率为16～33％，对该部分患者尚需作进一步检查。常规V/Q诊断PE，采用的是平扫SPECT图像上，观察灌注缺损区域。如图3所示。
因此，常规V-Q显像的匹配方法存在以下不足：
1、平扫图存在容积效应，前后信息叠加效应会导致缺损部位显示不明显和定位不明显；2、一般采用缺损区域的数目来判定，缺损区域的大小没有明确界定，属于半定量诊断；3、对于灌注和通气均缺损的情况，无法准确分级；4、对于不明显的缺损，难以给出定量评价指标。因此目前仅有50％～80％的PE患者能够被准确诊断出来。
此外，哮喘的辅助检查及其特异性监测方法主要有多种方法：
1.1、血常规红细胞及血红蛋白大都在正常范围内，如合并有较长期而严重的肺气肿或肺源性心脏病者，则二者均可增高。白细胞总数及中性粒细胞一般均正常，如有感染时则相应增高，嗜酸粒细胞一般在0.06以上，可高至0.30。
1.2、痰多呈白色泡沫状，大都含有水晶样的哮喘珠，质较坚，呈颗粒样。合并感染时痰呈黄或绿色，较浓厚而黏稠。咳嗽较剧时，支气管壁的毛细血管可破裂，有痰中带血。显微镜检查可发现枯什曼螺旋体及雷盾晶体。如痰经染色，则可发现多量的嗜酸粒细胞，对哮喘的诊断帮助较大。合并感染时，则嗜酸粒细胞数量降低，而代之以中性粒细胞增多。脱落细胞学检查可发现有大量柱状纤毛上皮细胞。一般哮喘患者的痰液中，并无致病菌发现，普通细菌以卡他细菌及草绿色链球菌为最多见。
1.3、血液的化学变化哮喘患者血液中电解质都在正常范围以内，即使长期应用促皮质激素或皮质激素后，亦无明显细胞外液的电解质紊乱现象。血中的空腹血糖、非蛋白氮、钠、钾、氯、钙、磷及碱性磷酸酶等均在正常范围以内。
1.4、动脉血气分析一般哮喘患者轻、中度发作时PCO2偏低，PO2多在正常范围，pH>7.45。而当PCO2在7.4～53kPa、PO2<8.0kPa、pH<7.45时，提示有重度发作。而当pH<7.45、PO2<7.3kPa、PCO2>6.7kPa时，说明病情较重。
1.5、X线检查在无合并症的哮喘患者中，肺部X线片都无特殊发现。有X线变化者多见于外源性经常性发作的儿童哮喘患者，如肺野透亮度增强，支气管壁增厚，肺主动脉弓突出，两膈下降，窄长心影，中部及周围肺野心血管直径均匀性缩小，肺门阴影增深等。在中部和周围肺野可见散在小块浓密阴影，在短期内出现提示肺段短暂的黏液栓阻塞引起的继发性局限性肺不张。
1.6、纤维光束支气管镜检查纤维光束支气管镜检查目的在于鉴别或检查支气管内的病变，以明确哮喘的原因。哮喘缓解期，纤支镜内可见其黏膜有炎性反应；发作期，则见黏膜水肿，分泌液黏稠，附着管壁，不易去除。伴有感染时，则呈脓液状，呼气时气管及支气管壁呈塌陷现象。通过纤支镜做支气管壁的活组织检查是研究哮喘发作患者的一种方法。纤支镜活检比硬质支气管镜容易，但所取得组织块较小。病理表现为支气管基底膜增厚和嗜酸粒细胞的浸润，可做出哮喘的诊断。
1.7、血压、脉搏及心电图检查极严重的哮喘发作患者可有血压减低和奇脉。心电图显示心动过速，电轴偏右，P波高尖等。其他患者上述检查一般正常。
发明内容
为了解决现有技术存在的不足，本发明的目的是提出了一种非疾病诊断或治疗目的的基于SPECT肺通气灌注显像匹配度定量统计的分级方法和系统，可以用于对非典型性哮喘进行定量准确分级评价，并用于预后评估。
本发明所述的一种非诊断目的的基于SPECT肺通气灌注显像匹配度定量统计的分级方法包括如下步骤：
步骤一、预先采集大量(不少于20例)受检者的SPECTV-Q显像的通气平扫图和灌注平扫图，作为模型训练的样本库数据；
步骤二、采集步骤一中受检者的分级标签作为模型训练的样本库标签；所述分级标签包括正常、轻度哮喘、哮喘三类，所述分级标签通过现有的综合方法或者检测金标准获得；
步骤三、将步骤一中采集获得的通气平扫图和灌注平扫图经断层重建及幅度均等化和校正处理，计算差图并进行差值像素的统计；与步骤二中的受检者分级标签对应，对受检者进行分类，得到分级标准模型；
步骤四、将待测受检者的SPECT通气和灌注平扫图，经分级标准模型处理后给出待测受检者的分级建议结果。
步骤一、二中，所述受检者包括正常、轻度哮喘和哮喘三类人群，分别采集他们的通气平扫图V和灌注平扫图P及分级标签D；所述通气平扫图V和灌注平扫图P均为三维矩阵，所述三维矩阵分别表示为V[m,n,l]和P[m,n,l]；其中，m、n分别为SPECT平扫图的矩阵长和宽，典型的矩阵大小为64*64；l为360度平扫的次数，即每平扫一次后，旋转度再平扫下一次，例如，l为360次，表示每平扫一次后，旋转1度再平扫下一次，典型的平扫次数可选择120次。
步骤三中，所述的断层重建是指分别将SPECT肺通气平扫图V和灌注平扫图P，经反投影重建算法得到通气断层图V_T和灌注断层图P_T；具体断层重建过程为：将通气平扫图矩阵V[m,n,l]经转置后，得到V’[n,l,m]，进一步获得m个二维矩阵[n,l]；对每个二维矩阵[n,l]的l个列向量进行的反向投影叠加，每个二维矩阵[n,l]获得一个断层图，一共得到m个通气断层图V_T；同理，一共得到m个灌注断层图P_T。由于平扫图矩阵较小，也可以在插值后再进行断层重建，插值方法可以采用双三次立方插值方法、最近邻插值、双线性插值、三次样条插值等中的一种或多种进行。
步骤三中，所述的幅度均等化是指以SPECT肺通气断层图V_T和灌注断层图P_T中的其中一种断层图为参照，对两种断层图进行最大像素值的同一化；以通气断层图为参照，同一化灌注断层图P_T’表示为max(V_T)/max(P_T)*P_T；以灌注断层图为参照，同一化通气断层图V_T’表示为max(P_T)/max(V_T)*V_T。
步骤三中，所述的校正处理，包括，图像扫描时间的校正、层位校正；所述图像扫描时间的校正是指将同一化灌注断层图P_T’和通气断层图V_T分别除以扫描时间，或将同一化通气断层图V_T’和灌注断层图P_T分别除以扫描时间，消除因扫描时间不同导致的匹配差异；所述层位校正为，将同一化灌注断层图P_T’和通气断层图V_T中肺部的同一解剖部位，或同一化通气断层图V_T’和灌注断层图P_T中肺部的同一解剖部位，排列在匹配序列上。
所述匹配序列是指图像对应的位置，即通气断层和灌注断层图像区域中，解剖结构相同的层面处于相同的位置处。
步骤三中，所述的计算差图，包括将经校正处理的灌注图和通气图进行匹配求差，并对像素差值进行分类统计；具体过程为，将像素幅度均等化和校正后的V_T和P_T’或V_T’和P_T，进行矩阵减法运算后除以均值，得到差图：
V_P＝abs((V_T-P_T’)/(V_T+P_T’)，
或，P_V＝abs((P_T-V_T’)/(P_T+V_T’)，
所述差图的像素值范围为[0,1]，对像素进行线性分类统计。如果像素分类为二分类，则可以设定[0，0.5]为高匹配，(0.5，1]为低匹配；如果像素分类为三分类，则可以设定[0，0.1)为高匹配，[0.1，0.9)为中匹配，[0.9，1]为低匹配；也可以根据需求分为更多的分类。
步骤三中，以像素差值分类统计结果作为数据特征，以正常、轻度哮喘、哮喘为标签进行特征分类，并给出分级标准模型对应的分类直线。
本发明所述的方法还包括将步骤四中所述待测受检者的灌注通气匹配度统计数据(即受检者高匹配度、中匹配度、低匹配度的分析处理数据)和待测受检者的分级标签结果(标签来自于现有综合方法或者检测金标准)重新送入样品库中，对分级标准模型进行重新训练。在训练中可采用多层感知器、支持向量机等方法。如果像素统计分为二分类，表示特征空间为二维空间，分级标准为一条直线；如果统计像素为三分类，表示特征空间为三维空间，分级标准为一个平面；如果分类数大于3，表示特征空间为超空间，分级标准为一个超平面。
本发明还提供了实现上述分级方法的分级系统，所述系统包括：分级标准模型训练功能模块、分级计算输出与样本保存功能模块。
所述分级标准模型训练功能模块包括通气-灌注平扫图和标签导入模块、分级标准模型处理模块、分类直线显示模块；所述分级标准模型处理模块包括：通气-灌注断层重建模块、通气-灌注断层插值模块、通气-灌注断层时间校正模块、通气-灌注断层幅度均等化模块、通气-灌注断层层位校正模块、通气-灌注断层差图计算模块、通气-灌注差图像素分类统计模块、样本库和标签库存储模块、分级标准模型训练模块、分级直线存储模块；如图21所示，所述标准模型训练功能模块沿着图中的箭头行进，训练获得分类标准直线，并进行存储和显示。
所述分级计算输出与样本保存功能模块包括待分级通气-灌注平扫图和标签导入模块、分级计算模块、分级结果输出与显示模块；所述分级计算模块包括：通气-灌注断层重建模块、通气-灌注断层插值模块、通气-灌注断层时间校正模块、通气-灌注断层幅度均等化模块、通气-灌注断层层位校正模块、通气-灌注断层差图计算模块、通气-灌注差图像素分类统计模块、分级结果计算模块；所述分级计算模块与分级标准模型处理模块结合实现样本保存功能；
如图22所示，对待分级图像，沿着箭头所示方向得到通气-灌注差图像分类统计结果后，根据分级标准模型训练功能模块中的分级标准直线进行分级结果计算，再进行分级结果输出(标签)与显示；
待分级图像的统计数据以及受检者的金标准检测结果(标签)可以存储到分级标准模型训练功能模块中的样本库和标签库；样本更新后，可以重新训练分级标准直线，使得系统成为一个可更新的开放式系统。
本发明的有益效果包括：1，基于断层图像匹配，消除了容积效应的影响；2，非通过缺损区域的个数进行粗略分级，而是基于像素匹配度统计数据进行分级，具有全定量特点；3，可分别针对灌注缺损和通气缺损两种情况分类进行统计和分级标准训练；4，分级标准可更新，根据样本库的增加，可以重新训练，形成开放式样本库。训练方法采用人工智能的支持向量机或多层感知器技术。
本发明方法可采用单一指标，完成高灵敏度和特异性的判定和严重程度评价，尤其轻度或非典型哮喘患者的严重程度评价、治疗方案选择和治疗效果评估都有价值。
附图说明
图1是本发明分级方法的总体方法框图。
图2是本发明分级方法的模型训练及评估的具体处理流程图。
图3是现有常规V-Q显像的匹配方法示意图。在常规灌注-通气匹配检测中，存在匹配程度非定量化、匹配区域非定量化、容积效应影响等不足。
图4是基于本发明方法完成的软件系统界面。
图5是灌注、通气平扫图立体旋转显示示意图(可同时旋转显示，粗略显示对应缺损情况、以及层位误差等)。
图6是灌注和通气断层重建显示效果，以及匹配差图效果示意图。从左到右分别为通气断层图V、灌注断层图P、差图V-P。
图7是灌注和通气断层重建显示效果，以及匹配差图效果示意图。从左到右分别为通气断层图V、灌注断层图P、差图V-P，差图表现不明显，说明通气断层图V和灌注断层图P的匹配效果较好。
图8是受检者信息和分级标准直线及分级建议示意图(正常受检者结果)。
图9是断层图以及匹配效果统计数据和分级建议示意图(哮喘受检者结果)。第一行从左到右分别为通气断层图V、灌注断层图P、差图V-P，差图表现明显，说明通气断层图V和灌注断层图P的匹配效果不好，该检查者属于哮喘患者的概率较高，分级结果输出为哮喘。
图10是层位误差及校正情况示意过程图(A、通气-灌注平扫图可看出二者位置明显存在着层位上的误差；B、通气-灌注断层图也可验证看出二者位置明显存在着层位上的误差，其差图更加明显(因为层位误差，导致误差明显)；C、层位校正第一步，在通气断层图上，鼠标十字线单击某一层图像；D、层位校正第二步，鼠标移动到灌注断层区与第一次鼠标单击中的相同结构的断层处，再次单击鼠标十字线；E、层位校正第三步：系统自动将两次鼠标十字线单击的断层图排在对应的断层顺序处；F、层位校正后的统计数据结果和分类结果)。
图11是本发明实施例中23个受检者统计数据分析效果示意图。从上到下，从左到右分别为正常和哮喘患者的高匹配度像素统计结果图、正常和哮喘患者的中匹配度像素统计结果图、正常和哮喘患者的低匹配度像素统计结果图、正常和哮喘患者的低匹配度/高匹配度统计像素比例结果图、正常和哮喘患者的低匹配度/高匹配度统计像素比例对数显示结果图。
图12是本发明具体实施方式中通气灌注平扫图读取显示的第一个角度投影图像。
图13是本发明具体实施方式中将平扫图保存为高清矢量图的操作界面示意图。
图14是本发明在平扫图、断层图、差图上显示严重层位误差的示意图。
图15是本发明软件界面十字线在灌注图断层面位置的显示示意图。
图16是本发明软件界面十字线在通气图断层面位置的显示示意图。
图17是本发明对层位进行位置校正后的显示示意图。
图18是本发明具体实施方式中灌注和通气图匹配度高，差图微弱，结果为正常状态的显示示意图。
图19是本发明具体实施方式中灌注和通气图匹配度低，差图明显，结果为哮喘状态的显示示意图。
图20是本发明具体实施方式中其中一种分级结果保存到样品库中标签设置的示意图。
图21是本发明分级系统分级标准模型训练功能模块结构示意图。
图22是本发明分级计算输出与样本保存功能模块结构示意图。
具体实施方式
结合以下具体实施例和附图，对发明作进一步的详细说明。实施本发明的过程、条件、实验方法等，除以下专门提及的内容之外，均为本领域的普遍知识和公知常识，本发明没有特别限制内容。
本发明方法在常规的V-Q显像匹配法的基础上，所形成的匹配度定量统计分析系统，通过对灌注/通气图像进行断层重建和校正后，进行匹配求差图，对差图进行高、中、低的匹配度像素统计分级，并进行低匹配度像素/高匹配度像素的比例计算作为分级标准。通过23例受检者(5例正常，18例哮喘)的样本分析，该处理与标签完全吻合。本发明在数据处理过程中，为消除噪声干扰，进行了均值滤波操作；为提高分辨率，进行了双三次方插值操作；为了消除不同的扫描时间差异，进行时间校正；为了消除受检者在两次图像获取中运动导致的层位误差，进行了层位校正。为了缩小分级样本的显示区域，进行了对数运算。
本发明的具体实施按以下步骤进行：
1、载入灌注图像：单击基于本发明方法的软件界面中的loadperfusion按钮后，会出现选择灌注图像的文件选择路径，选择正确的灌注图像文件后，会显示灌注图像的第一幅平扫图，同时显示其颜色柱。如果选择的文件不是灌注图像，则会出现提示信息，重新选择正确的文件。
2、载入通气图像：单击软件界面中的loadventilation按钮后，会出现选择通气图像的文件选择路径，选择正确的通气图像文件后，会显示通气图像的第一幅平扫图，同时显示其颜色柱。如果选择的文件不是通气图像，则会出现提示信息，重新选择正确的文件。
3、立体旋转显示：单击软件界面中的image rotate按钮，同时进行灌注和通气平扫图像的立体旋转显示。为更好的观察，选中按钮后面的复选框，可以单独打开一个页面进行立体显示，也可以在此窗口通过点击文件菜单中的导出设置选项，保存图像为矢量图，如图13所示。
4、断层重建：单击软件界面中的V-P tomography按钮后，系统进行灌注/通气断层重建，并将灌注/通气断层重建图和匹配差图显示在系统下半部分。为更好的观察，选中按钮后面的复选框，可以单独打开一个页面进行断层显示，也可以在此窗口通过导出设置选项，保存为矢量图。
5、层位校正：单击软件界面中的Horizon Correction按钮进行层位校正。受检者在扫描灌注和通气图时，可能会因为运动导致层位差异。层位差会导致严重的匹配差，从而会导致假阳性或者增加严重程度评价。因此需要进行层位校正。层位校正功能是手动进行的，点击层位校正功能按钮后，会出现十字线。十字线分别在灌注图的某个断层图上点击一下，然后拉到通气图区域，观察与前一个断层图最为相似的断层图上再点击一下，即可将通气图的该层面校正到与灌注图该层面完全相同的位置上。然后重新计算数据和分级结果。
如图14为某受检者出现严重的层位移动，在平扫图和断层图中都有明显的体现。平扫图中，二者高度明显有差异。断层图中，对应位置的断层图像形状明显不匹配。差图则体现为大量的低匹配像素(白色)，分级值已经超越常规显示范围。
6、为更好显示校正层位定位十字线，更改colorbar为hsv格式。点击horizoncorrection(层位校正)按钮，系统会出现一个黑十字线，先观察灌注图和通气图断层形状较吻合的层面，将十字线在灌注图中某断层面中心点击一下(如图15所示)。
7、在挪动十字线到通气图中形状相同的另一层中心位置点击一下鼠标左键(如图16所示)。
8、软件将自动对层位进行位置校正，然后显示如下图17。此时，差图误差降低，同时分级数值也变化了，尽管仍处于哮喘红线外，但数值降低了很多。
9、分级建议结果—正常案例；具体操作流程同前述步骤1-8。
对于不同受检者的灌注通气图的匹配数据进行模型计算，可给出其分级结果建议。
如图18所示，平扫图位置基本一致，灌注和通气图匹配度高，差图微弱。最终结果建议为正常状态。
10、分级建议结果—哮喘案例：具体操作流程同前述步骤1-8。
如图19所示，另一个受检者，灌注和通气断层图像匹配度低，最终建议结果为：哮喘。
表1为实际受检者标签和匹配度数据统计分级效果(5个正常，18个哮喘)，标签1为正常，标签2为哮喘。
表1
| 标签 | 高匹配度 | 中匹配度 | 低匹配度 | 低匹配度/高匹配度 | 低匹配度/高匹配度对数比 |
| 1 | 18494 | 13246 | 3194 | 0.172705 | 1.237304059 |
| 1 | 20972 | 451 | 3774 | 0.179954 | 1.255162047 |
| 1 | 37640 | 3541 | 1073 | 0.028507 | 0.454950107 |
| 1 | 13402 | 17907 | 1449 | 0.108118 | 1.033898772 |
| 1 | 10735 | 9988 | 1913 | 0.178202 | 1.250912921 |
| 2 | 7379 | 7536 | 2901 | 0.393143 | 1.594550218 |
| 2 | 7600 | 11928 | 8755 | 1.151974 | 2.061442558 |
| 2 | 3598 | 11350 | 8883 | 2.468872 | 2.392498503 |
| 2 | 4389 | 6758 | 14556 | 3.316473 | 2.520676466 |
| 2 | 14363 | 12721 | 7333 | 0.510548 | 1.708036525 |
| 2 | 6825 | 16262 | 15695 | 2.299634 | 2.361658664 |
| 2 | 13234 | 19629 | 14939 | 1.128835 | 2.052630397 |
| 2 | 11600 | 15564 | 13276 | 1.144483 | 2.058609255 |
| 2 | 6003 | 11371 | 12983 | 2.162752 | 2.335006714 |
| 2 | 24638 | 7232 | 8949 | 0.363219 | 1.560169057 |
| 2 | 21918 | 10668 | 6264 | 0.285792 | 1.456050826 |
| 2 | 15911 | 15723 | 20047 | 1.259946 | 2.100351915 |
| 2 | 6914 | 16678 | 17106 | 2.474111 | 2.393419092 |
| 2 | 16405 | 15520 | 10342 | 0.630418 | 1.799628299 |
| 2 | 13986 | 5788 | 14739 | 1.05384 | 2.022774495 |
| 2 | 15136 | 12944 | 14246 | 0.9412 | 1.973681821 |
| 2 | 5076 | 12849 | 13294 | 2.618991 | 2.418134061 |
| 2 | 3222 | 2630 | 20297 | 6.299503 | 2.799306316 |
对23个受检者的统计数据分析效果：高匹配度和中匹配度区域面积与标签的吻合程度很低，没有分类规律性；低匹配度体现出较强的吻合规律，仍有一个异常点。考虑到不同受检者的肺脏区域有大小，绝对值不太合理，进行低匹配度/高匹配度的相对比例显示后，其吻合程度很高。但是数据显示分辨率不好，数值小的区域压缩在一起，数值大的离散度较大。进行对数显示后，显示分辨率效果最优，如图11所示。
第一个图：正常和哮喘患者的高匹配度像素统计结果，不具备分级差异；
第二个图：正常和哮喘患者的中匹配度像素统计结果，不具备分级差异；
第三个图：正常和哮喘患者的低匹配度像素统计结果，基本具备分级差异统计意义；但仍存在异常数据点；
第四个图：正常和哮喘患者的低匹配度/高匹配度统计像素比例结果，具备分级差异统计学意义；但显示度不佳；
第五个图：正常和哮喘患者的低匹配度/高匹配度统计像素比例对数显示结果，具备分级差异统计学意义；同时显示度很好。
基于本发明方法的软件系统还具有以下功能操作：
i)保存平扫立体旋转图像功能：点击save rotation image按钮，可将平扫图以gif动图形式保存。
ii)保存V_P断层图像功能：点击save V_P Tomography按钮，可将灌注、通气和灌注通气差图以png或jpg格式保存。
iii)保存统计数据功能：点击save statistic data按钮，可将差图中的高匹配度区域面积、中间匹配度区域面积和低匹配度区域面积，以及低匹配度区域面积/高匹配度区域面积比值以对数结果保存为excel表格。
iv)保存数据到样本库：点击send to database按钮，可将本次计算的受检者的统计数据保存到样本库中。保存之前，需要输入样本的标签，即该受检者的分级情况，1表示正常，2表示轻度，3表示哮喘，其中一个分级结果的示意图如图20所示。
v)重新训练分级标准直线功能：加入了新样本后，可以重新训练分级标准。点击retrain classifier以后，分级直线可能会调整。本软件采用支持向量机模式进行分级训练。由于加入的样本可以更改分级标准，因此新样本的增加，需要很谨慎。如误加了不正确的样本或标签，可以从后台数据库中进行删除。
本发明的保护内容不局限于以上实施例。在不背离发明构思的精神和范围下，本领域技术人员能够想到的变化和优点都被包括在本发明中，并且以所附的权利要求书为保护范围。
Claims (10)
1.一种基于SPECT肺通气灌注显像匹配度定量统计的分级方法，其特征在于，所述方法包括如下步骤：
步骤一、预先采集受检者的SPECTV-Q显像的通气平扫图和灌注平扫图，作为模型训练的样本库数据；
步骤二、采集步骤一中所述受检者的分级标签作为模型训练的样本库标签；
步骤三、将步骤一中采集获得的通气平扫图和灌注平扫图经断层重建、幅度均等化、校正处理，计算差图并进行差值像素的统计；与步骤二中的受检者的分级标签对应，对受检者进行分类，得到分级标准模型；
步骤四、将待测受检者的SPECT通气和灌注平扫图，经分级标准模型处理后给出待测受检者的分级建议结果。
2.根据权利要求1所述的基于SPECT肺通气灌注显像匹配度定量统计的分级方法，其特征在于，所述采集获得的SPECT通气平扫图V和灌注平扫图P以及分级标签D，包括正常、轻度哮喘和哮喘三类人群的SPECT通气平扫图V和灌注平扫图P及分级标签D。
3.根据权利要求2所述的基于SPECT肺通气灌注显像匹配度定量统计的分级方法，其特征在于，所述分级标签D包括正常、轻度哮喘和哮喘三类；所述通气平扫图V和灌注平扫图P均为三维矩阵，所述三维矩阵分别表示为V[m,n,l]和P[m,n,l]；其中，m、n分别为SPECT平扫图的矩阵长和宽；l为360度平扫的次数，即每平扫一次后，旋转度再平扫下一次。
4.根据权利要求1所述的基于SPECT肺通气灌注显像匹配度定量统计的分级方法，其特征在于，步骤三中，所述的断层重建是指分别将SPECT肺通气平扫图V和灌注平扫图P，经反投影重建算法得到通气断层图V_T和灌注断层图P_T；具体断层重建过程为：将通气平扫图矩阵V[m,n,l]经转置后，得到V’[n,l,m]，进一步获得m个二维矩阵[n,l]；对每个二维矩阵[n,l]的l个列向量进行的反向投影叠加，每个二维矩阵[n,l]获得一个断层图，一共得到m个通气断层图V_T；同理，一共得到m个灌注断层图P_T。
5.根据权利要求4所述的基于SPECT肺通气灌注显像匹配度定量统计的分级方法，其特征在于，在断层重建前还包括通过双三次立方插值、最近邻插值、双线性插值、三次样条插值中的一种或多种插值方法对平扫矩阵进行插值处理的步骤。
6.根据权利要求1所述的基于SPECT肺通气灌注显像匹配度定量统计的分级方法，其特征在于，步骤三中，所述的幅度均等化是指以SPECT肺通气断层图V_T和灌注断层图P_T中的其中一种断层图为参照，对两种断层图进行最大像素值的同一化；以通气断层图为参照，同一化灌注断层图P_T’表示为max(V_T)/max(P_T)*P_T；以灌注断层图为参照，同一化通气断层图V_T’表示为max(P_T)/max(V_T)*V_T。
7.根据权利要求1所述的基于SPECT肺通气灌注显像匹配度定量统计的分级方法，其特征在于，步骤三中，所述的校正处理包括，图像扫描时间的校正、层位校正；所述图像扫描时间的校正是指将同一化灌注断层图P_T’和通气断层图V_T分别除以扫描时间，或将同一化通气断层图V_T’和灌注断层图P_T分别除以扫描时间，消除因扫描时间不同导致的匹配差异；所述层位校正为，将同一化灌注断层图P_T’和通气断层图V_T中肺部的同一解剖部位，或同一化通气断层图V_T’和灌注断层图P_T中肺部的同一解剖部位，排列在匹配序列上。
8.根据权利要求1所述的一种非诊断目的的基于SPECT肺通气灌注显像匹配度定量统计的分级方法，其特征在于，步骤三中，所述的计算差图，包括将经校正处理的V_T和P_T’，或V_T’和P_T进行匹配求差，并对像素差值进行分类统计；具体过程为，将像素幅度均等化和校正后的V_T和P_T’，或P_T和V_T’，进行矩阵减法运算后除以均值，得到差图：
V_P＝abs((V_T-P_T’)/(V_T+P_T’)，
或，P_V＝abs((P_T-V_T’)/(P_T+V_T’)，
所述差图的像素值范围为[0,1]，对像素进行线性分类统计；
和/或，
步骤三中，以像素差值分类统计结果作为数据特征，以正常、轻度哮喘、哮喘为标签进行特征分类，并给出分级标准模型对应的分类直线。
9.根据权利要求1所述的基于SPECT肺通气灌注显像匹配度定量统计的分级方法，其特征在于，所述方法还包括将步骤四中所述待测受检者的灌注通气匹配度统计数据和待测受检者的分级标签结果重新送入样品库中，对分级标准模型进行重新训练。
10.一种实现如权利要求1-9之任一项所述分级方法的分级系统，其特征在于，所述系统包括：分级标准模型训练功能模块、分级计算输出与样本保存功能模块；
所述分级标准模型训练功能模块包括通气-灌注平扫图和标签导入模块、分级标准模型处理模块、分类直线显示模块；所述分级标准模型处理模块包括：通气-灌注断层重建模块、通气-灌注断层插值模块、通气-灌注断层时间校正模块、通气-灌注断层幅度均等化模块、通气-灌注断层层位校正模块、通气-灌注断层差图计算模块、通气-灌注差图像素分类统计模块、样本库和标签库存储模块、分级标准模型训练模块、分级直线存储模块；
所述分级计算输出与样本保存功能模块包括待分级通气-灌注平扫图和标签导入模块、分级计算模块、分级结果输出与显示模块；所述分级计算模块包括：通气-灌注断层重建模块、通气-灌注断层插值模块、通气-灌注断层时间校正模块、通气-灌注断层幅度均等化模块、通气-灌注断层层位校正模块、通气-灌注断层差图计算模块、通气-灌注差图像素分类统计模块、分级结果计算模块；所述分级计算模块与分级标准模型处理模块结合实现样本保存功能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210258842.1A CN116649991A (zh) | 2022-03-16 | 2022-03-16 | 一种基于spect肺通气灌注显像匹配度定量统计的分级方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210258842.1A CN116649991A (zh) | 2022-03-16 | 2022-03-16 | 一种基于spect肺通气灌注显像匹配度定量统计的分级方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116649991A true CN116649991A (zh) | 2023-08-29 |
Family
ID=87724757
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210258842.1A Pending CN116649991A (zh) | 2022-03-16 | 2022-03-16 | 一种基于spect肺通气灌注显像匹配度定量统计的分级方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116649991A (zh) |
-
2022
- 2022-03-16 CN CN202210258842.1A patent/CN116649991A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110969622B (zh) | 用于辅助肺炎诊断的图像处理方法和系统 | |
| Yun et al. | Improvement of fully automated airway segmentation on volumetric computed tomographic images using a 2.5 dimensional convolutional neural net | |
| JP4702971B2 (ja) | コンピュータ支援診断システム | |
| Qian et al. | M $^ 3$ Lung-Sys: A deep learning system for multi-class lung pneumonia screening from CT imaging | |
| 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 | |
| CN111951246B (zh) | 一种基于深度学习的多方位x光胸片肺炎诊断方法 | |
| US20040101182A1 (en) | Method and system for airway measurement | |
| CN113420826B (zh) | 一种肝脏病灶图像处理系统及图像处理方法 | |
| CN111028223B (zh) | 一种微卫星不稳定肠癌能谱ct碘水图影像组学特征处理方法 | |
| Ma et al. | Developing and verifying automatic detection of active pulmonary tuberculosis from multi-slice spiral CT images based on deep learning | |
| Kollias et al. | Ai-enabled analysis of 3-d ct scans for diagnosis of covid-19 & its severity | |
| CN110021022A (zh) | 一种基于深度学习的甲状腺核医学图像诊断方法 | |
| CN111462201A (zh) | 基于新型冠状病毒肺炎ct影像的随访分析系统及方法 | |
| CN109785320A (zh) | 一种采用改进型AlexNet模型对乳腺钼靶X线图像进行分类和识别的方法 | |
| CN117497181B (zh) | 一种基于人工智能的慢性病信息管理系统 | |
| Ravetti et al. | Lung ultrasound can predict the clinical course and severity of COVID-19 disease | |
| CN113889261B (zh) | 基于病理特征辅助的pet/ct自动肺癌诊断分类模型训练方法 | |
| Hu et al. | Differentiation and prediction of pneumoconiosis stage by computed tomography texture analysis based on U-Net neural network | |
| Jiang et al. | GlanceSeg: Real-time microaneurysm lesion segmentation with gaze-map-guided foundation model for early detection of diabetic retinopathy | |
| CN117174294A (zh) | 一种构建慢阻肺评估模型方法及系统 | |
| CN116649991A (zh) | 一种基于spect肺通气灌注显像匹配度定量统计的分级方法和系统 | |
| CN111657985A (zh) | 肺部影像信息的处理方法、显示方法及可读存储介质 | |
| CN114820571B (zh) | 一种基于dlpe算法的肺炎纤维化量化分析方法 | |
| CN112807008A (zh) | 基于影像组学的鉴别实性小儿肺炎支原体肺炎与肺炎链球菌肺炎的方法和系统 | |
| Fang et al. | Ultrasound image intelligent diagnosis in community-acquired pneumonia of children using convolutional neural network-based transfer learning |
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 |