一种基于人工智能的LI-RADS诊断报告生成方法与流程

本发明属于现代医学技术领域，具体涉及一种基于人工智能的li-rads诊断报告生成方法。

背景技术：

肝癌作为唯一一种仅仅凭影像学数据就可以诊断的癌症，但是在实际的临床诊断中，只有一小部分的肝癌(20％-30％)可以仅仅凭mri或是ct得到诊断，大部分的还需要再做病理切片。li-rads(肝脏影像报告及数据系统)由美国放射学院(acr)发布，是一个旨在规范肝脏影像图像采集、征象解释、报告及数据收集的综合系统。自2011年第一版li-rads发布以来，acr分别在2013年、2014年、2017年和2018年对li-rads进行了更新。li-rads基于肝癌的ct以及核磁共振的影像，结合对肝癌病灶尺寸以及影像学特征的识别，对肝癌做出相应判定，判定按照预先设定好的评分与肝癌发生可能性对应表格，最终完成诊断。li-rads诊断系统虽然速度快，成本相对较低，能够不依赖病理切片做出诊断。但是需要ct与核磁共振两种模态数据才能进行诊断，而且要求医生在观察ct与核磁共振的图片时，要考虑很多的诊断变量，对临床医生是一个很大的工作负担。而且评分的过程经常受很多的主观性因素影响，导致诊断难以做到完全精确，轻则误诊，重则延误患者的治疗，错过最佳的治疗时间。而且li-rads的诊断报告生成，耗费大量时间且工作过程很机械化。

技术实现要素：

本发明旨在至少在一定程度上解决上述技术问题。为此，本发明目的在于提供一种基于人工智能的li-rads诊断报告生成方法。

本发明所采用的技术方案为：

一种基于人工智能的li-rads诊断报告生成方法，包括如下步骤：

获取患者的首次ct图像和首次核磁共振图像，基于人工智能对首次ct图像和首次核磁共振图像做分割，并识别图像中的动脉期后增强特征、包膜强化特征和扩清效应特征；

基于人工智能对病灶进行测量得到病灶观测尺寸；

将特征结果和病灶观测尺寸与首次诊断表进行匹配，得到首次诊断结果；

根据首次诊断结果生成首次诊断报告。

优选地，获取患者的首次ct图像和首次核磁共振图像后，从首次ct图像和首次核磁共振图像中识别出具有诊断意义的关键帧，然后基于人工智能对关键帧做分割。

优选地，识别出的动脉期后增强特征、包膜强化特征和扩清效应特征呈现于显示器供操作者核对，若有误操作者进行手动调整。

优选地，所述首次诊断报告包括首次诊断结果、患者信息以及首次ct图像和首次核磁共振图像分割后的分割结果。

优选地，所述首次诊断结果、患者信息以及首次ct图像和首次核磁共振图像分割后的分割结果分别存储于不同的服务器中。

该li-rads诊断报告生成方法还包括二次诊断报告的生成：

获取患者的二次ct图像和二次核磁共振图像，基于人工智能对二次ct图像和二次核磁共振图像做分割，并识别图像中的动脉期后增强特征、包膜强化特征、扩清效应特征和临界生长特征；

基于人工智能对病灶进行测量得到病灶观测尺寸；

将特征结果和病灶观测尺寸与二次诊断表进行匹配，得到二次诊断结果；

根据二次诊断结果生成二次诊断报告。

优选地，所述二次ct图像和二次核磁共振图像的检查时间不晚于首次ct图像和首次核磁共振图像的检查时间的3个月。

优选地，所述二次诊断报告包括二次诊断结果、患者信息以及二次ct图像和二次核磁共振图像分割后的分割结果。

优选地，所述二次诊断结果以及二次ct图像和二次核磁共振图像分割后的分割结果分别存储于不同的服务器中。

本发明的有益效果为：

本发明所提供的一种基于人工智能的li-rads诊断报告生成方法，通过人工智能以及后期临床实践中的大数据迭代，能够快速、准确的给出诊断分级以及生成诊断报告。避免了由人本身主观因素导致的误诊，从根本上最大限度的避免耽误患者的治疗，浪费患者治疗黄金时间的情况的发生。加速了诊断速度，从根本上提高了诊断准确度。

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是本发明首次诊断表的示意图。

图2是本发明二次诊断表的示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行进一步的说明。

如图1和图2所示，本实施例的一种基于人工智能的li-rads诊断报告生成方法，包括首次诊断报告的生成：

患者首次进行影像学检查，得到患者的首次ct图像和首次核磁共振图像，从首次ct图像和首次核磁共振图像中识别出具有诊断意义的关键帧，然后基于人工智能对关键帧做分割，并识别图像中的动脉期后增强特征、包膜强化特征和扩清效应特征。

上述过程中，从首次ct图像和首次核磁共振图像中识别出具有诊断意义的关键帧可以通过人工智能完成，同时应保证操作者可以手动介入进行选取或者对选取结果进行调整。同时识别出的动脉期后增强特征、包膜强化特征和扩清效应特征呈现于显示器供操作者核对，若有误操作者进行手动调整。后期随着大数据迭代更新以及识别准确率的上升，则可以取消操作者的介入。

基于人工智能对病灶进行测量得到病灶观测尺寸。

将特征结果和病灶观测尺寸与首次诊断表进行匹配，得到首次诊断结果。

根据首次诊断结果生成首次诊断报告，首次诊断报告包括首次诊断结果，还可包括患者信息以及首次ct图像和首次核磁共振图像分割后的分割结果。

该li-rads诊断报告生成方法还包括二次诊断报告的生成：

不晚于首次ct图像和首次核磁共振图像的检查时间的3个月内患者再次进行影像学检查，得到患者的二次ct图像和二次核磁共振图像，从二次ct图像和二次核磁共振图像中识别出具有诊断意义的关键帧，然后基于人工智能对关键帧做分割，并识别图像中的动脉期后增强特征、包膜强化特征、扩清效应特征和临界生长特征。

同样的，在二次诊断报告的生成过程中，从二次ct图像和二次核磁共振图像中识别出具有诊断意义的关键帧可以通过人工智能完成，同时应保证操作者可以手动介入进行选取或者对选取结果进行调整。同时识别出的动脉期后增强特征、包膜强化特征、扩清效应特征和临界生长特征呈现于显示器供操作者核对，若有误操作者进行手动调整。

基于人工智能对病灶进行测量得到病灶观测尺寸。

将特征结果和病灶观测尺寸与二次诊断表进行匹配，得到二次诊断结果。

根据二次诊断结果生成二次诊断报告，二次诊断报告包括二次诊断结果，还可包括患者信息以及二次ct图像和二次核磁共振图像分割后的分割结果。

如图1所示的首次诊断表和图2所示的二次诊断表中，诊断结果lr-3为中等概率恶性(既发生肝癌的概率等于50％)，诊断结果lr-4为可能为肝癌(既肝癌概率大于等于60％)，诊断结果lr-5为绝对发生肝癌(既肝癌概率大于等于80％)。

除了上述诊断结果外，还包括以下诊断结果：lr-nc(既图像质量因素无法评估)、lr-1(绝对良性，既良性概率大于等于80％)、lr-2(可能良性，既良性概率大于等于60％)、lr-tiv(静脉内肿瘤)和lr-m(可能恶性或确诊恶性但不一定是肝癌)。

若诊断结果为lr-1，则病灶属于下列病症中的一种或几种：囊肿、血管瘤、灌注改变(如动静脉分流)、肝脏脂肪沉积、肝脏脂肪留存、肥大性假性、融合性纤维化或局灶性瘢痕或血管异常。

若诊断结果为lr-2，则病灶为没有恶性特征的结节，病灶可能还包括下列病症中的一种或几种：囊肿、血管瘤、灌注改变(如动静脉分流)、肝脏脂肪沉积、肝脏脂肪留存、肥大性假性、融合性纤维化或局灶性瘢痕或血管异常。

上述的诊断结果仅提供发生肝癌可能性的判定，用于辅助医生和护士后续治疗的决策。

二次诊断报告的生成和首次诊断报告的生成的重要区别在于首次诊断报告中人工智能并不识别临界生长特征，二次诊断报告则需要识别临界生长特征。临界生长特征为前后两次影像学检查进行比较，发现肿瘤的增长，若直径增长大于20％，则判定为临界生长特征。

该方法特别适用于无体检习惯的患者，当患者首次进行影像学检查后，并无数据进行临界生长特征的识别。因此增加二次诊断报告的生成过程，通过两次影像学检查进行临界生长特征的识别。

上述的扩清效应也称为洗脱效应。

上述首次诊断报告以及二次诊断报告的生成中，病灶观测尺寸为最大可观测尺寸。

上述的患者信息包括包括患者的姓名、性别、年龄、身高、体重和既往病史等信息。

为了保证信息的安全，首次诊断结果、患者信息、首次ct图像和首次核磁共振图像分割后的分割结果、二次诊断结果以及二次ct图像和二次核磁共振图像分割后的分割结果分别存储于不同的服务器中。

将这些数据信息存放在不同的服务器中，并对服务器做定期的安全测试与安全维护。以保证服务器遭到攻击，患者信息泄露的可能性最小化；即使服务器遭到攻击，上述信息也不会完全被泄露。

本发明不局限于上述可选实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是落入本发明权利要求界定范围内的技术方案，均落在本发明的保护范围之内。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除