基于人工智能的影像质量关键要素评价的智能判别方法

摘要

本发明涉及一种基于人工智能的PET/CT影像质量关键要素评价的智能判别方法，属于医学影像技术领域。本发明依据核医学及分子影像国际及国家规范，结合临床应用实践，归纳分类PET/CT检查过程全流程质量关键要素，以此为依据设计质控关键要素量化比对库，采用人工智能深度学习的模型和关键要素识别技术，以PET/CT检查流程为时间线，在PET/CT检查的的各个阶段利用AI技术进行关联信息的一体化质控评价，避免人为能力缺失或疏忽造成的PET/CT图像质量问题，在检查过程中，及时警示问题，及时纠正、修改，避免增加病人时间成本和增加额外随机辐射，提高影像诊断的准确性，有利于PET/CT技术标准化应用及推广。

说明书

技术领域

本发明涉及一种基于人工智能的影像质量关键要素评价的智能判别方法，属于医学影像技术领域。

背景技术

正电子发射断层扫描(PET)是在20世纪70年代早期被引入的一种医学成像方式。从PET到PET/CT(正电子发射计算机断层显像)，目前已经发展成为一种常规的重要的临床成像方式，用于分子水平的人体代谢和功能成像的无创评估。PET/CT的优点是它是一种非常灵敏的成像方式，可以提供具备解剖背景信息的定量分析信息。自2001年以来，全世界安装了6000多台PET/CT，近年来由于PET/CT系统的国产化，作为一种先进的医疗装备在我国的安装数量也在逐年增加。PET/CT检查已在临床医学获得普遍认可并被广泛使用，其双模态可定量分析的先进精准医疗分子影像技术，广泛应用于肿瘤学、心脏病学、神经医学、代谢性疾病等领域。由于此类技术包含至少两个模态的医学影像技术设备，多项检查序列涉及全身影像；整个流程复杂，影响图像的关键因素众多，同时对使用者的专业能力要求较高，为保证医学诊断的准确性，在保证高标准医疗质量的前提下，协助医疗人员快速掌握此类先进技术，急需一种对PET/CT质量关键要素进行质控管理和监督的智能判别方法。

现有技术中PET/CT进行临床和科研应用时涉及诸多图像质量关键要素控制，个别关键要素具备单独因素警示功能，但与其他要素缺乏关联性评价。在现阶段临床实践中基本依赖使用者对临床操作规范的主动自觉执行，无具体监督方法。有时也采用检查结束后回顾性整体浏览图像，再进行图像质控，这时如发现病人图像采集有质量问题，往往只能进行重复性采集，增加病人的时间成本和辐射剂量，如采取降低质量评价标准进行评价，必将降低诊断的准确性。同时，现有技术面临的主要问题是：首先，没有对PET/CT检查全过程的关键质控关键要素进行分类。其次，没有专业的关键要素比对评判方法，以对检查的各个环节进行质控监管、评估、警示。

发明内容

本发明的目的是为解决如何对PET/CT质量关键要素进行质控管理和监督的智能判别的技术问题。

为达到解决上述问题的目的，本发明所采取的技术方案是提供一种基于人工智能的PET/CT影像质量关键要素评价智能判别方法；包括以下步骤：

步骤1：获得与PET/CT影像质量关键要素相关的信息；

步骤2：将获得的信息进行提取要素分类，分类后的类别包括标准化指标数字信息、自然语言识别的专业术语信息和医学影像类信息；

步骤3：将分类后的信息输入深度学习模型的AI关键要素识别与决策系统；

步骤4：获得PET/CT质控关键要素警示及协议优化推荐。

优选地，上述步骤1中与PET/CT影像质量关键要素相关的信息包括患者病史信息、核素药物信息、临床需求信息、设备操作信息和PET采集及图像后处理信息。

优选地，上述步骤3中深度学习模型的AI关键要素识别与决策系统，包括依次连接的关键要素分类信息单元、用作训练集的质控关键要素量化比对信息库、基于深度学习的AI智能判别单元和结果识别输出单元。

相比现有技术，本发明具有如下有益效果：

1.鉴于现有技术的缺陷，本发明依据核医学及分子影像国际及国家规范，结合临床应用实践，归纳分类PET/CT检查过程全流程质量关键要素，以此为依据设计质控关键要素量化比对库，采用人工智能深度学习的模型和关键要素识别技术。

2.本发明以PET/CT检查流程为时间线，在每个技术环节，利用AI识别判断导入信息的质量，系统可以自动及时的进行警示和优化建议推荐，同时自动警示影响PET/CT图像质量的参数设置、技术操作、设备故障等因素。

3.本发明将影响PET/CT图像质量的关键要素进行分组量化分类，在PET/CT检查的的各个阶段利用AI技术进行关联信息的一体化质控评价，避免人为能力缺失或疏忽造成的PET/CT质量图像问题，同时在检查过程中，及时警示问题，提醒及时纠正、修改，避免增加病人时间成本和增加额外随机辐射，提高影像诊断的准确性，有利于PET/CT技术标准化应用及推广。

附图说明

图1为本发明PET/CT全身显像质量关键要素智能判别方法的过程框图；

图2为本发明深度学习模型的AI关键要素识别与决策系统构建过程框图；

具体实施方式

为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下：

如图1，2所示，本发明提供一种基于人工智能的PET/CT影像质量关键要素评价智能判别方法；包括以下步骤：

步骤1：获得与PET/CT影像质量关键要素相关的信息；

步骤2：将获得的信息进行提取要素分类，分类后的类别包括标准化指标数字信息、自然语言识别的专业术语信息和医学影像类信息；

步骤3：将分类后的信息输入深度学习模型的AI关键要素识别与决策系统；

步骤4：获得PET/CT质控关键要素警示及协议优化推荐。

上述步骤1中与PET/CT影像质量关键要素相关的信息包括患者病史信息、核素药物信息、临床需求信息、设备操作信息和PET采集及图像后处理信息。

上述步骤3中深度学习模型的AI关键要素识别与决策系统，包括依次连接的关键要素分类信息单元、用作训练集的质控关键要素量化比对信息库、基于深度学习的AI智能判别单元和结果识别输出单元。结果识别输出单元对于符合要求的信息作出通过的提示，对不符合要求的信息作出要素警示信息和协议优化的建议。

本发明以PET/CT检查流程为时间线，在每个技术环节，利用AI识别判断导入信息的质量，系统可以自动及时的进行警示和优化建议推荐，同时自动警示影响PET/CT图像质量的参数设置、技术操作、设备故障等因素。

本发明将影响PET/CT图像质量的关键要素进行分组量化分类，在PET/CT检查的的各个阶段利用AI技术进行关联信息的一体化质控评价，避免人为能力缺失或疏忽造成的PET/CT质量图像问题，同时在检查过程中，及时警示问题，提醒及时纠正、修改，避免增加病人时间成本和增加额外随机辐射，提高影像诊断的准确性，有利于PET/CT技术标准化应用及推广

以上所述，仅为本发明的较佳实施例，并非对本发明任何形式上和实质上的限制，应当指出，对于本技术领域的普通技术人员，在不脱离本发明的前提下，还将可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。凡熟悉本专业的技术人员，在不脱离本发明的精神和范围的情况下，当可利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时，凡依据本发明的实质技术对上述实施例所作的任何等同变化的更动、修饰与演变，均仍属于本发明的技术方案的范围内。