【技术实现步骤摘要】
本专利技术涉及医学数据处理，尤其涉及一种慢性肺曲霉菌病分型模型的构建方法及辅助分型系统。
技术介绍
1、慢性肺曲霉菌病(chronic pulmonary aspergillosis，cpa)是一种相对罕见的和复杂的肺部疾病，通常指慢性肺部曲霉菌感染，病程超过3个月，根据病情的不同表现和严重程度，可以将cpa分成几个不同的亚型。cpa常继发于其他呼吸系统疾病，如肺结核、变应性支气管肺曲霉菌病、结节病等，如不积极治疗，5年病死率较高(50％～85％)。
2、根据欧洲临床微生物学和感染性疾病联合会(escmid)、欧洲呼吸学会(ers)对cpa的亚型定义分为慢性空洞型肺曲霉菌病(chronic cavitary pulmonary aspergillosis，ccpa)、慢性纤维化型肺曲霉菌病(chronic fibrosing pulmonary aspergillosis，cfpa)、亚急性侵袭性肺曲霉菌病(subacute invasive aspergillosis，saia)、曲霉结节(aspergillus nodule，an)和单发曲霉菌瘤(single/simple pulmonary aspergilloma，sa)。cpa最常见的形式是ccpa，如果不治疗可进展为cfpa，进而加重患者肺功能损害。cpa本身的影像学特征主要包括单发或多发肺曲霉菌球、新的和/或不断进展的洞壁薄厚不一的空洞样病变，常伴有空洞周边肺实质破坏和/或纤维化，以及明显的胸膜增厚，也可见曲霉菌脓胸。cpa典型的3种形式：ccpa、c
3、近年来，cpa的临床分型诊断主要是依靠影像学特征、抗曲霉菌抗体病理组织学等实验室检查，但是由于cpa几种亚型在临床、病理特征和放射学表现中存在重叠，如果不提供足够的信息，那么对于缺乏经验的年轻医生甚至是资深的专家而言，他们对cpa的误诊概率也会大大增加。
4、因此，亟需一种慢性肺曲霉菌病分型模型的构建方法，以通过慢性肺曲霉菌病分型模型辅助医生进行准确的cpa分型诊断，合理地为患者制定治疗方案，降低cpa患者的病死率。
技术实现思路
1、本专利技术提供一种慢性肺曲霉菌病分型模型的构建方法及辅助分型系统，用以解决现有技术无法高效、准确地实现cpa分型诊断的缺陷。
2、本专利技术提供一种慢性肺曲霉菌病分型模型的构建方法，包括：
3、获取肺部ct图像，其中，肺部ct图像包括标记有cpa亚型标签的肺部ct图像和未标记有cpa亚型标签的肺部ct图像；
4、对肺部ct图像进行预处理；
5、基于半监督学习框架，将未经预处理的肺部ct图像输入第一训练网络进行训练，将预处理后的肺部ct图像输入第二训练网络进行训练，以得到慢性肺曲霉菌病分型模型，其中，第一训练网络和第二训练网络的架构相同、参数权值不同。
6、根据本专利技术提供的一种慢性肺曲霉菌病分型模型的构建方法，cpa亚型标签包括以下任一项或其任意组合：慢性空洞型肺曲霉菌病标签、慢性纤维化型肺曲霉菌病标签、亚急性侵袭性肺曲霉菌病标签、曲霉结节标签、单发曲霉菌瘤标签。
7、根据本专利技术提供的一种慢性肺曲霉菌病分型模型的构建方法，所述对肺部ct图像进行预处理，包括：
8、对肺部ct图像进行全局阈值分割，以区分肺部ct图像上的前景和背景；
9、从进行全局阈值分割后的肺部ct图像中提取人体成分掩膜；
10、从人体成分掩膜中提取候选肺实质掩膜；
11、对候选肺实质掩膜进行肺实质判定，得到最终肺实质。
12、根据本专利技术提供的一种慢性肺曲霉菌病分型模型的构建方法，所述对肺部ct图像进行全局阈值分割，以区分肺部ct图像上的前景和背景，包括：
13、步骤a、设置全局阈值初始值t；
14、步骤b、根据全局阈值初始值t将肺部ct图像分割为前景和背景，并得到前景的平均灰度值tf和背景的平均灰度值tb；
15、步骤c、根据前景的平均灰度值tf和背景的平均灰度值tb，更新全局阈值初始值t，并以更新后的全局阈值初始值t′重复步骤b和步骤c直至更新后的全局阈值初始值t不再变化。
16、根据本专利技术提供的一种慢性肺曲霉菌病分型模型的构建方法，步骤a包括：
17、根据肺部ct图像的最大灰度值tmax和最小灰度值tmin，利用第一表达式，设置全局阈值初始值t；
18、其中，第一表达式为：
19、
20、根据本专利技术提供的一种慢性肺曲霉菌病分型模型的构建方法，步骤c包括：
21、根据前景的平均灰度值tf和背景的平均灰度值tb，利用第二表达式，更新全局阈值初始值t；
22、其中，第二表达式为：
23、
24、根据本专利技术提供的一种慢性肺曲霉菌病分型模型的构建方法，所述从进行全局阈值分割后的肺部ct图像中提取人体成分掩膜，包括：
25、步骤d、对进行全局阈值分割后的肺部ct图像进行阈值化，得到二值图像；
26、步骤e、为二值图像设置是否已访问的属性，其中，属性的类型为bool(布尔类型，用作逻辑判断)；
27、步骤f、在二值图像找到第一个非零的像素点，将该像素点入栈，使得该像素点作为栈顶元素，并将该像素点是否已访问的属性设置为真；
28、步骤g、以栈的大小是否为0作为结束条件，寻找栈顶元素相邻的八邻域非零像素点，并将八邻域非零像素点入栈，当达到结束条件时将栈顶元素删除；
29、步骤h、当栈为空时，表明一个连通区域已经遍历完成，需继续找到下一个非空且未访问过的像素点作为起点，重复步骤g，直至所有非零像素点都被访问完成；
30、步骤i、当二值图像上所有的连通区域求解完成后，将像素点个数最多的连通区域进行标记，即得到人体成分掩膜。
31、根据本专利技术提供的一种慢性肺曲霉菌病分型模型的构建方法，所述从人体成分掩膜中提取候选肺实质掩膜，包本文档来自技高网...
【技术保护点】
1.一种慢性肺曲霉菌病分型模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的慢性肺曲霉菌病分型模型的构建方法，其特征在于，所述对肺部CT图像进行预处理，包括：
3.根据权利要求2所述的慢性肺曲霉菌病分型模型的构建方法，其特征在于，所述对肺部CT图像进行全局阈值分割，以区分肺部CT图像上的前景和背景，包括：
4.根据权利要求3所述的慢性肺曲霉菌病分型模型的构建方法，其特征在于，所述从人体成分掩膜中提取候选肺实质掩膜，包括：
5.根据权利要求1-4任一项所述的慢性肺曲霉菌病分型模型的构建方法，其特征在于，第一训练网络包括特征提取模块和分类模块，
6.根据权利要求5所述的慢性肺曲霉菌病分型模型的构建方法，其特征在于，半监督学习框架的优化目标表达式为：
7.一种慢性肺曲霉菌病分型模型的构建系统，其特征在于，包括：
8.一种慢性肺曲霉菌病辅助分型系统，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的慢性肺曲霉菌病分型模型的构建方法，和/或，所述计算机程序被处理器执行时实现如下步骤：
...【技术特征摘要】
1.一种慢性肺曲霉菌病分型模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的慢性肺曲霉菌病分型模型的构建方法，其特征在于，所述对肺部ct图像进行预处理，包括：
3.根据权利要求2所述的慢性肺曲霉菌病分型模型的构建方法，其特征在于，所述对肺部ct图像进行全局阈值分割，以区分肺部ct图像上的前景和背景，包括：
4.根据权利要求3所述的慢性肺曲霉菌病分型模型的构建方法，其特征在于，所述从人体成分掩膜中提取候选肺实质掩膜，包括：
5.根据权利要求1-4任一项所述的慢性肺曲霉菌病分型模型的构建方法，其特征在于，第一训练网络包括特征提取模块和分类模块，
6.根据权利要求5所述的慢性肺曲霉菌病分型模型的构建方法...
【专利技术属性】
技术研发人员：叶裕丰，魏锦波，龙程，陈汉威，周莉娜，张进朝，郭广源，何锦贤，
申请(专利权)人：广州医科大学附属番禺中心医院广州市番禺区中心医院，广州市番禺区人民医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。