專利名稱：一種計(jì)算機(jī)輔助識(shí)別裝置和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及醫(yī)學(xué)影像的圖像分析和識(shí)別技術(shù)，特別涉及一種計(jì)算機(jī)輔助 識(shí)別裝置和系統(tǒng)。
癌癥是嚴(yán)重危害人類生命和健康的疾病之一，癌癥的早期發(fā)現(xiàn)和診斷是 癌癥醫(yī)療研究領(lǐng)域中的一個(gè)重要課題，同時(shí)對(duì)于癌癥的后期治療和治愈也有 著非常重要的作用。
隨著物理學(xué)和醫(yī)學(xué)越來越多的結(jié)合，多種醫(yī)學(xué)影像技術(shù)得到了快速發(fā)
展，X光透視、計(jì)算機(jī)斷層成像(CT)、紅外透視、超聲波掃描和核磁共振成 像(MRI)等各種人體成像工具也被越來越廣泛的應(yīng)用于癌癥的診斷當(dāng)中。 這些人體成像工具一方面大大拓展了醫(yī)生的檢查手段，并且相比于一些傳統(tǒng) 的檢查手段，可以為醫(yī)生提供更加豐富以及更為直觀的病變信息，同時(shí)減小 對(duì)患者的創(chuàng)傷；但是在另一方面，在對(duì)患者進(jìn)行檢查的過程中所產(chǎn)生的大量 影像也為醫(yī)生的診斷工作帶來了更大的壓力，根據(jù)這些影像做出正確的診斷 不僅要求醫(yī)生具有醫(yī)學(xué)影像的專業(yè)知識(shí)，同時(shí)還要求醫(yī)生具有大量的臨床經(jīng) 驗(yàn)。由于癌癥發(fā)病率的提高和患者的增加，以及醫(yī)生的醫(yī)學(xué)影像專業(yè)知識(shí)和 臨床經(jīng)驗(yàn)的不足，癌癥的誤診和漏診現(xiàn)象時(shí)有發(fā)生。
針對(duì)這樣的問題，醫(yī)學(xué)研究人員提出了多種計(jì)算機(jī)輔助診斷(CAD)方 案來幫助醫(yī)生在診斷過程中快速、正確的對(duì)可疑的病變做出判斷。這類計(jì)算
機(jī)輔助診斷方案的主要內(nèi)容是圖像的分析和識(shí)別，在這類計(jì)算機(jī)輔助診斷方 案中， 一般包括如下的圖像處理過程圖像數(shù)據(jù)的采集，圖像的重建，圖像 的分割，圖像特征的提取，以及圖像特征的分類。例如，在AoyamaM.等作 者的i倉文 "Automated computerized scheme for distinction between benign and malignant solitary pulmonary nodules on chest images" (Medical Physics. 2002， 29 (5): 701-708 )中提出了一種單發(fā)肺部結(jié)節(jié) 的計(jì)算機(jī)自動(dòng)分類方案。在該方案中，針對(duì)被檢者的胸部CT圖像，首先使
背景技術(shù)：
用了基于灰度級(jí)別分布的自動(dòng)分割方法對(duì)圖像中的結(jié)節(jié)區(qū)域進(jìn)行分割；然后 在2個(gè)臨床參數(shù)和從分割后的圖像中所提取出的75個(gè)圖像特征的基礎(chǔ)上， 使用線性判別分析(LDA)方法對(duì)特征組合進(jìn)行選擇；最后以選擇出的7個(gè) 特征作為輸入通過人工神經(jīng)元網(wǎng)絡(luò)(ANN)對(duì)良性結(jié)節(jié)和惡性結(jié)節(jié)進(jìn)行分類。 該i侖文中的性能分析結(jié)果表明，該^侖文中所才是出的計(jì)算機(jī)自動(dòng)分類方案與醫(yī) 生人工分類方案相比，對(duì)于單發(fā)肺部結(jié)節(jié)的良、惡性分類性能有所改進(jìn)，正 確診斷的概率得到提高。
盡管通過上述的計(jì)算機(jī)輔助診斷方案可以幫助醫(yī)生提高正確診斷的概 率，但是這類方案中所使用的圖像分析和識(shí)別等處理手段仍主要是基于形態(tài) 學(xué)范疇的圖像數(shù)據(jù)，這種圖像處理方式將在很大程度上依賴于圖像的高分辨 率和有效的圖像形態(tài)特征的提取。而在實(shí)際的臨床診斷中，在很多情況下僅 根據(jù)病變區(qū)域的形態(tài)特征并不能對(duì)病變類型做出正確的診斷，如何將圖像的 形態(tài)特征與其它信息有效地結(jié)合并用于計(jì)算機(jī)自動(dòng)分類過程中仍是當(dāng)前需 要研究的問題之一。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明的一個(gè)目的在于提供一種計(jì)算機(jī)輔助識(shí)別裝置，該裝 置可以提高對(duì)醫(yī)學(xué)影像中的病變類型進(jìn)行正確分類的概率。
在本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置的基礎(chǔ)上，本發(fā)明的另一個(gè)目的在于提 供一種計(jì)算機(jī)輔助識(shí)別系統(tǒng)，該系統(tǒng)中包括本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置，
可以應(yīng)用于現(xiàn)有的多種醫(yī)學(xué)影像系統(tǒng)當(dāng)中。
針對(duì)所述第一目的，本發(fā)明提供的技術(shù)方案為 一種計(jì)算機(jī)輔助識(shí)別裝 置，包括
一個(gè)掃描數(shù)據(jù)獲取模塊，用于接收被檢者的病變部位的掃描信號(hào)，并根 據(jù)所述掃描信號(hào)獲取所述病變部位的掃描數(shù)據(jù)；
一個(gè)掃描圖像生成模塊，用于根據(jù)所述掃描數(shù)據(jù)生成所述病變部位的掃 描圖像；
一個(gè)穴位信息獲取模塊，用于接收被檢者的至少一個(gè)穴位處的檢測(cè)信 號(hào)，并根據(jù)所述檢測(cè)信號(hào)獲取所述至少 一個(gè)穴位處的穴位信息；
一個(gè)病變類型識(shí)別模塊，用于根據(jù)所述掃描圖像中的圖像信息以及所述 至少 一個(gè)穴位處的穴位信息識(shí)別所述病變部位的病變類型。根據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置，其中，當(dāng)所述掃描信號(hào)為模擬信號(hào) 時(shí)，所述掃描數(shù)據(jù)獲取;漠塊還用于對(duì)所述掃描信號(hào)進(jìn)行數(shù)字化處理以獲取所 述病變部位的掃描數(shù)據(jù)。
根據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置，其中，所述病變類型識(shí)別模塊中包
括
一個(gè)掃描圖像分割單元，用于對(duì)所述掃描圖像進(jìn)行分割，以將所述掃描
圖像中的病變區(qū)域與其它區(qū)域分割開來；
一個(gè)圖像特征提取單元，用于在經(jīng)分割后的所述掃描圖像中提取所述病 變區(qū)域的圖像特征；
一個(gè)病變類型分類單元，用于根據(jù)所述病變區(qū)域的圖像特征和所述至少 一個(gè)穴位處的穴位信息對(duì)所述病變區(qū)域的病變類型進(jìn)行分類。
根據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置，其中，還包括一個(gè)臨床參數(shù)輸入模 塊，用于輸入被檢者的臨床參數(shù)；
所述病變類型識(shí)別模塊還進(jìn)一步用于根據(jù)所述掃描圖像中的圖像信息、 所述至少 一個(gè)穴位處的穴位信息以及所述臨床參lt識(shí)別所述病變部位的病 變類型。
根據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置，其中，所述病變類型識(shí)別模塊中包
括
一個(gè)掃描圖像分割單元，用于對(duì)所述掃描圖像進(jìn)行分割，以將所述掃描 圖像中的病變區(qū)域與其它區(qū)域分割開來；
一個(gè)圖像特征提取單元，用于在經(jīng)分割后的所述掃描圖像中提取所述病 變區(qū)域的圖像特征；
一個(gè)病變類型分類單元，用于根據(jù)所述病變區(qū)域的圖像特征、所述至少 一個(gè)穴位處的穴位信息以及所述臨床參數(shù)對(duì)所述病變區(qū)域的病變類型進(jìn)行 分類。
才艮據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置，其中，
所述病變類型分類單元為人工神經(jīng)元網(wǎng)絡(luò)分類器、貝葉思法則分類器、 支持向量機(jī)分類器或線性判別分析分類器。 根據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置，其中，
所述病變區(qū)域的圖像特征包括病變區(qū)域的長度、病變區(qū)域的寬度、病 變區(qū)域的形態(tài)、病變區(qū)域的邊界清晰程度、病變區(qū)域邊緣的光滑程度、病變區(qū)域的密度、病變區(qū)域的均勻性；
所述穴位信息包括所述各穴位處的電阻值、所述各穴位處的溫度； 所述臨床參數(shù)包括被檢者的年齡、被檢者的性別。 根據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置，其中，
所述病變類型分類單元為人工神經(jīng)元網(wǎng)絡(luò)分類器，該人工神經(jīng)元網(wǎng)絡(luò)分
類器使用三層前饋網(wǎng)絡(luò)反向傳播算法。
根據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置，其中， 所述人工神經(jīng)元網(wǎng)絡(luò)分類器使用留一法進(jìn)行訓(xùn)練和測(cè)試。 針對(duì)所述另一目的，本發(fā)明提供的技術(shù)方案為 一種計(jì)算機(jī)輔助識(shí)別系
統(tǒng)，包才舌
一個(gè)掃描裝置，用于對(duì)^皮檢者的病變部位進(jìn)行掃描，并輸出所述病變部 位的掃描信號(hào)；
至少一個(gè)穴位檢測(cè)裝置，用于對(duì)被4全者的至少一個(gè)穴位處的穴位信息進(jìn) 行檢測(cè)，并輸出所述至少一個(gè)穴位處的檢測(cè)信號(hào)；
一個(gè)根據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置，所述計(jì)算機(jī)輔助識(shí)別裝置分別 與所述掃描裝置和所述至少一個(gè)穴位檢測(cè)裝置相連。
根據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別系統(tǒng)，其中，
所述掃描裝置為X光掃描裝置、超聲波掃描裝置、紅外線掃描裝置、CT
掃描裝置或MRI掃描裝置。
根據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別系統(tǒng)，其中，還包括，
一個(gè)顯示裝置，與所述計(jì)算機(jī)輔助識(shí)別裝置相連，用于對(duì)所述病變部位
的掃描圖像和/或所述病變類型的分類結(jié)果進(jìn)行顯示。
本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置和系統(tǒng)通過將傳統(tǒng)中醫(yī)領(lǐng)域中利用穴位 點(diǎn)診斷疾病這一手段與現(xiàn)代醫(yī)學(xué)影像技術(shù)中的計(jì)算機(jī)自動(dòng)分類方案進(jìn)行有 機(jī)地結(jié)合，既有效利用了穴位點(diǎn)上的物理信息參數(shù)對(duì)于病變的較為正確的內(nèi) 在表征作用，又很好地利用了醫(yī)學(xué)影像對(duì)于病變位置和外在形態(tài)的直觀觀察 解決了穴位診斷中不能對(duì)病變位置進(jìn)行定位的問題，從而可以使得本發(fā)明的 計(jì)算機(jī)輔助識(shí)別方案與現(xiàn)有的僅根據(jù)病變區(qū)域的形態(tài)特征進(jìn)行計(jì)算機(jī)自動(dòng) 分類的方案相比，具有更高的正確診斷概率，并且為計(jì)算機(jī)輔助識(shí)別的技術(shù) 研究開辟了一種新思路。


以下將結(jié)合附圖并通過具體實(shí)施例對(duì)本發(fā)明的目的和特征進(jìn)行詳細(xì)說 明，這些實(shí)施例是說明性的，不具有限制性。
圖1為根據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置的結(jié)構(gòu)示意圖； 圖2為根據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置的實(shí)施例中病變類型識(shí)別模 塊的結(jié)構(gòu)示意圖3為根據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置的實(shí)施例中病變類型識(shí)別模 塊的另一種結(jié)構(gòu)示意圖4為三層前饋網(wǎng)絡(luò)反向傳播算法人工神經(jīng)元網(wǎng)絡(luò)分類器的示意圖； 圖5為才艮據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別系統(tǒng)的系統(tǒng)示意圖。
具體實(shí)施例方式
本發(fā)明的發(fā)明人在針對(duì)如何將圖像的形態(tài)特征與其它信息有效地結(jié)合 并用于計(jì)算機(jī)自動(dòng)分類過程的研究中，產(chǎn)生了將傳統(tǒng)中醫(yī)領(lǐng)域中的經(jīng)絡(luò)理論
研究成果應(yīng)用于計(jì)算機(jī)輔助診斷方案之中的技術(shù)構(gòu)思。發(fā)明人在其研究過程 中注意到傳統(tǒng)的中醫(yī)經(jīng)絡(luò)理論認(rèn)為經(jīng)絡(luò)的作用主要是溝通表里內(nèi)外，通行 營衛(wèi)氣血，而穴位就是經(jīng)絡(luò)上的功能點(diǎn)，身體各部分的疾病可以由經(jīng)絡(luò)上的 的穴位點(diǎn)反應(yīng)出來。在這樣的經(jīng)絡(luò)理論基礎(chǔ)之上，在傳統(tǒng)的中醫(yī)領(lǐng)域中存在 通過穴位點(diǎn)診斷疾病的方法。 一些中醫(yī)研究人員也不斷地在進(jìn)行通過穴位點(diǎn) 診斷腫瘤的研究和探索，并取得了一些研究成果。例如，在王建璋和史光輝 兩位作者的論文"華雄肺瘤測(cè)定儀在腫瘤診斷中的應(yīng)用"(中國醫(yī)療器械信 息1998, 4 (1): 37-39 )中提出了一種利用穴位的物理信息參數(shù)來測(cè)定腫瘤 的儀器。這種腫瘤測(cè)定儀主要是利用在人體中的3組共1G個(gè)腫瘤奇穴上測(cè) 定的溫度的微小差異，來判斷是否患有腫瘤，并分析腫瘤的良性或惡性。在 該篇論文中的臨床試驗(yàn)結(jié)果表明，通過該腫瘤測(cè)定儀診斷惡性腫瘤的臨床診 斷符合率為94.8%，診斷良性腫瘤的臨床診斷符合率為88.83%,總符合率為 93.57°/。。與北京市結(jié)核病、胸部腫瘤研究所報(bào)道的借助X光片、胸部CT、支 氣管鏡、痰脫落細(xì)胞及血液生化等檢查手段，有經(jīng)驗(yàn)的臨床醫(yī)生術(shù)前診斷正 確率約為85%這一數(shù)字相比，該腫瘤測(cè)定儀可以獲得較高的臨床診斷符合率。 但是，在該篇論文中也同時(shí)指出，該儀器只能測(cè)出有無腫瘤信息，而不能查 出腫瘤部位，因而不能替代細(xì)胞學(xué)、病理學(xué)檢查。
9由此，如圖1所示，本發(fā)明提供了一種計(jì)算機(jī)輔助識(shí)別裝置1,該裝置
中包括 一個(gè)掃描數(shù)據(jù)獲取模塊2，用于接收被片企者的病變部位的掃描信號(hào)， 并根據(jù)所述掃描信號(hào)獲取所述病變部位的掃描數(shù)據(jù)； 一個(gè)掃描圖像生成模塊 3，用于根據(jù)所述掃描數(shù)據(jù)生成所述病變部位的掃描圖像； 一個(gè)穴位信息獲 取模塊4，用于接收被檢者的至少一個(gè)穴位處的檢測(cè)信號(hào)，并根據(jù)所述檢測(cè) 信號(hào)獲取所述至少一個(gè)穴位處的穴位信息； 一個(gè)病變類型識(shí)別模塊5，用于 根據(jù)所述掃描圖像中的圖像信息以及所述至少一個(gè)穴位處的穴位信息識(shí)別 所述病變部位的病變類型。
本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置將傳統(tǒng)中醫(yī)領(lǐng)域中通過穴位點(diǎn)診斷疾病 這一手段與現(xiàn)代醫(yī)學(xué)影像技術(shù)中的計(jì)算機(jī)自動(dòng)分類方案進(jìn)行了有機(jī)地結(jié)合， 既有效利用了穴位點(diǎn)上的物理信息參數(shù)對(duì)于病變的較為正確的內(nèi)在表征作 用，又纟艮好地利用了醫(yī)學(xué)影像對(duì)于病變位置和外在形態(tài)的直觀觀察解決了穴 位診斷中不能對(duì)病變位置進(jìn)行定位的問題，從而使得本發(fā)明的計(jì)算機(jī)輔助識(shí) 別裝置與現(xiàn)有的僅根據(jù)病變區(qū)域的形態(tài)特征進(jìn)行計(jì)算機(jī)自動(dòng)分類的方案相 比，具有更高的正確診斷概率，并且為計(jì)算機(jī)輔助識(shí)別的技術(shù)研究開辟了一 種新思路。
在根據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置1的實(shí)施例中，所述掃描信號(hào)可以 為數(shù)字信號(hào)或4莫擬信號(hào)。當(dāng)所述掃描信號(hào)為數(shù)字信號(hào)時(shí)，掃描數(shù)據(jù)獲取模塊 2可以直接根據(jù)所述數(shù)字信號(hào)獲取所述病變部位的掃描數(shù)據(jù)。當(dāng)所述掃描信 號(hào)為來自于模擬掃描裝置的模擬信號(hào)時(shí)，掃描數(shù)據(jù)獲取模塊2還用于對(duì)所述 模擬信號(hào)進(jìn)行數(shù)字化處理，并根據(jù)該經(jīng)數(shù)字化處理后的掃描信號(hào)獲取所迷病
變部位的掃描數(shù)據(jù)。
在本實(shí)施例中，如圖2中的結(jié)構(gòu)示意圖所示，病變類型識(shí)別模塊5中可 以進(jìn)一步包括如下功能單元以實(shí)現(xiàn)病變類型識(shí)別模塊5的上述功能 一個(gè)掃 描圖像分割單元51，用于對(duì)所述掃描圖像進(jìn)行分割，以將所述掃描圖像中的 病變區(qū)域與其它區(qū)域分割開來； 一個(gè)圖像特征提取單元52,用于在經(jīng)分割后 的所述掃描圖像中提取所述病變區(qū)域的圖像特征； 一個(gè)病變類型分類單元 5 3,用于根據(jù)所述病變區(qū)域的圖像特征和所述至少一個(gè)穴位處的穴位信息對(duì) 所述病變區(qū)域的病變類型進(jìn)行分類。也就是說，與現(xiàn)有的圖像分析和識(shí)別的 一il殳處理過程相同，針對(duì)所述掃描圖像，病變類型識(shí)別^f莫塊5在對(duì)病變部位 的病變類型進(jìn)^f亍識(shí)別的過程中，首先利用掃描圖像分割單元51對(duì)所 掃描圖像進(jìn)行圖像分割，以確定病變區(qū)域的位置和范圍；然后利用圖像特征提取
單元52提取所述病變區(qū)域的圖像特征。但是，與現(xiàn)有的圖像分析和識(shí)別處 理過程不同的是，病變類型分類單元53將不僅僅根據(jù)圖像特征提取單元52 提取出的圖像特征對(duì)所述病變區(qū)域的病變類型進(jìn)行分類，而是會(huì)將所述圖像 特征與所述穴位信息一同用于病變類型的分類。這樣，在病變類型識(shí)別模塊 5識(shí)別病變類型的過程中，就可以利用所述病變區(qū)域的病變位置和外在形態(tài) 信息并同時(shí)結(jié)合穴位點(diǎn)上的穴位物理信息來確定病變類型，從而提高了對(duì)于 病變類型的正確診斷概率。
在本實(shí)施例中，根據(jù)本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置1中也可以進(jìn)一步包 括一個(gè)臨床參數(shù)輸入模塊(圖1中未顯示)，用于輸入被檢者的臨床參數(shù)。 則病變類型識(shí)別^^莫塊5還進(jìn)一步用于根據(jù)所述掃描圖像中的圖像信息、所述 至少 一個(gè)穴位處的穴位信息以及所述臨床參數(shù)識(shí)別所述病變部位的病變類 型。
相應(yīng)的，在圖2中所示的結(jié)構(gòu)基礎(chǔ)之上，病變類型識(shí)別模塊5，中的病 變類型分類單元53，可以進(jìn)一步用于根據(jù)所述病變區(qū)域的圖像特征、所述至 少一個(gè)穴位處的穴位信息以及所述臨床參數(shù)對(duì)所述病變區(qū)域的病變類型進(jìn) 行分類。在這種具體實(shí)施方式
之下，病變類型識(shí)別模塊5^的結(jié)構(gòu)示意圖如 圖3所示。
圖2和圖3中所示的病變類型分類單元53和53，在具體實(shí)施當(dāng)中可以
使用人工神經(jīng)元網(wǎng)絡(luò)分類器。例如，可以使用如圖4中所示的三層前饋網(wǎng)絡(luò) 反向傳播算法人工神經(jīng)元網(wǎng)絡(luò)分類器。在這種分類器中，所述病變區(qū)域的圖
像特征、所述至少一個(gè)穴位處的穴位信息、所述臨床參數(shù)被歸一化并被作為 分類器的輸入?yún)?shù)，即作為圖4所示輸入層中的神經(jīng)元。這些輸入?yún)?shù)通過 隱藏層中的神經(jīng)元以及輸入層和隱藏層、隱藏層和輸出層之間的連接權(quán)值被 前向傳遞給輸出層中的神經(jīng)元。輸出層中的不同神經(jīng)元分別計(jì)算并輸出所述 輸入?yún)?shù)屬于不同類別的概率。
在上述分類器中，輸入層中的神經(jīng)元的數(shù)量由所述輸入?yún)?shù)的數(shù)量決 定。例如，所述病變區(qū)域的圖像特征可以是從病變區(qū)域的長度、病變區(qū)域的 寬度、病變區(qū)域的形態(tài)、病變區(qū)域的邊界清晰程度、病變區(qū)域邊緣的光滑程 度、病變區(qū)域的密度、病變區(qū)域的均勻性等圖像特征中選取的一個(gè)或兩個(gè)以 上的特征；所述穴位信息可以包括所述各穴位處的電阻值和/或所述各穴位處的溫度；所述臨床參數(shù)可以包括被檢者的年齡和/或被檢者的性別。隱藏
層中的神經(jīng)元的數(shù)量可以為一經(jīng)驗(yàn)值或者才艮據(jù)現(xiàn)有的優(yōu)化算法確定。輸出層 中包括兩個(gè)神經(jīng)元，分別計(jì)算并輸出所述輸入?yún)?shù)屬于良性和惡性的概率。 輸入層和隱藏層、隱藏層和輸出層之間的連接權(quán)值通過反向傳播算法進(jìn)行調(diào) 整和確定。在使用所述分類器對(duì)所述輸入?yún)?shù)分類之前，可以使用留一法
(Leave One Out method)對(duì)所述分類器的性能進(jìn)行訓(xùn)練和測(cè)試。
此外，在本實(shí)施例中，除了所述的人工神經(jīng)元網(wǎng)絡(luò)分類器，病變類型分 類單元53和53，在具體實(shí)施時(shí)還可以根據(jù)實(shí)際的應(yīng)用環(huán)境使用貝葉思法則
(Bayes theorem)分類器、支持向量機(jī)(SVM)分類器或線性判別分析分類 器等其它具體的分類器形式。
在本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置的基礎(chǔ)之上，本發(fā)明進(jìn)一步提供了一種 計(jì)算機(jī)輔助掃描系統(tǒng)，該系統(tǒng)中包括本發(fā)明的計(jì)算機(jī)輔助識(shí)別裝置，以及一 個(gè)掃描裝置和至少一個(gè)穴位檢測(cè)裝置，所述計(jì)算機(jī)輔助識(shí)別裝置分別與所述 掃描裝置和所述至少一個(gè)穴位檢測(cè)裝置相連。其中，所述掃描裝置用于對(duì)被 檢者的病變部位進(jìn)行掃描，并輸出所述病變部位的掃描信號(hào)；所述至少一個(gè) 穴位檢測(cè)裝置用于對(duì)被檢者的至少一個(gè)穴位處的穴位信息進(jìn)行檢測(cè)，并輸出 所述至少 一 個(gè)穴位處的纟企測(cè)j言號(hào)。
圖5中示出了根據(jù)本發(fā)明的計(jì)算機(jī)輔助系統(tǒng)SI的系統(tǒng)示意圖，其中包 括計(jì)算機(jī)輔助識(shí)別裝置1、掃描裝置6以及至少一個(gè)穴位檢測(cè)裝置7。在計(jì) 算機(jī)輔助系統(tǒng)SI的具體實(shí)施過程中，計(jì)算機(jī)輔助識(shí)別裝置1可以采用上述 實(shí)施例中的具體實(shí)施方式
，在此不再贅述。掃描裝置6可以根據(jù)實(shí)際的應(yīng)用 環(huán)境采用X光掃描裝置、超聲波掃描裝置、紅外線掃描裝置、CT掃描裝置或 MRI掃描裝置等具體形式，由此可以使根據(jù)本發(fā)明的計(jì)算機(jī)輔助系統(tǒng)SI方便 地應(yīng)用于現(xiàn)有的多種醫(yī)學(xué)影像系統(tǒng)當(dāng)中。
此外，在圖5所示的計(jì)算機(jī)輔助系統(tǒng)SI中還可以包括一個(gè)顯示裝置(圖 5中未示出)，該顯示裝置與計(jì)算機(jī)輔助識(shí)別裝置1相連，用于對(duì)所述病變部 位的掃描圖像和/或所述病變類型的分類結(jié)果進(jìn)行顯示，以便于醫(yī)生在實(shí)際 的臨床診斷中對(duì)被檢者的病變部位進(jìn)行觀察和診斷。
具體說明，它們并非用以限制本發(fā)明的保護(hù)范圍，凡未脫離本發(fā)明技藝精神 所作的等效實(shí)施例或變更均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1、一種計(jì)算機(jī)輔助識(shí)別裝置，包括一個(gè)掃描數(shù)據(jù)獲取模塊，用于接收被檢者的病變部位的掃描信號(hào)，并根據(jù)所述掃描信號(hào)獲取所述病變部位的掃描數(shù)據(jù)；一個(gè)掃描圖像生成模塊，用于根據(jù)所述掃描數(shù)據(jù)生成所述病變部位的掃描圖像；一個(gè)穴位信息獲取模塊，用于接收被檢者的至少一個(gè)穴位處的檢測(cè)信號(hào)，并根據(jù)所述檢測(cè)信號(hào)獲取所述至少一個(gè)穴位處的穴位信息；一個(gè)病變類型識(shí)別模塊，用于根據(jù)所述掃描圖像中的圖像信息以及所述至少一個(gè)穴位處的穴位信息識(shí)別所述病變部位的病變類型。
2、 根據(jù)權(quán)利要求1所述的計(jì)算機(jī)輔助識(shí)別裝置，其中， 當(dāng)所述掃描信號(hào)為模擬信號(hào)時(shí)，所述掃描數(shù)據(jù)獲取模塊還用于對(duì)所述掃描信號(hào)進(jìn)行數(shù)字化處理以獲取所述病變部位的掃描數(shù)據(jù)。
3、 根據(jù)權(quán)利要求1所述的計(jì)算機(jī)輔助識(shí)別裝置，其中，所述病變類型 識(shí)別模塊中包括一個(gè)掃描圖像分割單元，用于對(duì)所述掃描圖像進(jìn)行分割，以將所述掃描 圖像中的病變區(qū)域與其它區(qū)域分割開來；一個(gè)圖像特征提取單元，用于在經(jīng)分割后的所述掃描圖像中提取所述病 變區(qū)域的圖像特征；一個(gè)病變類型分類單元，用于根據(jù)所述病變區(qū)域的圖像特征和所述至少 —個(gè)穴位處的穴位信息對(duì)所述病變區(qū)域的病變類型進(jìn)行分類。
4、 根據(jù)權(quán)利要求1所述的計(jì)算機(jī)輔助識(shí)別裝置，其中，還包括一個(gè)臨床參數(shù)輸入模塊，用于輸入被檢者的臨床參數(shù)；所述病變類型識(shí)別模塊還進(jìn)一步用于根據(jù)所述掃描圖像中的圖像信息、 所述至少 一個(gè)穴位處的穴位信息以及所述臨床參數(shù)識(shí)別所述病變部位的病 變類型。
5、 根據(jù)權(quán)利要求4所述的計(jì)算機(jī)輔助識(shí)別裝置，其中，所述病變類型 識(shí)別模塊中包括一個(gè)掃描圖像分割單元，用于對(duì)所述掃描圖像進(jìn)行分割，以將所述掃描 圖像中的病變區(qū)域與其它區(qū)域分割開來；一個(gè)圖像特征提取單元，用于在經(jīng)分割后的所述掃描圖像中提取所述病 變區(qū)域的圖像特征；一個(gè)病變類型分類單元，用于根據(jù)所述病變區(qū)域的圖像特征、所述至少 一個(gè)穴位處的穴位信息以及所述臨床參數(shù)對(duì)所述病變區(qū)域的病變類型進(jìn)行 分類。
6、 根據(jù)權(quán)利要求3或5所述的計(jì)算機(jī)輔助識(shí)別裝置，其中， 所述病變類型分類單元為人工神經(jīng)元網(wǎng)絡(luò)分類器、貝葉思法則分類器、支持向量機(jī)分類器或線性判別分析分類器。
7、 根據(jù)權(quán)利要求6所述的計(jì)算機(jī)輔助識(shí)別裝置，其中， 所述病變區(qū)域的圖像特征包括病變區(qū)域的長度、病變區(qū)域的寬度、病變區(qū)域的形態(tài)、病變區(qū)域的邊界清晰程度、病變區(qū)域邊緣的光滑程度、病變 區(qū)域的密度、病變區(qū)域的均勻性；所述穴位信息包括所述各穴位處的電阻值、所述各穴位處的溫度；所述臨床參數(shù)包括被;險(xiǎn)者的年齡、被檢者的性別。
8、 根據(jù)權(quán)利要求3或5所述的計(jì)算機(jī)輔助識(shí)別裝置，其中， 所述病變類型分類單元為人工神經(jīng)元網(wǎng)絡(luò)分類器，該人工神經(jīng)元網(wǎng)絡(luò)分類器使用三層前饋網(wǎng)絡(luò)反向傳播算法。
9、 根據(jù)權(quán)利要求8所述的計(jì)算機(jī)輔助識(shí)別裝置，其中， 所述人工神經(jīng)元網(wǎng)絡(luò)分類器使用留一法進(jìn)行訓(xùn)練和測(cè)試。
10、 一種計(jì)算^L輔助識(shí)別系統(tǒng)，包括一個(gè)掃描裝置，用于對(duì)被纟企者的病變部位進(jìn)行掃描，并輸出所述病變部 位的掃描信號(hào)；至少 一個(gè)穴位檢測(cè)裝置，用于對(duì)被檢者的至少 一個(gè)穴位處的穴位信息進(jìn) 行檢測(cè)，并輸出所述至少一個(gè)穴位處的檢測(cè)信號(hào)；一個(gè)根據(jù)權(quán)利要求l、 3、 5、 7、 8或9所述的計(jì)算機(jī)輔助識(shí)別裝置，所 述計(jì)算機(jī)輔助識(shí)別裝置分別與所述掃描裝置和所述至少一個(gè)穴位檢測(cè)裝置相連。
11、 根據(jù)權(quán)利要求10所述的計(jì)算機(jī)輔助識(shí)別系統(tǒng)，其中， 所述掃描裝置為X光掃描裝置、超聲波掃描裝置、紅外線掃描裝置、CT掃描裝置或MRI掃描裝置。
12、 根據(jù)權(quán)利要求10或11所述的計(jì)算機(jī)輔助識(shí)別系統(tǒng)，其中，還包括，一個(gè)顯示裝置，與所述計(jì)算機(jī)輔助識(shí)別裝置相連，用于對(duì)所述病變部位 的掃描圖像和/或所述病變類型的分類結(jié)果進(jìn)行顯示。
全文摘要
本發(fā)明提供了一種計(jì)算機(jī)輔助識(shí)別裝置以及相應(yīng)的計(jì)算機(jī)輔助識(shí)別系統(tǒng)。所述裝置中包括一個(gè)掃描數(shù)據(jù)獲取模塊，用于接收被檢者的病變部位的掃描信號(hào)，并根據(jù)所述掃描信號(hào)獲取所述病變部位的掃描數(shù)據(jù)；一個(gè)掃描圖像生成模塊，用于根據(jù)所述掃描數(shù)據(jù)生成所述病變部位的掃描圖像；一個(gè)穴位信息獲取模塊，用于接收被檢者的至少一個(gè)穴位處的檢測(cè)信號(hào)，并根據(jù)所述檢測(cè)信號(hào)獲取所述至少一個(gè)穴位處的穴位信息；一個(gè)病變類型識(shí)別模塊，用于根據(jù)所述掃描圖像中的圖像信息以及所述至少一個(gè)穴位處的穴位信息識(shí)別所述病變部位的病變類型。由此可以將傳統(tǒng)中醫(yī)領(lǐng)域中的經(jīng)絡(luò)理論研究成果有效地應(yīng)用于現(xiàn)代的醫(yī)學(xué)影像技術(shù)之中，從而提高病變的正確診斷概率。
文檔編號(hào)G06F19/00GK101615224SQ20081013176
公開日2009年12月30日 申請(qǐng)日期2008年6月27日 優(yōu)先權(quán)日2008年6月27日
發(fā)明者徐元景, 黃海濱 申請(qǐng)人:西門子公司