(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210928830.5 (22)申请日 2022.08.03 (71)申请人 华中科技大 学同济医学院附属同济 医院 地址 430030 湖北省武汉市解 放大道1095 号 (72)发明人 刘争　曾明　陆翔　何超　朱珂璋　 (74)专利代理 机构 北京众达德权知识产权代理 有限公司 1 1570 专利代理师 刘杰 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/13(2017.01) G06T 7/136(2017.01)G06V 10/25(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) A61B 6/03(2006.01) (54)发明名称 一种慢性鼻窦炎分型方法、 装置、 设备及可 读存储介质 (57)摘要 本发明提供了一种慢 性鼻窦炎 分型方法、 装 置、 设备及可读存储介质， 所述方法包括： 获取多 位慢性鼻窦炎患者的临床治疗信息和治疗前的 头颅鼻窦CT图像； 对每张所述头颅鼻窦CT图像的 感兴趣区域进行勾画； 提取所述感兴趣区域和所 述临床治疗信息的特征， 分别对感兴趣区域的特 征和所述临床治疗信息的特征进行筛选， 得到筛 选后的特征； 基于每位所述慢 性鼻窦炎患者对应 的筛选后的特征、 特征值和慢性鼻窦炎类型标签 构建样本集， 利用所述样本集进行训练， 得到慢 性鼻窦炎分型模 型； 根据待预测的患者的临床治 疗信息和头颅鼻窦CT图像， 利用所述慢性鼻窦炎 分型模型进行预测， 得到分型结果。 本发明建立 了一种前瞻， 无创， 及时， 客观的慢性鼻窦炎分型 方法。 权利要求书3页 说明书9页 附图3页 CN 115131343 A 2022.09.30 CN 115131343 A 1.一种慢性鼻窦炎分型 方法， 其特 征在于， 包括： 获取多位慢性鼻窦炎患者的临床治疗信息和治疗前的头颅鼻窦CT图像； 对每张所述头颅鼻窦CT图像的感兴趣区域进行勾画， 得到感兴趣区域； 提取所述感兴趣区域和所述临床治疗信 息的特征， 分别对感兴趣区域的特征和所述临 床治疗信息的特 征进行筛 选， 得到筛选后的特 征； 基于每位所述慢性鼻窦炎患 者对应的筛选后的特征、 特征值和慢性鼻窦炎类型标签构 建样本集， 利用所述样本集对预测模型进行训练， 得到慢性鼻窦炎分型模型； 根据待预测的患 者的临床治疗信息和头颅鼻窦CT图像， 利用所述慢性鼻窦炎分型模型 进行预测， 得到待预测的患者的慢性鼻窦炎分型 结果。 2.根据权利要求1所述的慢性鼻窦炎分型方法， 其特征在于， 对每张所述头颅鼻窦CT图 像的感兴趣区域进行勾画， 得到感兴趣区域， 包括： 勾画所述头颅鼻窦CT图像 中的鼻窦区域和鼻腔区域的轮廓， 其中， 对双侧额窦区域， 用 阈值分割， 将骨质与软组织界限的灰度值做为图像分割阈值， 在额窦对应的横断位层面上 隔层勾画额窦边缘， 得到额窦区域； 对双侧上颌窦区域， 采用阈值分割 下的等值追踪算法， 将骨质与软组织界限的灰度值做为图像分割阈值， 隔层勾画上颌窦边缘， 得到上颌窦区域； 对双侧筛窦区域， 采用阈值分割 下的区域增长， 将骨质与软组织界限的灰度值做为图像分 割阈值， 设定增长点为筛窦内任意软 组织或空腔位点， 开始增长自动勾画出筛窦边缘， 得到 筛窦区域； 对蝶窦区域， 采用阈值分割， 将骨质与软组织界限的灰度值做为图像分割阈值， 在蝶窦对应的横断位层面上隔层勾画蝶窦边缘， 得到蝶窦区域； 对鼻腔区域， 采用阈值分 割， 将骨质与软组织界限的灰度值做为图像分割阈值， 在鼻腔对应的横断位层面上隔层勾 画鼻腔边 缘， 得到鼻腔区域； 将得到的所有区域采用中值平 滑算法构成连续完整的感兴趣区域。 3.根据权利要求1所述的慢性鼻窦炎分型方法， 其特征在于， 提取所述感兴趣区域和所 述临床治疗信息的特征， 分别对感兴趣区域的特征和所述临床治疗信息的特征进行筛选， 得到筛选后的特 征， 包括： 提取所述感兴趣区域的特征， 得到每张所述头颅鼻窦CT图像的影像组学特征， 对全部 的所述影 像组学特征进行筛 选， 得到筛选后的影 像组学特征； 将所述临床治疗信 息中的每一个信 息作为一个特征， 对临床治疗信 息中的特征进行筛 选， 得到筛选后的临床特 征。 4.根据权利要求3所述的慢性鼻窦炎分型方法， 其特征在于， 提取所述感兴趣区域的特 征， 得到每张所述头颅鼻窦CT图像的影像组学特征， 对全部的所述影像组学特征进 行筛选， 得到筛选后的影 像组学特征， 包括： 采用PyRadi omics包提取每一个所述感兴趣区域的特 征， 得到所述影 像组学特征； 获取每张头颅鼻窦CT图像对应的第一特征值和第二特征值， 其中， 所述第一特征值和 所述第二特征值分别为不同的医生对所述头颅鼻窦CT图像进 行感兴趣区域的勾画， 勾画后 提取得到的影像组学特征值； 将多张头颅鼻窦CT图像对应的影像组学特征、 第一特征值和 第二特征值特征输入组内相关系 数算法中， 得到每个所述影像组学特征对应的观察者间 ‑ 组内相关系数； 获取每张头颅鼻窦CT图像对应的第三特征值和第 四特征值， 其中， 所述第三特征值和权　利　要　求　书 1/3 页 2 CN 115131343 A 2所述第四特征值为同一位医生在不同时期对所述头颅鼻窦CT图像进 行感兴趣区域的勾画， 勾画后提取得到的影像组学特征值； 将多张头颅鼻窦CT图像对应的影像组学特征、 第三特 征值和第四特征值特征输入组内相关系数算法中， 得到每个所述影像组学特征对应的观察 者内‑组内相关系数； 对每个所述影像组学特征对应的观察者内 ‑组内相关系数和观察者间 ‑组内相关系数 进行分析， 若观察者内 ‑组内相关系数和观察者间 ‑组内相关系数均大于预设数值， 则将此 影像组学特征保留； 将保留的影像组学特征输入最大相关 ‑最小冗余算法中， 将最大相关 ‑最小冗余算法的 输出输入套索算法中， 所述套索算法的输出作为需要的影像组学特征， 在所述影像组学特 征中筛选出所述需要的影 像组学特征， 得到筛选后的影 像组学特征。 5.一种慢性鼻窦炎分型装置， 其特 征在于， 包括： 获取模块， 用于获取多位慢性鼻窦炎患者的临床治疗信息和治疗前的头颅鼻窦CT图 像； 勾画模块， 用于对每张所述头颅鼻窦CT图像的感兴趣区域进行勾画， 得到感兴趣区域； 筛选模块， 用于提取所述感兴趣区域和所述临床治疗信息的特征， 分别对感兴趣区域 的特征和所述临床治疗信息的特 征进行筛 选， 得到筛选后的特 征； 训练模块， 用于基于每位所述慢性鼻窦炎患者对应的筛选后的特征、 特征值和慢性鼻 窦炎类型标签构建样本集， 利用所述样本集对预测模型进行训练， 得到慢性鼻窦炎分型模 型； 预测模块， 用于根据待预测的患者的临床治疗信息和头颅鼻窦CT图像， 利用所述慢性 鼻窦炎分型模型进行 预测， 得到待预测的患者的慢性鼻窦炎分型 结果。 6.根据权利要求5所述的慢性鼻窦炎分型装置， 其特 征在于， 勾画模块， 包括： 勾画单元， 用于勾画所述头颅鼻窦CT图像 中的鼻窦区域和鼻腔区域的轮廓， 其中， 对双 侧额窦区域， 用阈值分割， 将骨质与软组织界限的灰度值做 为图像分割阈值， 在额窦对应的 横断位层面上隔层勾画 额窦边缘， 得到额窦区域； 对双侧上颌窦区域， 采用阈值分割下的等 值追踪算法， 将骨质与软组织界限的灰度值做为图像 分割阈值， 隔层勾画上颌窦边缘， 得到 上颌窦区域； 对双侧筛窦区域， 采用阈值分割下的区域增长， 将骨质与软组织界限的灰度值 做为图像分割阈值， 设定增长点为筛窦内任意软组织或空腔位点， 开始增长自动勾 画出筛 窦边缘， 得到筛窦区域； 对蝶窦区域， 采用阈值分割， 将骨质与软组织界限的灰度值做为图 像分割阈值， 在蝶窦对应的横断位层面上隔层勾 画蝶窦边缘， 得到蝶窦区域； 对鼻腔区域， 采用阈值分割， 将骨质与软组织界限的灰度值做为图像分割阈值， 在鼻腔对应的横断位层 面上隔层勾画鼻腔边 缘， 得到鼻腔区域； 构成单元， 用于将得到的所有区域采用中值平 滑算法构成连续完整的感兴趣区域。 7.根据权利要求5所述的慢性鼻窦炎分型装置， 其特 征在于， 筛 选模块， 包括： 第一筛选单元， 用于提取所述感兴趣区域的特征， 得到每张所述头颅鼻窦CT图像的影 像组学特征， 对全部的所述影 像组学特征进行筛 选， 得到筛选后的影 像组学特征； 第二筛选单元， 用于将所述临床治疗信息中的每一个信息作为一个特征， 对临床治疗 信息中的特 征进行筛 选， 得到筛选后的临床特 征。 8.根据权利要求7 所述的慢性鼻窦炎分型装置， 其特 征在于， 第一筛 选单元， 包括：权　利　要　求　书 2/3 页 3 CN 115131343 A 3