[发明专利]一种基于诊断影像和机器学习的测量肺功能指标的方法

权利要求书

1.一种基于诊断影像和机器学习的测量肺功能指标的方法，步骤包括：

使用成像设备获取一组单时相的诊断用胸部影像或依次获取多组不同时相的诊断用胸部影像；对影像做分割，确定左肺和右肺区域；对肺部区域进一步做分割得到一组肺部感兴趣区；对感兴趣区状态做分类；对感兴趣区做三维重建；根据感兴趣区的结构和状态分类提取出一组特征；依据提取的特征计算肺功能指标。

2.权利要求1所述的诊断用胸部影像可以使用下列的一种或多种用于放疗的医学影像成像模式来获得：数字化摄影(DR)、电子计算机断层扫描(CT)、磁共振成像(MRI)、正电子发射断层成像(PET)、超声波或单光子发射计算体层摄影(SPECT)。

3.权利要求1所述的肺部感兴趣区包括：气管、支气管、肺泡囊和肺血管。

4.权利要求1所述的肺部感兴趣区的状态分类包括但不限于：正常和异常。

5.权利要求1所述的分割方法可以选择一种或多种方法组成，包括：连通区域分析方法、基于阈值的方法、边缘检测算法、水平集方法、主动轮廓方法以及基于机器学习模型做逐像素或体元分类的分割方法。

6.权利要求1所述的胸部区域状态分类方法是基于机器学习的方法，该方法以一幅影像的特征作为输入或将同一区域在呼吸过程不同时相下的特征组合起来作为输入。

7.权利要求1、5和6所述的基于机器学习模型的分割方法可以由一种或多种方法组成，包括：神经网络、支持向量机、随机森林方法、自适应增强算法(adaboost)和其他基于深度学习的方法。

8.权利要求7所述的基于深度学习的方法可以由一种或多种方法组成，包括：卷积神经网络方法、深度玻尔兹曼机方法、堆叠降噪自编码方法和深度信念网络方法。

9.权利要求1所述的肺功能指标包括：潮气量(VT)、吸气储备量(IRV)、呼气储备量(ERV)、残余量(RV)、总肺容量(TLC)、吸气容量(IC)、功能残余量(FRC)、肺活量(VC)、强迫肺活量(FVC)、1秒用力呼气量(FEV1)、用力呼气流量(FEF)、用力吸气流量(FIFS)和最大自主通气量(MVV)、肺弥散功能(DLCOSB)和肺泡动脉氧分压差(AADO2)。