[发明专利]乳腺MR影像智能诊断方法、装置及设备

权利要求书

1.一种乳腺MR影像智能评估装置，其特征在于，包括：

接收模块，用于接收输入图像；

确定模块，用于获取所述输入图像的属性信息，根据所述属性信息以及预设的筛选信息，确定用于评估的诊断图像；

分析模块，采用自动分析工具分析所述诊断图像，根据预设的输入条件，将评估结果输入到影像结构化报告中；其中，所述采用自动分析工具分析所述诊断图像，是指按照一个或者多个诊断类别，分别采用对应的所述自动分析工具进行评估，所述诊断类别包括：分割乳腺及胸壁、判断乳腺术后改变、乳房定位、判断腺体密度分类、肿块检出、伴随征象分类、预测相关临床数据；其中，所述肿块检出包括是否存在肿块、肿块位置、肿块大小；其中，所述自动分析工具包括：AI模型、影像组学模块和基于规则的程序；

其中，所述采用自动分析工具分析所述诊断图像包括，获取与所述诊断图像相关的可预测项的预测概率；所述预测项包括：远处淋巴结转移、Her2阳性、新辅助治疗疗效；其中，

所述按照一个或多个诊断类别，分别采用对应的自动分析工具进行评估，按照如下先后顺序依次对诊断图像进行分析：

S1：乳腺及胸壁分割的AI模型在所述诊断图像中进行乳腺及胸壁的分割，将每个分割区域的坐标进行标识，输出分割后的诊断图像；

S2：乳腺术后改变判断AI模型分析所述分割后的诊断图像，判断是否存在术后改变；

S2-1：若存在术后改变，则采用乳房定位AI模型和基于规则的程序进行乳房定位；采用基于规则的程序对乳房定位后的诊断图像进行腺体密度进行分类，输出腺体密度分类后的诊断图像；

S2-2：若不存在术后改变，则直接进入S3；

S3：肿块检出AI模型和基于规则的程序对分割后的诊断图像或腺体密度分类后的诊断图像进行分析，判断是否产生肿块，若存在肿块，则确定肿块位置和大小，输出标注后的诊断图像；

S4：采用预测相关临床数据的AI模型、影像组学模块和基于规则的程序，分析所述标注后的诊断图像，判断是否发生远处淋巴结转移、Her2阳性、新辅助治疗疗效，并预测发生概率；

报告生成模块，用于根据所述影像结构化报告的预设规则，生成乳腺MR报告。

2.根据权利要求1所述一种乳腺MR影像智能评估装置，其特征在于，所述分析模块还包括：

诊断模块，用于将自动分析工具获取的对应的评估信息和相对应诊断类别的既往评估信息比较，得到比较结果。

3.根据权利要求1所述的一种乳腺MR影像智能评估装置，其特征在于，根据所述评估结果，确定BI-RADS分类。

4.一种乳腺MR影像智能评估设备，其特征在于，包括：

处理器；

存储器，存储乳腺MR影像智能诊断程序，所述程序在被所述处理器读取后时执行如下操作：接收输入图像；获取所述输入图像的属性信息，根据所述属性信息以及预设的筛选信息，确定用于评估的诊断图像；采用自动分析工具分析所述诊断图像，根据预设的输入条件，将评估结果输入到影像结构化报告中；其中，所述采用自动分析工具分析所述诊断图像，是指按照一个或者多个诊断类别，分别采用对应的所述自动分析工具进行评估，所述诊断类别包括：分割乳腺及胸壁、判断乳腺术后改变、乳房定位、判断腺体密度分类、肿块检出、伴随征象分类、预测相关临床数据；其中，所述肿块检出包括是否存在肿块、肿块位置、肿块大小；其中，所述自动分析工具包括：AI模型、影像组学模块和基于规则的程序；其中，

所述按照一个或多个诊断类别，分别采用对应的自动化分析工具进行评估，按照如下先后顺序依次对诊断图像进行分析：

S1：乳腺及胸壁分割的AI模型在所述诊断图像中进行乳腺及胸壁的分割，将每个分割区域的坐标进行标识，输出分割后的诊断图像；

S2：乳腺术后改变判断AI模型分析所述分割后的诊断图像，判断是否存在术后改变；

S2-1：若存在术后改变，则采用乳房定位AI模型和基于规则的程序进行乳房定位；采用基于规则的程序对乳房定位后的诊断图像进行腺体密度进行分类，输出腺体密度分类后的诊断图像；

S2-2：若不存在术后改变，则直接进入S3；

S3：肿块检出AI模型和基于规则的程序对分割后的诊断图像或腺体密度分类后的诊断图像进行分析，判断是否产生肿块，若存在肿块，则确定肿块位置和大小，输出标注后的诊断图像；

S4：采用预测相关临床数据的AI模型、影像组学模块和基于规则的程序，分析所述标注后的诊断图像，判断是否发生远处淋巴结转移、Her2阳性、新辅助治疗疗效，并预测发生概率；

其中，所述采用自动分析工具分析所述诊断图像包括，获取与所述诊断图像相关的可预测项的预测概率；所述预测项包括：远处淋巴结转移、Her2阳性、新辅助治疗疗效；根据所述影像结构化报告的预设规则，生成乳腺MR报告。