CN119417748A 一种肺部ct的病变与相关因素关联分析方法 （科大讯飞华南人工智能研究院（广州）有限公司）

一种肺部CT的病变与相关因素关联分析方法本申请提供一种肺部CT的病变与相关因素建的CT图像进行微血管结构增强，提取血管特微血管增强后的图像进行小叶间隔和细支气管行精确定位，为早期肺癌筛查提供辅助诊断信2根据患者血糖水平波动数据建立动态补偿模型，通过实时监测血糖值调整CT扫描参针对校正后的原始图像数据进行多尺度分解，采用小波变换对增强后的多尺度图像进行重建，结合先验知识约束，通过引入基于解剖结构对初步重建的CT图像进行微血管结构增强，提取血管特征，对微血管增强后的图像进行小叶间隔和细支气管壁的精细分割，通对分割得到的肺部精细结构进行定量分析，计算小叶间隔厚度、细支气对整个肺部区域进行异常检测，提取正常和异常组织的表根据历史血糖数据与CT图像质量的关系建立动态补偿模型，得获取患者实时血糖值，根据所述映射函数计算出当前血糖水平对应的最优CT扫描参接收到CT扫描指令后，对扫描原始数据进行预处理，包括根据对比补偿前后的CT图像，通过信噪比、对比度噪声比和空间分辨率指3.根据权利要求1所述的方法，其中，所述针对校正后的原始图像数据进行多尺度分获取校正后的原始图像数据，对所述原始图像数据进行离根据所述高频细节系数，设置自适应阈值函数，其中所述自适所述Sigmoid函数的参数由图像整体亮度分布利用逆小波变换将处理后的所述低频近似系数和所述高频细节系数重构为增强后的3构建包括数据保真项、总变差正则化项和基于标函数基于总变差最小化原则；获取预先训练的U－Net卷积神经网络中的解剖结构先验知识，根采用所述结构导向的边缘保持滤波器对所述初步重建图像进行自适应滤波处获取微血管增强后的CT图像，根据CT图像通过对比度受限的对所述第一图像进行处理，得到第二图像，其中所述双边滤波的空构建U－Net卷积神经网络模型，所述U－Net卷积神经对所述第二图像应用所述U－Net卷积神经网络模型，得到初步分割结果构建条件随机场模型，所述条件随机场模型包括4对所述优化后的分割掩模应用所述条件随机场模型，得到最终分割结果7.根据权利要求1所述的方法，其中，所述针对分割得到的肺部精细结构进行定量分提取小叶间隔结构中的骨架，计算骨架上每个点到边缘的最短距离，得对细支气管结构进行形态学膨胀和腐蚀操作，提取气管壁区域，计算采用Z－score方法计算待检测案例与正常参考值的偏差程度，Z－score＝(x-μ)/σ,接收肺部CT图像并对肺部CT图像进行预处理，从所述预处理后的肺根据所述多尺度特征通过Transformer自注意力机制对不同空间位置的特征进行加权若所述特征对为正常－异常对，则最大化特征对之间的距离将对比学习得到的特征输入至多实例学习框架，所述多实例学习框架对所述高异常度区域进行精细定位，采用形态学运算与区域生5[0001]本发明涉及信息技术领域，尤其涉及一种肺部CT的病变与相关因素关联分析方[0005]针对校正后的原始图像数据进行多尺度分解，采用小波6萄糖传感器，每5分钟采集一次数据，数据通过蓝牙传输至CT扫描仪。当检测到血糖值为7现全频段的自适应增强。利用逆小波变换将处理后的低频和高频系数重构为增强后的图8LL4子带的局部方差σLL42＝1000，估计的噪声方差σn2＝20，则LL4的权重系数wLL4＝1000/数形式为其中A为系统矩阵，描述了图39λ3是Hessian矩阵的特解得到主方向向量v1和各向异性度λ1-λ2/λ1。根据主方向和vesselness值，构建自适应各[0044]对小叶间隔结构采用Zhang－Suen细化算法处理，通过欧氏距离变换算法计算骨度的Z－score大于第一预设阈值，则判断为间质性改变；若细支气管壁面积百分比的Z-距离变换算法计算骨架上每个点到边缘的最短距离，将该距离的两倍作为小叶间隔厚度，厚度和细支气管壁面积百分比数据，使用Shapiro－Wilk检验确保数据呈正态分布。采用Z－score方法计算待检测案例与正常参考值的偏差程度，Z－score距离值乘2得到厚度，应用核密度估计(带宽0.1mm)获得厚度分布，计算得到平均厚度尺度特征；根据多尺度特征通过Transformer自注意力机制对不同空间位置的特征进行加形态学运算与区域生长算法提取可疑病灶轮样100个正常patch和100个异常patch，构建