(19)中华 人民共和国 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 202111648452.7 (22)申请日 2021.12.3 0 (71)申请人 上海市嘉定区中心医院 地址 201800 上海市嘉定区嘉定镇城北路1 号 (72)发明人 梁凯轶　唐智贤　周慧　张铭　 孙彦茗　 (74)专利代理 机构 上海太优知识产权代理事务 所(普通合伙) 31352 代理人 周长兴 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/62(2017.01) G06T 5/40(2006.01) G16H 50/20(2018.01) (54)发明名称 气胸自动诊断及危机预警方法、 装置、 设备 及存储介质 (57)摘要 本申请实施例属于医学智能和人工智能技 术领域， 涉及一种气胸自动诊断及危机预警方 法， 方法包括： 获取肺部CT图像， 通过灰度直方图 均衡化处理所述肺部CT图像并获取所述肺部CT 图像的灰度值， 将所述肺部CT图像的灰度值基于 OSTU进行优化， 并计算得出肺实质区域的体积， 基于3D U‑net深度卷积网络识别所述肺部CT图 像中的气胸区域并分割出气胸区域 以及计算气 胸区域的体积， 根据所述肺实质区域的体积以及 所述气胸区域的体积确定气胸的占有比例。 实现 了对气胸区域的精准识别和分割。 本申请还提供 一种气胸自动诊断及危机预警装置、 设备及存储 介质。 此外， 本申请还涉及区块链技术， 气胸诊断 结果可存储于区块链中。 本申请 完成对气胸自动 诊断及危机预警。 权利要求书2页 说明书11页 附图4页 CN 114332023 A 2022.04.12 CN 114332023 A 1.一种气胸自动诊断及危机预警方法， 其特 征在于， 所述方法包括下述 步骤： 获取肺部 CT图像； 通过灰度直方图均衡化处 理所述肺部 CT图像并获取 所述肺部 CT图像的灰度值； 将所述肺部 CT图像的灰度值基于OST U进行优化， 并计算得 出肺实质区域的体积； 基于3D U‑net深度卷积网络识别所述肺部CT图像中的气胸区域并分割出气胸区域以 及计算气胸区域的体积； 根据所述肺实质区域的体积以及所述气胸区域的体积确定气胸的占有比例； 当达到预设数值时， 提供危机预警； 当未达到预设数值时， 提供保养方案 。 2.根据权利要求1所述的气胸自动诊断及危机预警方法， 其特征在于， 所述通过灰度直 方图均衡化处 理所述肺部 CT图像并获取 所述肺部 CT图像的灰度值的步骤 包括： 根据所述肺部 CT图像的概 率密度函数以及每 个肺部CT图像的像素强度进行关系映射； 获取所述肺部 CT图像的灰度值。 3.根据权利要求1所述的气胸自动诊断及危机预警方法， 其特征在于， 所述将所述肺部 CT图像的灰度值基于OST U进行优化， 并计算得 出肺实质区域的体积的步骤 包括： 根据所述肺部 CT图像的灰度值计算类间方差； 当所述类间方差最大时， 基于最大所述类间方差对应的最佳灰度值进行肺实质区域分 割； 基于形态学 滤波计算分割后的肺实质区域的体积。 4.根据权利要求3所述的气胸自动诊断及危机预警方法， 其特征在于， 肺部CT图像的灰 度值包括前景部 分与后景部 分， 所述根据所述肺部CT图像的灰度值计算类间方差的步骤包 括： 获取所述肺部CT图像的灰度值的前景部分的平均值以及后景部分的平均值、 前景部分 中的像素 数占总像素 数的比例、 背景部分中的像素 数占总像素 数的比例； 根据所述前景部分的平均值与所述后景部分的平均值的差的平方乘以所述前景部分 中的像素数占总像素数的比例以及所述背 景部分中的像素数占总像素数的比例， 计算结果 为类间方差 。 5.根据权利要求1所述的气胸自动诊断及危机预警方法， 其特征在于， 所述基于3D  U‑ net深度卷积网络识别所述肺部CT图像中的气胸区域并分割出气胸区域以及计算气胸区域 的体积的步骤 包括： 构建所述肺部 CT图像的3D  U‑net深度卷积网络； 根据3D U‑net深度卷积网络挖掘所述肺部CT图像的关键特征， 并由所述关键特征建立 网络模型； 识别网络模块中的气胸区域并分割气胸区域以及计算气胸区域体积。 6.根据权利要求5所述的气胸自动诊断及危机预警方法， 其特征在于， 所述构建所述肺 部CT图像的3D  U‑net深度卷积网络的步骤 包括： 建立编码路径， 其中， 编码路径的每一层包含两个卷积核大小为3 ×3×3的卷积层、 一 个ReLU激活层， 再 连接卷积核为2 ×2×2、 步长为2的池化层； 建立解码路劲， 其中， 解码路劲的每一层包含一个步长为2的2 ×2×2的反卷积层， 紧跟权　利　要　求　书 1/2 页 2 CN 114332023 A 2两个卷积核大小为3 ×3×3的卷积层， 后接一个ReLU激活层； 根据所述编码路径与所述 解码路径构建3D  U‑net深度卷积网络 。 7.根据权利要求6所述的气胸自动诊断及危机预警方法， 其特征在于， 所述根据3D  U‑ net深度卷积网络挖掘所述肺部CT图像的关键特征， 并由所述关键特征建立网络模型的步 骤具体包括： 挖掘所述编码路径中相同分辨 率的关键特 征； 将所述关键特 征传递到所述 解码路径中， 并输出二 值标签； 根据所述编码路径、 所述 解码路径以及所述 二值标签建立网络模型。 8.一种气胸自动诊断及危机预警装置， 其特 征在于， 所述装置包括： 获取模块， 获取肺部 CT图像； 图像处理模块， 通过灰度直方图均衡化处理所述肺部CT图像并获取所述肺部CT图像的 灰度值； 肺实质获取模块， 将所述肺部CT图像的灰度值基于OSTU进行优化， 并计算得出肺实质 区域的体积； 气胸区域获取模块， 基于3D  U‑net深度卷积网络识别所述肺部CT图像中的气胸区域并 分割出气胸区域以及计算气胸区域的体积； 判断模块， 根据所述肺实质区域的体积以及所述气胸区域的体积确定气胸的占有比 例， 当达到预设数值时， 提供危机预警； 当未达 到预设数值时， 提供保养方案 。 9.一种计算机设备， 其特征在于， 包括存储器和处理器， 所述存储器中存储有计算机可 读指令， 所述处理器执行所述计算机可读指 令时实现如权利要求 1至7中任一项 所述的气胸 自动诊断及危机预警方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 可读指令， 所述计算机可读指 令被处理器执行时实现如权利要求 1至7中任一项 所述的气胸 自动诊断及危机预警方法的步骤。权　利　要　求　书 2/2 页 3 CN 114332023 A 3