(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 202211060947.2 (22)申请日 2022.08.30 (71)申请人 北京赛迈特锐医疗科技有限公司 地址 102206 北京市昌平区沙河镇昌平路 97号8幢B202 （昌平示范园） (72)发明人 王可欣　王霄英　岳新　王祥鹏　 (51)Int.Cl. G16H 30/20(2018.01) G16H 15/00(2018.01) G06T 7/12(2017.01) G06T 7/11(2017.01) G06T 7/00(2017.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 腹侧位X线片智能评估系统及方法 (57)摘要 本发明提供了一种腹侧位X线片智能评估系 统， 包括： 图像筛选模块接收患者的DICOM图像， 将符合预设条件的DICOM图像， 定义为第一图像； 分割数据获取模块将第一图像输入复数个深度 学习模型进行图像 分割， 分别得到相应的分割数 据； 深度学习模 型至少包括椎体及椎间隙分割模 型、 腹主动脉分割模型、 腹主动脉血管壁钙化分 割模型； 定位数据获取模块基于椎体及椎间隙分 割模型输 出的分割数据， 在第一图像上定位每个 椎体的位置， 并输出每个椎体的位置数据； 钙化 评估模块基于分割数据和位置数据， 确定腹主动 脉血管壁钙化评分， 在影像结构化报告中生成诊 断影像。 本发明还公开了一种腹侧位X线片智能 评估方法。 本发 明能够提升影像报告评价的准确 性和一致性， 提高了影像医生工作效率、 诊断质 量。 权利要求书2页 说明书6页 附图2页 CN 115359880 A 2022.11.18 CN 115359880 A 1.一种腹侧位X线片智能评估系统， 其特征在于， 该系统包括： 图像筛选模块、 分割数据 获取模块、 定位数据获取模块和钙化评估 模块， 其中， 所述图像筛选模块， 分别与所述定位数据获取模块、 所述分割数据获取模块相连， 用于 接收患者的DICOM图像， 将符合预设条件的所述DICOM图像， 定义 为第一图像； 所述分割数据获取模块， 分别与所述图像筛选模块、 所述定位数据获取模块、 所述钙化 评估模块相连， 用于将所述第一图像输入复数个深度学习模型进行图像分割， 分别得到相 应的分割数据； 所述深度学习模 型至少包括椎体及椎间隙分割模型、 腹主动脉分割模型、 腹 主动脉血管壁钙化分割模型； 所述定位数据获取模块， 分别与所述图像筛选模块、 所述分割数据获取模块、 所述钙化 评估模块相连， 用于基于所述椎体及椎间隙分割模型输出 的分割数据， 在所述第一图像上 定位每个椎体的位置， 并输出每 个椎体的位置数据； 所述钙化评估模块， 分别与所述定位数据获取模块、 所述分割数据获取模块相连， 用于 基于所述分割 数据和所述位置数据， 确定腹主动脉血管壁钙化评分， 并在影像结构化报告 中生成诊断影 像。 2.根据权利要求1所述的腹侧位X线片智能评估系统， 其特征在于， 所述椎体及椎间隙 分割模型、 所述腹主动脉分割模型、 所述腹主动脉血管壁钙化分割模 型依次连接， 后面的深 度学习模型使用前面的深度学习模型输出的分割数据。 3.根据权利要求1所述的腹侧位X线片智能评估系统， 其特征在于， 所述深度学习模型 为椎体及椎间隙分割模 型时， 输出的分割数据为L5椎体数据、 其他腰椎椎体数据、 L4 ‑5椎间 隙数据、 其 他腰椎椎体间隙数据。 4.根据权利要求3所述的腹侧位X线片智能评估系统， 其特征在于， 所述深度学习模型 为腹主动脉分割模 型时， 基于所述L5椎体数据、 所述其他腰椎椎体数据、 所述L4 ‑5椎间隙数 据、 所述其他腰椎椎体间隙数据， 输出的分割数据为腹主动脉区域数据。 5.根据权利要求4所述的腹侧位X线片智能评估系统， 其特征在于， 所述深度学习模型 为腹主动脉血管壁钙化分割模型时， 首先对所述第一图像进行边缘增强处理， 其次基于所 述腹主动脉区域数据， 输出的分割数据为腹主动脉 血管壁钙化区域数据。 6.根据权利要求5所述的腹侧位X线片智能评估系统， 其特征在于， 所述确定腹主动脉 血管壁钙化评分包括： 基于所述腹主动脉血管壁钙化区域数据及所述位置数据， 首先计算 每个椎体水平的钙化评分， 其次计算所述腹主动脉 血管壁钙化评分。 7.根据权利要求1所述的腹侧位X线片智能评估系统， 其特征在于， 该系统还包括腹透 管评估模块， 分别与所述图像筛选模块、 所述钙化评估模块相连， 用于在所述第一图像上分 割出腹透管， 输出腹透管区域数据， 基于所述腹透管区域数据， 判断腹透管位置是否正常， 将正常数据或异常数据返回到所述影 像结构化报告中。 8.一种腹侧位X线片智能评估方法， 其特 征在于， 包括： 接收患者的DICOM图像， 将符合预设条件的所述DICOM图像， 定义 为第一图像； 将所述第一图像输入复数个深度学习模型进行图像分割， 分别得到相应的分割数据； 所述深度学习模型至少包括椎体及椎间隙分割模型、 腹主动脉分割模型、 腹主动脉血管壁 钙化分割模型； 基于所述椎体及椎间 隙分割模型输出的分割数据， 在所述第 一图像上定位每个椎体的权　利　要　求　书 1/2 页 2 CN 115359880 A 2位置， 并输出每 个椎体的位置数据； 基于所述分割数据和所述位置数据， 确定腹主动脉血管壁钙化评分， 并在影像结构化 报告中生成诊断影 像。 9.根据权利要求8所述的腹侧位X线片智能评估方法， 其特征在于， 所述深度学习模型 还包括腹透管分割模型， 在所述第一图像上分割出腹透管， 输出腹透管区域数据。 10.根据权利要求9所述的腹侧位X线片智能评估方法， 其特征在于， 该方法还包括： 基 于所述腹透管区域数据， 判断腹透管位置是否正常， 将正常数据或异常数据返回到所述影 像结构化报告中。权　利　要　求　书 2/2 页 3 CN 115359880 A 3