技术摘要：
本发明公开了一种针对肺炎的CT影像评分方法、装置及设备。主要构思是利用计算机图像处理技术对CT影像采用两种模式进行打分，一种是由识别出的病灶与肺叶区域打分，另一种是基于CT数值提取的图像特征，由模型预测得分。本发明并不单单依赖唯一种打分结果，而是综合两种  全部
背景技术：
CT影像诊断结果作为临床诊断标准之一，在将患者、疑似患者确诊为临床诊断病 例时，由CT提示出的肺炎影像学特征是重要的参考因素，尤其当下，肺部影像学在新冠肺炎 诊断、治疗中起到了关键作用。 对不同患者按照疾病的轻重程度会进行分级诊疗，因此，需要基于CT影像学对患 者进行轻重程度的定量评分。例如2020年2月13日《Radiology》期刊中记载，针对2019年新 型冠状病毒肺炎(COVID-19)患者恢复期间胸部CT的实时变化，定义了一种“视觉评分规 则”，即根据可视的病灶面积占肺部面积的比例进行评分。 在当前诊治新冠肺炎的严峻阶段，影像数据庞大且复杂，即便采用上述定量评分， 也多是直接在原始CT影片上依赖医生的个人专业知识和经验进行人眼观察、主观打分，因 此，该评分方式凸显出标准结论不一、精确度不高、效率低下、费时费力等弊端，并直接影响 到对肺炎患者的分级诊疗的实施。
技术实现要素：
鉴于上述，本发明旨在提供一种针对肺炎的CT影像评分方法、装置及设备，并相应 地提出一种计算机可读存储介质以及计算机程序产品，通过上述各方面，能够自动且有效 提升肺炎CT影像评分的效率和精度。 本发明采用的技术方案如下： 第一方面，本发明提供了一种针对肺炎的CT影像评分方法，包括： 从输入的CT影像中分割出各肺叶区域以及若干病灶区域； 根据所述病灶区域以及所述肺叶区域，计算所述CT影像的第一得分； 基于预设的CT数值，从所述CT影像中提取图像特征； 根据所述图像特征以及预先训练的评分模型，预测所述CT影像的第二得分； 融合所述第一得分以及所述第二得分，确定所述CT影像的最终得分。 在其中一种可能的实现方式中，所述根据所述病灶区域以及所述肺叶区域，计算 所述CT影像的第一得分包括： 建立所述病灶区域与各所述肺叶区域的对应关系； 基于所述对应关系，求取各肺叶中病灶相对肺叶的占比值； 根据所述占比值，得到各肺叶的量化得分； 融合各肺叶的所述量化得分，得到所述CT影像的第一得分。 在其中一种可能的实现方式中，所述基于预设的CT数值，从所述CT影像中提取图 像特征包括：根据预设的肺部病变组织的密度值区间，提取所述CT影像的直方图特征。 4 CN 111598853 A 说　明　书 2/9 页 在其中一种可能的实现方式中，所述评分模型包括基于所述直方图特征训练的多 层感知器。 在其中一种可能的实现方式中，所述融合所述第一得分以及所述第二得分，确定 所述CT影像的最终得分包括：基于所述第二得分与预设分数阈值的关系，由所述第一得分 和/或第二得分确定所述最终得分。 在其中一种可能的实现方式中，所述基于所述第二得分与预设分数阈值的关系， 由所述第一得分和/或第二得分确定所述最终得分包括： 当所述第二得分大于等于预设的分数上限值时，以所述第二得分作为所述最终得 分； 当所述第二得分小于等于预设的分数下限值时，以所述第一得分作为所述最终得 分； 当所述第二得分介于所述分数上限值以及所述分数下限值之间时，根据所述第一 得分与所述第二得分的接近程度，由所述第一得分和/或第二得分得到所述最终得分。 在其中一种可能的实现方式中，所述从输入的CT影像中分割出各肺叶区域包括： 从输入的CT影像中分割出包含完整肺部的初始图像； 对所述初始图像去噪处理，得到肺部区域； 从所述肺部区域中分割出各所述肺叶区域。 在其中一种可能的实现方式中，从输入的CT影像中分割出若干病灶区域包括： 从所述CT影像中或从所述初始图像中或从所述肺部区域中，分割出所述病灶区 域。 第二方面，本发明提供了一种针对肺炎的CT影像评分装置，包括： 图像分割模块，用于从输入的CT影像中分割出各肺叶区域以及若干病灶区域； 量化打分模块，用于根据所述病灶区域以及所述肺叶区域，计算所述CT影像的第 一得分； 特征提取模块，用于基于预设的CT数值，从所述CT影像中提取图像特征； 预测打分模块，用于根据所述图像特征以及预先训练的评分模型，预测所述CT影 像的第二得分； 最终打分模块，用于融合所述第一得分以及所述第二得分，确定所述CT影像的最 终得分。 在其中一种可能的实现方式中，所述量化打分模块包括： 病灶肺叶匹配单元，用于建立所述病灶区域与各所述肺叶区域的对应关系； 病灶占比计算单元，用于基于所述对应关系，求取各肺叶中病灶相对肺叶的占比 值； 肺叶打分单元，用于根据所述占比值，得到各肺叶的量化得分； 整肺打分单元，用于融合各肺叶的所述量化得分，得到所述CT影像的第一得分。 在其中一种可能的实现方式中，所述特征提取模块包括：直方图特诊提取单元，用 于根据预设的肺部病变组织的密度值区间，提取所述CT影像的直方图特征。 在其中一种可能的实现方式中，所述评分模型包括基于所述直方图特征训练的多 层感知器。 5 CN 111598853 A 说　明　书 3/9 页 在其中一种可能的实现方式中，所述最终打分模块包括：分值比较子模块，用于基 于所述第二得分与预设分数阈值的关系，由所述第一得分和/或第二得分确定所述最终得 分。 在其中一种可能的实现方式中，所述分值比较子模块具体包括： 第一比较打分单元，用于当所述第二得分大于等于预设的分数上限值时，以所述 第二得分作为所述最终得分； 第二比较打分单元，用于当所述第二得分小于等于预设的分数下限值时，以所述 第一得分作为所述最终得分； 第三比较打分单元，用于当所述第二得分介于所述分数上限值以及所述分数下限 值之间时，根据所述第一得分与所述第二得分的接近程度，由所述第一得分和/或第二得分 得到所述最终得分。 在其中一种可能的实现方式中，所述图像分割模块包括： 肺部分割单元，用于从输入的CT影像中分割出包含完整肺部的初始图像； 图像裁剪单元，用于对所述初始图像去噪处理，得到肺部区域； 肺叶分割单元，用于从所述肺部区域中分割出各所述肺叶区域。 在其中一种可能的实现方式中，所述图像分割模块还包括： 病灶分割单元，用于从所述CT影像中或从所述初始图像中或从所述肺部区域中， 分割出所述病灶区域。 第三方面，本发明提供了一种CT影像评分设备，包括： 一个或多个处理器、存储器以及一个或多个计算机程序，所述存储器可以采用非 易失性存储介质，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多 个计算机程序包括指令，当所述指令被所述设备执行时，使得所述设备执行如第一方面或 者第一方面的任一可能实现方式中的所述方法。 第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质中存 储有计算机程序，当其在计算机上运行时，使得计算机执行如第一方面或者第一方面的任 一可能实现方式中的所述方法。 第五方面，本发明还提供了一种计算机程序产品，当所述计算机程序产品被计算 机执行时，用于执行第一方面或者第一方面的任一可能实现方式中的所述方法。 在第五方面的一种可能的设计中，该产品涉及到的相关程序可以全部或者部分存 储在与处理器封装在一起的存储器上，也可以部分或者全部存储在不与处理器封装在一起 的存储介质上。 本发明的构思在于由计算机图像处理技术对CT影像采用两种打分模式，一种是基 于图像分割技术由识别出的病灶与肺叶关系打出的量化得分，另一种是基于CT数值的图像 特征，由模型预测出的得分，由于二者各有利弊，因而本发明并不单单依赖唯一种打分结 果，而是综合两种模式给出的判断，得到相互取长补短、更为精确可靠的评分结果。本发明 的实施可以迅速地对患者肺炎程度进行高效精准的评分，尤其针对当前流行的新冠肺炎， 由于属于新发现的疾病，因而数据规模及分布有限，单一依靠某一打分思路，必然会导致打 分结果不准确的问题，而采用本发明提供的上述解决方案，可以有效规避新发疾病的数据 偏差缺陷，使得最终评分结果更为合理、可靠，并进而能够协助医生高效地采取对应的分级 6 CN 111598853 A 说　明　书 4/9 页 诊疗手段。 附图说明 为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一 步描述，其中： 图1为本发明提供的针对肺炎的CT影像评分方法的实施例的流程图； 图2为本发明提供的分割肺叶区域的实施例的流程图； 图3为本发明提供的求取第一得分的实施例的流程图； 图4为本发明提供的针对肺炎的CT影像评分装置的实施例的方框图。