一种关于儿童膀胱输尿管反流深度学习预测系统,涉及图像处理领域,其包括:图像获取单元,用于获取患儿的二巯基丁二酸肾脏静态图像;图像处理单元,对图像进行感兴趣区域划分,并进行预处理;预测模型,经训练可通过获取图像处理单元处理后的肾脏图像并输出分类结果,所述预测模型包括:图像块特征嵌入模块;若干层特征提取模块,通过分层的窗口多头自注意力机制进行局部特征的捕捉,且每个基本层之间插入图像块合并层,对特征图进行下采样;特征融合层,将各层的捕捉的特征融合并输出分类结果。本技术能够有效地捕捉医学影像中的局部和全局特征,实现了医学影像数据的有效利用,提升了辅助诊断的效果。
背景技术
膀胱输尿管反流(Vesicoureteral Reflux,VUR)是儿童期常见的泌尿系统疾病之一。膀胱输尿管反流的诊断中,二巯基丁二酸(Dimercaptosuccinic acid,DMSA)肾脏静态扫描是一种关键的辅助工具。作为一种功能性影像学检查,二巯基丁二酸肾脏静态扫描能够有效评估肾脏因膀胱输尿管反流引发的感染或瘢痕形成,帮助临床医生了解肾脏受损的程度及其可能的原因。对于潜在膀胱输尿管反流的患者,二巯基丁二酸肾脏静态扫描的结果可为是否进一步进行排尿性膀胱尿道造影(Voiding Cystourethrography, VCUG)检查提供重要依据。当二巯基丁二酸肾脏静态扫描显示肾脏存在显著的损伤或瘢痕时,这可能提示较严重的膀胱输尿管反流,从而促使医生建议进行排尿性膀胱尿道造影以确诊尿液反流的存在及其严重程度,为后续治疗决策提供更具体的指导。
然而,尽管二巯基丁二酸肾脏静态扫描在评估和监测膀胱输尿管反流相关的肾损伤方面具有重要价值,但它并非膀胱输尿管反流的金标准。二巯基丁二酸肾脏静态扫描无法直接显示尿液的反流过程,其诊断价值主要体现在间接提示可能存在的膀胱输尿管反流。因此,对于早期膀胱输尿管反流或未导致明显肾损伤的病例,其灵敏度和诊断价值有限。此外,二巯基丁二酸肾脏静态扫描的特异性较低,可能误将其他非膀胱输尿管反流因素导致的肾脏异常误认为膀胱输尿管反流引起的损伤,从而可能引发不必要的进一步检查或治疗。
因此,在膀胱输尿管反流的诊断和管理中,二巯基丁二酸肾脏静态扫描应被视为一种评估工具,而非单一诊断手段。结合患者的病史、临床表现、尤其是判断膀胱输尿管反流的金标准的尿性膀胱尿道造影(Voiding Cystourethrography, VCUG)检查的结果,才能更全面、准确地评估膀胱输尿管反流的存在及其对肾脏的影响,从而制定最优的治疗策略。
如中国专利CN115762753A公开了一种深度学习对膀胱输尿管返流自动分级的方法,此方法基于排尿性膀胱尿道造影图像,利用集成深度学习模型对膀胱输尿管反流的严重程度进行自动分级。通过高年资医生标注的数据集进行训练,采用投票法对不同深度学习模型的预测结果进行整合,形成最终分级标签。模型预处理包括对图像的裁剪、标准化和数据增强操作。最终模型构建基于残差网络(Residual Network,ResNet)架构,能够同时处理单侧和双侧返流的分级。
依赖排尿性膀胱尿道造影的侵入性检查:该方法基于排尿性膀胱尿道造影图像进行反流分级,虽然能够提供高准确度的分级结果,但由于排尿性膀胱尿道造影检查具有放射性并对患者存在侵入性,不适合频繁使用,尤其是对儿童患者而言,不够安全。此外,排尿性膀胱尿道造影检查被广泛认为是判断膀胱输尿管反流的金标准,其诊断一致性较高,即使是不同的医生针对同一张排尿性膀胱尿道造影图像得出也是一致的判断。因此,该方法引入深度学习技术基于排尿性膀胱尿道造影图像进行膀胱输尿管反流等级的诊断,提升诊断实用性的空间非常有限,因而对实际临床工作的辅助价值显得不足。
实现思路