Аппаратно-программный комплекс поддержки принятия врачебных решений Российский патент 2024 года по МПК G16H30/20 G16H50/20 

ОБЛАСТЬ ИЗОБРЕТЕНИЯ

Настоящее изобретение относится к аппаратно-программному комплексу поддержки принятия врачебных решений с применением модели искусственного интеллекта на базе специализированного ядра российского производства, предназначенный для анализа снимков компьютерной топографии (КТ-снимков).

УРОВЕНЬ ТЕХНИКИ

Коронавирусная болезнь 2019 года (COVID-19), инфекционное заболевание, которое привело к глобальной пандемией и самой актуальной угрозой, стоящей перед человечеством.

В связи с этим становиться актуальной проблема ранней и точной диагностики наличия заболевания COVID. Наиболее оперативным методом выявления данного заболевания, является компьютерная томография (КТ) легких. Лучевые методы, не являясь основными в диагностике коронавирусной инфекции, стали наиболее информативными для выявления наличия и выраженности изменений в легких.

Следовательно, на сегодняшний момент остро стоит вопрос в разработке технических средств для анализа КТ-снимков, с целью выявления патологий после поражения легких COVID-19, которые оказывают существенное влияние на лечение осложнений или на постановку альтернативного диагноза.

В уровне техники известен источник информации CN 112633404 А, раскрывающий устройство классификации КТ-изображений на основе DenseNet для пациентов с COVID-19, которое включает в себя блок хранения данных, блок предварительной обработки данных, блок выделения признаков, блок получения результатов классификации, блок получения карты активации, блок дисплея и блок управления. Данное устройство обрабатывает КТ-снимки и отображает значение предсказания вероятности классификации и область патологии «матовое стекла», чтобы помочь врачу в постановке диагноза.

Недостатком данного устройства является отсутствие постановки более точного диагноза, в частности, не возможность определения таких патологий, вызванных коронавирусной инфекцией, как: консолидация, плевральный выпот, а также отсутствие работы устройства на базе ядра российского производства. Кроме того, в данном решении окончательный диагноз устанавливает врач, в то время как устройство классификации предсказывает лишь вероятность наличия патологии.

В уровне техники известен источник информации US 2022/0059221 А1, раскрывающий устройство, работающее на базе нейронных сетей, которое обрабатывает КТ-снимки с целью определения необходимости назначения кислородной терапии. Недостатком данного устройства является отсутствие выявления таких патологий, вызванных коронавирусной инфекцией, как: консолидация, плевральный выпот, а также отсутствие работы устройства на базе ядра российского производства.

Таким образом, задачей настоящего изобретения является разработка технического средства, работающего на базе ядра российского производства, которое своевременно выявляет патологии, вызванные различными заболеваниями, в частности, COVID, тем самым сокращая время приема пациента, что обеспечивает высококвалифицированной медицинской помощью и современной диагностикой удаленных кабинетов приема пациентов, в которых медицинский персонал не имеет необходимой экспертной квалификации для анализа результатов КТ.

Техническим результатом, достигаемым заявленным решением, является исключение ошибок, связанных с человеческим фактором, которые могут возникнуть постановки диагноза.

Дополнительным техническим результатом является повышение точности обработки КТ-снимков для своевременного определения патологий.

Еще в качестве дополнительного технического результата следует рассматривать создание аппаратно-программного комплекса, работающего на базе ядра российского производства, которое своевременно выявляет патологии, вызванные различными заболеваниями.

РАСКРЫТИЕ ИЗОБРЕТЕНИЯ

Поставленная цель, требуемый и получаемый при использовании изобретения технический результат достигаются тем, что аппаратно-программный комплекс диагностики патологий легких содержит взаимосвязанные между собой память, устройство обработки, блок связи для взаимодействия с внешними база данных и медицинскими системами, модуль сервиса, содержащий: модуль конфигурации и утилит, модуль предобработки, модуль логического вывода, модуль сопряжения, модуль детекции, причем:

модуль сервиса, который при приеме запроса на обработку КТ-снимка для диагностики патологий легких, инициирует работу модуля конфигурации и утилит и отправляет ему КТ-снимок пациента;

модуль конфигурации и утилит, соединенный с модулем преобработки и модулем сопряжения со специализированным ядром, осуществляет подготовку входных и выходных данных КТ для передачи в модуль предобработки и подготавливает файл для конфигурирования моделей нейронной сети для отправки в модуль сопряжения;

модуль предобработки ограничивает значение массива данных диапазоном значений [-1024; 800], масштабирует его в диапазоне [0;1], формирует бинарные маски для трех патологий и отправляет полученные данные в модуль логического вывода;

модуль логического вывода сегментирует КТ-снимка, посредством нейронной сети, расположенной в модуле сопряжения со специализированным ядром и отправляет полученные данные в месте с тремя бинарными масками в модуль детекции;

модуль детекции совмещает исходный КТ-снимок, полученный от модуля логического вывода с тремя масками, раскрашивая изображение с выделением областей патологий и формируя массив данных для отображения медицинскому работнику или для отправки во внешнюю медицинскую систему.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

Сущность изобретения поясняется чертежами.

На фиг.1 представлена схема архитектуры аппаратно-программного комплекса.

ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ

Настоящее изобретение обеспечивает аппаратно-программный комплекс поддержки принятия врачебных решений с применением модели искусственного интеллекта на базе специализированного ядра российского производства.

Данный комплекс обеспечивает определение наличия или отсутствия у пациента признаков таких патологий, вызванных COVID, как: матовое стекло; зона консолидации; плевральный выпот.

Аппаратно-программный комплекс развернут на рабочем месте в эксплуатирующей организации и подключен сети Интернет, для обмена информацией с внешними медицинскими системами и сторонними базами данных посредством технологии REST-API, а также подключен к сети электропитания для работы в круглосуточном режиме.

Аппаратно-программный комплекс содержит взаимосвязанные между собой память, устройство обработки, блок связи для взаимодействия с внешними база данных и медицинскими системами, модуль сервиса, содержащий: модуль конфигурации и утилит, модуль предобработки, модуль логического вывода, модуль сопряжения, модуль детекции.

В одном из вариантов реализации каждый из модуля конфигурации и утилит, модуля предобработки, модуля логического вывода, модуля сопряжения, модуля классификации и детекции представляет собой компьютерную программу, каждая из которых расположена в отдельной ячейке памяти и реализуема устройством обработки при обращении его к соответствующей ячейке.

В другом варианте реализации каждый модуль конфигурации и утилит, модуль предобработки, модуль логического вывода, модуль сопряжения, модуль классификации и детекции представляет собой арифметико-логическое устройство.

Аппаратно-программный комплекс работает на базе ядра российского производства

При поступлении пациента в медицинское учреждение (например, больницу) происходит сбор клинических данных, таких как: пол, возраст, анализ крови, КТ-снимки и т.д., которые сохраняются в базе данных.

Модуль сервиса аппаратно-программного комплекса, подключенного к базе данных посредством сети Интернет, инициализирует запрос в базу данных, для получения КТ-снимка пациента.

В другом варианте изобретения аппаратно-программный комплекс получает КТ-снимки от устройства компьютерной томографии, к которому он подключен по сети.

В другом варианте изобретения аппаратно-программный комплекс получает КТ-снимки от внешних медицинских систем по назначенному порту посредством сервиса REST-API.

Модуль сервиса предназначен для организации приема запросов и передачи ответов внешним информационным системам и дополнительно выполняет следующие функции:

- запускает процесс прослушивания порта входных данных;

- обрабатывает запросы;

- инициализирует и протоколирует работу входящих в него модулей с целью последующего выявления ошибок в их работе.

При приеме запроса на обработку КТ-снимка, модуль сервиса инициирует работу модуля конфигурации и утилит отправляет ему КТ-снимок пациента.

Модуль конфигурации и утилит предназначен для подготовки входных и выходных данных КТ для передачи, а также для конфигурирования моделей нейронной сети.

Подготовленные модулем конфигурации и утилит данные КТ в виде изображения DICOM передаются в модуль предобработки результатов КТ, параллельно с этим конфигурационный файл в формате JSON, содержащий: name - имя модели КТ (нейронной сети); width - ширина входного изображения; height - высота входного изображения; num_threads - количество используемых потоков процессора; backend - библиотека исполнения модели КТ (нейронной сети), может принимать значения tensorflow или cuda, передается в модуль сопряжения со специализированным ядром, входящий в состав модуля логического вывода.

Модуль предобработки реализует двухэтапный алгоритм обработки.

Первый из них представляет собой этап предобработки для получения интервалов значений коэффициента ослабления, выражаемого в единицах Хаунсфилда для каждого класса патологий (матовое стекло, зона консолидация, плевральный выпот) [μ 1.5*σ; μ+1.5*σ],где:

μ - математическое ожидания значений шкалы Хаунсфилда (1) для вокселей каждого класса патологий по всему обучающему набору данных, определенное по формуле

где x_i - значение шкалы Хаунсфилда для i-ого вокселя; N - количество вокселей, принадлежащих данному классу патологий, во всем наборе данных; j=[1,N];

σ - среднеквадратическое отклонение значений шкалы Хаунсфилда (2) для вокселей каждого класса патологий по всему обучающему набору данных:

- D дисперсия значений шкалы Хаунсфилда (3) для вокселей каждого класса патологий по всему обучающему набору данных:

где x_i - значение шкалы Хаунсфилда для i-oro вокселя; N - количество вокселей, принадлежащих данному классу патологий, во всем наборе данных; j=[1,N];

На втором осуществляют формирование бинарной маски для каждой из трех патологий - массива равного по размеру слайсу КТ (512x512x1), нормализацию массива данных КТ и конкатенацию.

1. Формирование бинарной маски для каждой из трех патологий - массива равного по размеру слайсу КТ (512x512x1).

Для этого определяют значение яркости пикселей на каждом слайсе и сравнивают с определенными на первом этапе интервалами.

Если значение яркости соответствующего пикселя в слайсе КТ попадает в диапазон сформированного ранее для данной патологии интервала, то элементу нового массива присваивается значение 1, если значение яркости соответствующего пикселя в слайсе КТ не попадает в диапазон сформированного ранее для данной патологии интервала, то элементу нового массива присваивается значение 0.

В результате получается три бинарных маски: бинарная маска, состоящая из 0 и 1, для патологии матовое стекло; бинарная маска, состоящая из 0 и 1, для патологии зона консолидация; бинарная маска, состоящая из 0 и 1, для патологии плевральный выпот.

2. Нормализация массива данных КТ (воксели в случая 3D, пиксели в случае 2D).

Значения необработанных данных КТ-снимков выражены в единицах Хаунсфилда (HU), что означает, что они линейно нормализованы на основе коэффициентов ослабления рентгеновских лучей в воде и воздухе. Однако единица HU неоптимальна для КТ легких, поскольку средние значения КТ легких варьируются в разных наборах данных. На основе справочной информации о физической природе шкалы Хаунсфилда, назначаются интервалы области, в которой могут находиться интересующие ткани [-1024; 800].

На основе данного интервала происходит нормализация массива данных, содержащего данные КТ по каждой патологии:

если значение массива данных меньше значения нижней границы, то ему присваивается значение -1024; если значение массива данных КТ больше верхней границы, то ему присваивается 800.

Далее к каждому элементу прибавляется 1024 и производится деление на 1824 чтобы привести значение всех элементов в диапазон [0;1].

3. Конкатенация.

Полученный массив данных КТ в диапазоне [0;1] с размером 512x512x1 и три полученные бинарные маски с размером 512x512x1 каждая конкатенируются вдоль последней (третьей) оси:

бинарная маска патологии №1 размером [512x512x1] + бинарная маска патологии №2 размером [512x512x1] + бинарная маска патологии №3 размером [512x512x1] + КТ-изображение размером [512x512x1] = массив размером [512x512x4]

Полученные значения всех элементов КТ-снимков в диапазоне [0;1] и бинарные маски по трем патологиям (матовое стекло, зона консолидация, плевральный выпот) передаются в модуль логического вывода, в котором происходит сегментация КТ-снимка, посредством обучения нейронной сети, информация о конфигурации которой расположена в модуле сопряжения со специализированным ядром.

Модуль сопряжения со специализированным ядром организует взаимодействие с ядром российского производства и выполняет следующие функции:

инициализирует модель КТ следующими данными: количество используемых потоков процессора; имя модели КТ; используемая библиотека исполнения модели;

подает входной тензор на вход модели КТ;

возвращает массив масок по каждому из признаков заболеваний в модуль детекции.

Модуль сопряжения реализуется в качестве движка выполнения модели нейронной сети на ядре российского производства, использует функционал библиотеки, поставляемой вместе с ядром.

Модуль детекции совмещает нормализованный КТ-снимок, полученный от модуля логического вывода с тремя бинарными масками, таким образом, раскрашивая изображение (КТ-снимок) с выделением областей патологий, формируя массив данных для отображения медицинскому работники или для отправки во внешнюю медицинскую систему. Массив данных (ответ) содержит финальное изображение в формате DICOM. В случае ошибки обработки запроса ответ содержит: код класса ошибок; описание класса ошибок, для соответствующего кода ошибки; расширенное описание ошибки, который протоколируется модулем сервиса.

Как следует из описания заявленного изобретения, предложенный аппаратно-программный комплекс обеспечивает достижение заявленного технического результата, а именно обеспечивает увеличение точности обработки данных КТ-снимок посредством одновременного определения трех патологий, вызванных коронавирусной инфекцией: матовое стекло, консолидация, плевральный выпот, тем самым обеспечивая исключение ошибок, связанных с человеческим фактором, которые могут возникнуть постановки диагноза. Кроме этого особой эффективностью аппаратно-программного комплекса является его работа на базе ядра российского производства, которое своевременно выявляет патологии, вызванные различными заболеваниями.

Проведенный анализ показывает, что все общие и частные признаки группы изобретений являются существенными, так как каждый из них необходим для промышленного осуществления заявленной группы изобретений, а в совокупности признаки позволяют достичь заявленного технического результата.

Таким образом, в разделах «Уровень техники» и «Раскрытие изобретения» было показано, что все общие и частные признаки предложенного решения являются существенными и в совокупности удовлетворяют критерию патентоспособности «новизна». В разделе «Осуществление изобретения» было показано, что заявленная группа изобретений технически осуществимо, позволяет решать поставленные изобретательские задачи и уверенно достигать требуемого технического результата при его (изобретения) использовании, что свидетельствует о промышленной применимости предложенных решений. Исходя из сказанного выше, мы считаем, что заявленный аппаратно-программный комплекс поддержки принятия врачебных решений удовлетворяет всем требованиям охраноспособности, предъявляемым к изобретениям.

Изобретение относится к комплексу диагностики патологий легких. Технический результат заключается в увеличении точности обработки данных КТ-изображений посредством одновременного определения трех патологий легких. Комплекс содержит взаимосвязанные между собой память, устройство обработки, блок связи для взаимодействия с внешними базами данных и медицинскими системами, модуль сервиса, содержащий: модуль конфигурации и утилит, модуль предобработки, модуль логического вывода, модуль сопряжения, модуль детекции, причем модуль сервиса при приеме запроса на обработку КТ-снимка для диагностики патологий легких инициирует работу модуля конфигурации и утилит и отправляет ему КТ-снимок пациента; модуль конфигурации и утилит, соединенный с модулем предобработки и модулем сопряжения со специализированным ядром, осуществляет подготовку входных и выходных данных КТ для передачи в модуль предобработки и подготавливает файл для конфигурирования моделей нейронной сети для отправки в модуль сопряжения; модуль предобработки ограничивает значение массива данных КТ-снимка диапазоном значений [-1024; 800], нормализует его в диапазоне [0;1], формирует бинарные маски для трех патологий и отправляет полученные данные в модуль логического вывода; модуль логического вывода сегментирует КТ-снимок посредством нейронной сети, расположенной в модуле сопряжения, со специализированным ядром и отправляет полученные данные вместе с тремя бинарными масками в модуль детекции; модуль детекции совмещает исходный КТ-снимок, полученный от модуля логического вывода с тремя масками, раскрашивая изображение с выделением областей патологий и формируя массив данных для отображения медицинскому работнику или для отправки во внешнюю медицинскую систему. 1 ил.

Аппаратно-программный комплекс диагностики патологий легких, содержащий взаимосвязанные между собой память, устройство обработки, блок связи для взаимодействия с внешними базами данных и медицинскими системами, модуль сервиса, содержащий: модуль конфигурации и утилит, модуль предобработки, модуль логического вывода, модуль сопряжения, модуль детекции, причем:

модуль сервиса, который при приеме запроса на обработку КТ-снимка для диагностики патологий легких, инициирует работу модуля конфигурации и утилит и отправляет ему КТ-снимок пациента;

модуль конфигурации и утилит, соединенный с модулем предобработки и модулем сопряжения со специализированным ядром, осуществляет подготовку входных и выходных данных КТ для передачи в модуль предобработки и подготавливает файл для конфигурирования моделей нейронной сети для отправки в модуль сопряжения;

модуль предобработки ограничивает значение массива данных КТ-снимка диапазоном значений [-1024; 800], нормализует его в диапазоне [0;1], формирует бинарные маски для трех патологий и отправляет полученные данные в модуль логического вывода;

модуль логического вывода сегментирует КТ-снимок посредством нейронной сети, расположенной в модуле сопряжения, со специализированным ядром и отправляет полученные данные вместе с тремя бинарными масками в модуль детекции;

модуль детекции совмещает исходный КТ-снимок, полученный от модуля логического вывода с тремя масками, раскрашивая изображение с выделением областей патологий и формируя массив данных для отображения медицинскому работнику или для отправки во внешнюю медицинскую систему.