MPR 在人工智能肺炎辅助诊断系统中的研究与实现∗

左其群

（江苏科技大学计算机学院 镇江 212003）

1 引言

今年以来，随着新冠病毒的突然爆发，肺炎的致死率逐渐上升，肺部疾病的早期筛查显得尤为重要。2020 年1 月国家卫生健康委员会将新型冠状病毒感染引起的肺炎纳入乙类传染病，并按甲类传染病管理［1~2］。各省市随即启动重大卫生事件一级响应，实行严格的防控措施，当前新冠肺炎已经形成全球性卫生事件。2 月，世界卫生组织将新型冠状病毒引发的疾病正式命名为新型冠状病毒肺炎（Coronavirus Disease 2019，COVID-19）［3］。目前国内疫情主要以输入性病例为主，病例多见轻度和中度，因此需要快速准确地定位早期肺炎病灶。

2 MPR 在肺炎辅助诊断系统的必要性及其优势

临床中常用的医学影像模态有多种［4］，包括电子计算机断层扫描（Computed Tomography，CT）、正电子发射计算机断层显像（PET-CT）等，不同模态的医学影像适合观察不同类型的生理病理信息，其中CT 影像作为计算机辅助医疗的重要媒介，承载了丰富的诊疗信息，在疾病诊断中不可或缺，是以非侵入式的方式取得内部组织成像［5］，结构清晰，成为阅片医生诊断疾病、评估诊疗的重要工具。从胸部CT图像中将病灶精准地分离出来对于实现肺炎患者的早发现、早隔离、早治疗有着重要的意义和价值。随着科学技术的发展和医学影像应用的推广，例如PACS系统，有越来越多的医学影像需要医生去解读［6］，医学影像阅片逐渐成为一个挑战性的工作［7］，在此形势下，基于人工智能的辅助诊断系统应运而生，但如何将三维重建影像和病灶筛查合理的匹配医生的需求是一个值得研究的问题。

目前国内常用的重建方法有多平面重建（Multi-Planar Reconstruction，MPR）、最大密度投影（MIP）、表面阴影遮盖（SSD）［8］等。多层面重建是最基本的“三维”重建成像方法，是二维的图像序列，和我们最熟悉的轴位图像是一个“家族”的。MPR把体素重新排列，在二维屏幕上显示任意方向上的断面［9］。对于胸部1mm 至1.5mm 薄层图像，多平面后重建提高了图像分辨率和清晰度，更精确的辨识血管、胸膜、胸壁与病灶的关系。在胸部疾病的诊断中，应用MPR 技术能够拓宽诊断视角，从冠状位、轴状位与矢状位多角度分析判断病灶的边缘特征是否与疑似病灶相吻合，从而方便阅片医生快速定位病灶，比对病灶形态和征象，提高诊断的准确性。

3 肺炎辅助诊断系统及MPR 阅片诊疗流程

由于医院对医疗数据和系统安全性要求，目前AI 肺炎辅助诊断系统主要以两种方式出现在阅片医生的诊疗流程中。第一种方式是在CT技师拍摄完CT影像后，PACS系统［10］自动将放射影像DICOM（Digital Imaging and Communications in Medicine）数据经局域网传输至AI 肺炎辅助诊断系统，影像收取完毕后，系统服务调用卷积核按队列依次处理DICOM 数据，并将计算结果展示在肺炎辅助诊断系统的前端界面，供医生调阅，如图1步骤1.1、1.2、1.3。另一种是在CT 设备上为肺炎辅助诊断系统独立开放一个接口，主要的参数是AE_Title、IP，和Port，CT 机同时向PACS 和AI 肺炎辅助诊断系统自动传输DICOM 影像，省略了PACS 或RIS 的传输过程，为阅片医生调阅肺炎辅助诊断系统和MPR 影像信息节省时间，提高阅片诊断效率，有效降低假阳性和假阴性。如图1步骤2.1、2.2。

图1 阅片诊疗流程

4 MPR 在肺炎辅助诊断系统中的关键技术研究

AI 肺炎辅助诊断系统要广泛投入应用，除了培养阅片医生的使用习惯外，还要为医生建立完善的诊疗流程，形成一个闭环。而MPR 作为其中或不可缺的一环，主要涉及的关键技术如下。

4.1 嗅探RIS窗口的控件信息

据调查，医生对于操作系统图形界面要求较高，医院为了方便医生日常阅片，阅片工作站均装载微软旗下的Windows 系列。嗅探技术基于win⁃dows直接与窗口的“控件”交互，帮助阅片医生自动识别RIS窗口目标患者ID信息，为打开肺炎辅助诊断系统做铺垫。AutoIt 作为一门脚本语言发挥了至关重要的作用［11］，能够比较自如地操控Windows系统中的控件，模拟Windows用户的操作，根据Au⁃toIt 所识别到的控件信息打开编辑器，修改配置文件，建立阅片工作站与肺炎诊断系统连接的通道，完善阅片流程，如图2。

图2 配置文件

4.2 仿射变换创建NII格式

计算机断层扫描输出的为医学数字成像和通信DICOM 格式，是医学图像传输和通信的国际标准（ISO 12052）［12］。在数以万计的在用医学成像设备中，DICOM是部署最为广泛的医疗信息标准之一。它定义了质量能满足临床需要且可用于处理、存储、打印和传输医学影像信息。DICOM 可以便捷地交换于两个满足DICOM3.0 标准的工作站之间，目前该协议被广泛应用于放射医疗、放射诊疗诊断设备（CT，核磁共振等）［13］。

越来越多的DICOM 应用程序和分析软件被运用于临床医学，促使越来越多的编程语言支持DI⁃COM API 的框架。Python 语言支持DICOM 模块，能够完成基本DICOM 信息分析和处理的编程方法。应用开源、跨平台框架SimpleITK、Nibabel 读取完整的DICOM 序列，返回图像数组信息，简化图像处理流程和方法。其中SimpleITK 读取数据是（X，Y，Z）显示，Nibabel 读取图像是（Z，Y，X）显示。使用Numpy库下的方法transpose实现仿射变换，将CT 的坐标信息由（X，Y，Z）转置成（Z，Y，X），再通过Nifti1Image 方法输入每个体素的取值信息和位置信息得到一个标准的参考空间，如下方代码所示：

图3 代码示例1

在医学图像处理技术领域，最重要的坐标体系是解剖学空间坐标体系（右手坐标体系），由三个位面组成，包括冠状面、横断面、矢状面，用来描述标准的人体在解剖学上的位置［14］。常用的两种坐标轴 有LPS（Left，Posterior，Superior）和RAS（Right，Anterior，Superior），如图5，将CT 图像由图像坐标系旋转到RAS 方向，统一所有数据方向，从而得到NIFITI 文 件 的 元 数 据 信 息。 aff2axcodes、ax⁃codes2ornt、ornt_transform、apply_orientation 为Nib⁃abel下的库函数，下面的代码实现该功能：

图4 代码示例2

图5 RAS坐标轴

4.3 仿射变换读取NII文件

在处理医学影像数据时，常用的Python数据读取命令无法读取NII 和NII.GZ 文件，所以需要应用Nibabel库，将NII或NII.GZ 格式的数据变成一般的数组数据，方便做数据处理。同理使用Numpy库下的方法transpose 实现仿射变换，将NII 或NII.GZ 的数组数据转置为RAS 坐标系下的DICOM 影像数据，获取头文件信息，如下代码所示，逻辑上如果为真，则重定向到RAS坐标体系，或者直接获取列表，不能简单的假设形状X等于形状Y。

图6 代码示例3

4.4 WEB前端开启MPR模式

人工智能肺炎辅助诊断系统基于谷歌内核［15］（chrome），当阅片医生登录PACS 报告系统书写某患者的影像报告时，阅片助手自动捕获患者ID 且向AI服务器发送一个HTTP 请求，建立一个TCP 连接，默认端口是80，以GET 请求方法获取请求头里的token 值，在浏览器中自动打开含有该token 值的URL，如图7，在请求拦截器位置向请求头中添加认证字段携带token 信息，服务器端就可以通过token信息查找用户登录状态。Nginx 服务器［16］在80 端口监听客户端发送过来的请求，一旦收到客户端请求，服务器发送一个状态行消息，客户端浏览器收到反馈信息将诊断结果显示在屏幕上。以某患者影像数据为例，单击MPR按钮进入MPR模式，医生根据AI 筛查出的病灶定位到该病灶位于胸部薄层横断面、冠状面和矢状面的最大径层面，在横断面滑动鼠标滚轮查看病灶轮廓、密度、体积、直径等信息，经对比该病灶为左肺上叶实性结节，直径为3mm，医生即可在RIS 内添加该病灶信息，完成报告，如图8所示病灶信息，以箭头标识。

图7 HTTP请求

图8 左肺上叶实性结节

5 结语

一款面向固定受众的肺炎辅助诊断系统的推出需要不断的尝试，前期的临床实验加上后期的试用阶段均需要长期投入，调查发现，MPR 在系统中能够对医院的阅片医生形成一定的粘合度，帮助医生快速定位病灶、显示病灶轮廓，为进一步判断病灶良恶性和病灶类型做建设性的贡献，因此MPR在肺炎辅助诊断系统上的研究与实现对于阅片医生具有重要意义。

本文首先表明MPR 在人工智能肺炎辅助诊断系统中的必要性和优势，随后介绍了MPR 及肺炎辅助诊断系统在医院诊疗流程中的应用场景，表明了MPR 在肺炎筛查中应用的价值，之后详细总结了MPR 在肺炎辅助诊断系统中应用的关键技术，包括嗅探技术、NII 文件的转换与读取编码实现、WEB 前端技术等，强调了阅片助手在诊疗流程中的核心作用。

平台内的MPR 模块仍需改进，渲染效果、调取速度、DICOM 数据的优劣性、NII 文件的完整性，必将成为模块优化的制约因素。肺炎辅助诊断系统中的MPR 模块在医院更加复杂的应用场景和更多医疗影像设备接入的趋势下，呈现出愈发明显的优势，其强大的重建能力可以在较短时间内帮助阅片医生完成病灶的筛查，在未来的放射诊疗领域的研究中十分具有竞争力。