肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法及系統(tǒng)技術(shù)方案

本發(fā)明專利技術(shù)提出了肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法及系統(tǒng)，涉及醫(yī)學(xué)圖像處理技術(shù)領(lǐng)域。包括獲取肝癌醫(yī)學(xué)影像，基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型對(duì)肝癌醫(yī)學(xué)影像進(jìn)行分割，得到主動(dòng)脈區(qū)域、肝臟區(qū)域和肝癌腫瘤區(qū)域；根據(jù)肝癌腫瘤區(qū)域，從肝臟區(qū)域中篩選得到殘肝區(qū)域；計(jì)算主動(dòng)脈區(qū)域的強(qiáng)化血管強(qiáng)度閾值，從殘肝區(qū)域中篩選出大于強(qiáng)化血管強(qiáng)度閾值的殘肝校正區(qū)域；計(jì)算殘肝校正區(qū)域的平均HU值作為肝癌腫瘤強(qiáng)化閾值，從肝癌腫瘤區(qū)域中篩選出大于肝癌腫瘤強(qiáng)化閾值的區(qū)域，作為肝癌腫瘤強(qiáng)化區(qū)域。本發(fā)明專利技術(shù)在神經(jīng)網(wǎng)絡(luò)對(duì)肝癌醫(yī)學(xué)影像進(jìn)行分割的基礎(chǔ)之上，采用算法提取其中的肝癌腫瘤強(qiáng)化區(qū)域，無需人工進(jìn)行識(shí)別的測(cè)量，極大的降低了誤差，實(shí)現(xiàn)對(duì)肝癌腫瘤強(qiáng)化區(qū)域的精準(zhǔn)識(shí)別。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)屬于醫(yī)學(xué)圖像處理，尤其涉及肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法及系統(tǒng)。

技術(shù)介紹

1、肝細(xì)胞癌(hepatocellular?carcinoma,hcc)是常見的原發(fā)性肝臟惡性腫瘤，其治療效果評(píng)估是hcc患者管理和藥物臨床試驗(yàn)的重要步驟。

2、目前，hcc治療反應(yīng)的評(píng)估常采用mrecist(modified?responseevaluationcriteria?in?solid?tumors)標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)選取適于重復(fù)測(cè)量的病灶為靶病灶，優(yōu)先測(cè)量典型病灶，即在ct或mri增強(qiáng)掃描上顯示非邊緣樣瘤內(nèi)強(qiáng)化的肝內(nèi)hcc病灶。為適應(yīng)hcc的特殊性，mrecist要求測(cè)量病灶的強(qiáng)化部分最長(zhǎng)徑，即腫瘤的活性部分，同時(shí)避開壞死區(qū)域。目前，靶病灶的識(shí)別、測(cè)量均依靠主觀人工評(píng)估。由于強(qiáng)化部分最長(zhǎng)徑線所在層面可能隨治療而變，且需避開腫瘤內(nèi)壞死區(qū)域，可靠結(jié)果的得出需細(xì)致觀察、測(cè)量和對(duì)比各層面影像，因而費(fèi)時(shí)費(fèi)力，且不可避免地存在誤差。

技術(shù)實(shí)現(xiàn)思路

1、為克服上述現(xiàn)有技術(shù)的不足，本專利技術(shù)提供了肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法及系統(tǒng)，在神經(jīng)網(wǎng)絡(luò)對(duì)肝癌醫(yī)學(xué)影像進(jìn)行分割的基礎(chǔ)之上，采用算法提取其中的肝癌腫瘤強(qiáng)化區(qū)域，無需人工進(jìn)行識(shí)別的測(cè)量，極大的降低了誤差，實(shí)現(xiàn)對(duì)肝癌腫瘤強(qiáng)化區(qū)域的精準(zhǔn)識(shí)別。

2、為實(shí)現(xiàn)上述目的，本專利技術(shù)的一個(gè)或多個(gè)實(shí)施例提供了如下技術(shù)方案：

3、本專利技術(shù)第一方面提供了一種肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法。

4、肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法，包括以下步驟：

<p>5、獲取肝癌醫(yī)學(xué)影像，基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型對(duì)肝癌醫(yī)學(xué)影像進(jìn)行分割，得到主動(dòng)脈區(qū)域、肝臟區(qū)域和肝癌腫瘤區(qū)域；

6、根據(jù)肝癌腫瘤區(qū)域，從肝臟區(qū)域中篩選得到殘肝區(qū)域；

7、計(jì)算主動(dòng)脈區(qū)域的強(qiáng)化血管強(qiáng)度閾值，從殘肝區(qū)域中篩選出大于強(qiáng)化血管強(qiáng)度閾值的殘肝校正區(qū)域；

8、計(jì)算殘肝校正區(qū)域的平均hu值作為肝癌腫瘤強(qiáng)化閾值，從肝癌腫瘤區(qū)域中篩選出大于肝癌腫瘤強(qiáng)化閾值的區(qū)域，作為肝癌腫瘤強(qiáng)化區(qū)域。

9、本專利技術(shù)第二方面提供了一種肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)系統(tǒng)。

10、肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)系統(tǒng)，包括：

11、圖像分割模塊，被配置為：獲取肝癌醫(yī)學(xué)影像，基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型對(duì)肝癌醫(yī)學(xué)影像進(jìn)行分割，得到主動(dòng)脈區(qū)域、肝臟區(qū)域和肝癌腫瘤區(qū)域；

12、殘肝區(qū)域篩選模塊，被配置為：根據(jù)肝癌腫瘤區(qū)域，從肝臟區(qū)域中篩選得到殘肝區(qū)域；

13、殘肝校正區(qū)域篩選模塊，被配置為：計(jì)算主動(dòng)脈區(qū)域的強(qiáng)化血管強(qiáng)度閾值，從殘肝區(qū)域中篩選出大于強(qiáng)化血管強(qiáng)度閾值的殘肝校正區(qū)域；

14、肝癌腫瘤強(qiáng)化區(qū)域篩選模塊，被配置為：計(jì)算殘肝校正區(qū)域的平均hu值作為肝癌腫瘤強(qiáng)化閾值，從肝癌腫瘤區(qū)域中篩選出大于肝癌腫瘤強(qiáng)化閾值的區(qū)域，作為肝癌腫瘤強(qiáng)化區(qū)域。

15、本專利技術(shù)第三方面提供了計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本專利技術(shù)第一方面所述的肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法中的步驟。

16、本專利技術(shù)第四方面提供了電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如本專利技術(shù)第一方面所述的肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法中的步驟。

17、以上一個(gè)或多個(gè)技術(shù)方案存在以下有益效果：

18、本專利技術(shù)提供了一種肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法及系統(tǒng)，基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型對(duì)肝癌醫(yī)學(xué)影像進(jìn)行分割，得到主動(dòng)脈區(qū)域、肝臟區(qū)域和肝癌腫瘤區(qū)域；之后依據(jù)規(guī)則依次篩選肝臟區(qū)域中的殘肝區(qū)域和殘肝校正區(qū)域，并計(jì)算殘肝校正區(qū)域的平均hu值作為肝癌腫瘤強(qiáng)化閾值，從肝癌腫瘤區(qū)域中篩選出大于肝癌腫瘤強(qiáng)化閾值的區(qū)域，作為肝癌腫瘤強(qiáng)化區(qū)域。本專利技術(shù)在神經(jīng)網(wǎng)絡(luò)對(duì)肝癌醫(yī)學(xué)影像進(jìn)行分割的基礎(chǔ)之上，采用算法提取其中的肝癌腫瘤強(qiáng)化區(qū)域，無需人工進(jìn)行識(shí)別的測(cè)量，極大的降低了誤差，實(shí)現(xiàn)對(duì)肝癌腫瘤強(qiáng)化區(qū)域的精準(zhǔn)識(shí)別。

19、在得到了肝癌腫瘤強(qiáng)化區(qū)域之后，對(duì)肝癌腫瘤強(qiáng)化區(qū)域相關(guān)參數(shù)的測(cè)量，包括腫瘤最大層面中強(qiáng)化區(qū)域面積、腫瘤最大層面中強(qiáng)化區(qū)域最大徑、強(qiáng)化區(qū)域體積和強(qiáng)化區(qū)域三維最大徑，實(shí)現(xiàn)醫(yī)學(xué)測(cè)量，提升醫(yī)療工作者的工作效率。

20、本專利技術(shù)在對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練時(shí)，對(duì)肝癌醫(yī)學(xué)影像的樣本圖像標(biāo)注感興趣區(qū)域，并生成對(duì)應(yīng)的掩模圖像，將多個(gè)樣本圖像與對(duì)應(yīng)的掩模圖像配對(duì)，形成訓(xùn)練數(shù)據(jù)集，利用訓(xùn)練數(shù)據(jù)集對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至損失函數(shù)最小，實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型對(duì)肝癌醫(yī)學(xué)影像中感興趣區(qū)域的自動(dòng)分割。本專利技術(shù)通過上述方法訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型，能夠?qū)崿F(xiàn)對(duì)醫(yī)學(xué)影像的精準(zhǔn)分割。

21、在獲取感興趣區(qū)域的過程中，對(duì)于第i個(gè)感興趣區(qū)域，若i對(duì)應(yīng)于肝臟或主動(dòng)脈所在概率圖，則保留面積最大的1個(gè)連通域，作為輸出的肝臟或主動(dòng)脈的分割結(jié)果；若i對(duì)應(yīng)于肝癌腫瘤所在概率圖，則不限定輸出連通域的個(gè)數(shù)，即保留所有連通域，作為輸出的若干個(gè)肝臟腫瘤的分割結(jié)果。通過上述手段進(jìn)一步提升識(shí)別精度。

22、本專利技術(shù)附加方面的優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本專利技術(shù)的實(shí)踐了解到。

本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】

1.肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法，其特征在于，包括以下步驟：

2.如權(quán)利要求1所述的肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法，其特征在于，取肝癌腫瘤區(qū)域相對(duì)于肝臟區(qū)域的補(bǔ)集，作為殘肝區(qū)域。

3.如權(quán)利要求1所述的肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法，其特征在于，將主動(dòng)脈區(qū)域的平均HU值作為主動(dòng)脈區(qū)域的強(qiáng)化血管強(qiáng)度閾值。

4.如權(quán)利要求1所述的肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法，其特征在于，在得到了肝癌腫瘤強(qiáng)化區(qū)域之后，還包括對(duì)肝癌腫瘤強(qiáng)化區(qū)域相關(guān)參數(shù)的測(cè)量，包括腫瘤最大層面中強(qiáng)化區(qū)域面積、腫瘤最大層面中強(qiáng)化區(qū)域最大徑、強(qiáng)化區(qū)域體積和強(qiáng)化區(qū)域三維最大徑。

5.如權(quán)利要求1所述的肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法，其特征在于，還包括對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，具體為：

6.如權(quán)利要求1所述的肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法，其特征在于，還包括對(duì)獲取的肝癌醫(yī)學(xué)影像進(jìn)行預(yù)處理，包括：

7.如權(quán)利要求5所述的肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法，其特征在于，所述感興趣區(qū)域的具體獲取過程為：

8.肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)系統(tǒng)，其特征在于，包括：

9.計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法中的步驟。

10.電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法中的步驟。

...

【技術(shù)特征摘要】

1.肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法，其特征在于，包括以下步驟：

2.如權(quán)利要求1所述的肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法，其特征在于，取肝癌腫瘤區(qū)域相對(duì)于肝臟區(qū)域的補(bǔ)集，作為殘肝區(qū)域。

3.如權(quán)利要求1所述的肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法，其特征在于，將主動(dòng)脈區(qū)域的平均hu值作為主動(dòng)脈區(qū)域的強(qiáng)化血管強(qiáng)度閾值。

4.如權(quán)利要求1所述的肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法，其特征在于，在得到了肝癌腫瘤強(qiáng)化區(qū)域之后，還包括對(duì)肝癌腫瘤強(qiáng)化區(qū)域相關(guān)參數(shù)的測(cè)量，包括腫瘤最大層面中強(qiáng)化區(qū)域面積、腫瘤最大層面中強(qiáng)化區(qū)域最大徑、強(qiáng)化區(qū)域體積和強(qiáng)化區(qū)域三維最大徑。

5.如權(quán)利要求1所述的肝癌圖像強(qiáng)化區(qū)域預(yù)測(cè)方法，其特征在于，還包括對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：于德新，左立平，劉恩宇，范金蕾，楊梓萌，劉曉鳴，
申請(qǐng)(專利權(quán))人：山東大學(xué)齊魯醫(yī)院，
類型：發(fā)明
國(guó)別省市：