[發(fā)明專利]基于深度學(xué)習(xí)的肝細(xì)胞癌磁共振圖像分割系統(tǒng)和方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910676893.4
• 申請(qǐng)日: 2019-07-25
• 公開（公告）號(hào): CN110619635B
• 公開（公告）日: 2022-05-31
• 發(fā)明（設(shè)計(jì)）人: 黃炳升;蔡洵;曾英候;陳亮亮;馮仕庭;宋晨宇
• 申請(qǐng)（專利權(quán)）人: 深圳大學(xué);中山大學(xué)附屬第一醫(yī)院
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T7/30;G06V10/25;G06V10/80;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 黎揚(yáng)鵬

本發(fā)明公開了基于深度學(xué)習(xí)的肝細(xì)胞癌磁共振圖像分割系統(tǒng)和方法，該方法包括：獲取肝細(xì)胞癌腫瘤患者的多序列磁共振成像圖像；將獲取的多序列磁共振成像圖像輸入至深度融合網(wǎng)絡(luò)模型中，從而獲得病灶分割結(jié)果圖；所述深度融合網(wǎng)絡(luò)模型包括深度卷積網(wǎng)絡(luò)模塊和多序列融合模塊，所述深度卷積網(wǎng)絡(luò)模塊劃分為多個(gè)序列通道，所述多序列融合模塊用于融合所有序列通道處理多序列磁共振成像圖像的處理結(jié)果。本發(fā)明通過深度融合網(wǎng)絡(luò)模型來(lái)對(duì)多序列磁共振成像圖像進(jìn)行病灶分割，能夠獲得較好的分割效果，并且分割更加準(zhǔn)確。本發(fā)明作為基于深度學(xué)習(xí)的肝細(xì)胞癌磁共振圖像分割系統(tǒng)和方法可廣泛應(yīng)用于醫(yī)學(xué)圖像處理領(lǐng)域。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)學(xué)圖像處理領(lǐng)域，尤其涉及基于深度學(xué)習(xí)的肝細(xì)胞癌磁共振圖像分割系統(tǒng)和方法。

背景技術(shù)

肝細(xì)胞癌是惡性程度極高、預(yù)后極差的惡性腫瘤，其病死率在我國(guó)惡性腫瘤中居第二位，全球的肝細(xì)胞癌患者約有一半在我國(guó)。肝細(xì)胞癌的初期癥狀并不明顯，晚期有肝痛、消瘦、乏力等癥狀且因癌細(xì)胞擴(kuò)散而治愈率較低。因此，提高初期診斷和治療水平對(duì)延長(zhǎng)肝細(xì)胞癌患者的生存期起著至關(guān)重要的作用。國(guó)內(nèi)肝細(xì)胞癌的MRI(磁共振成像)圖像在醫(yī)院放射科圖像的占比很高，高質(zhì)量的MRI影像有助于醫(yī)生精確地分割出腫瘤邊界，判斷目標(biāo)區(qū)域腫瘤的體積和具體邊界、是否出現(xiàn)癌細(xì)胞擴(kuò)散等初期肝細(xì)胞癌臨床診斷的問題，同時(shí)腫瘤勾畫邊界還可以被用于3D圖像重建，以達(dá)到手術(shù)模擬，規(guī)避風(fēng)險(xiǎn)的目的。傳統(tǒng)的手動(dòng)勾畫方式嚴(yán)重依賴于醫(yī)生的臨床經(jīng)驗(yàn)，不同經(jīng)驗(yàn)的醫(yī)生勾畫的腫瘤邊界不盡相同，可重復(fù)性差；并且，勾畫腫瘤也是一項(xiàng)勞動(dòng)密集型的任務(wù)，給醫(yī)生添加了沉重的負(fù)擔(dān)。

當(dāng)前基于深度學(xué)習(xí)的肝細(xì)胞癌分割方法主要是基于CT(計(jì)算機(jī)斷層掃描)圖像的，少數(shù)肝細(xì)胞癌分割方法是基于單序列MRI圖像的。基于CT圖像的分割方法有采用兩個(gè)級(jí)聯(lián)式全卷積網(wǎng)絡(luò)對(duì)肝細(xì)胞癌腫瘤進(jìn)行分割。首先使用一個(gè)FCN(全卷積網(wǎng)絡(luò))網(wǎng)絡(luò)進(jìn)行肝分割，再基于肝的分割結(jié)果從原始圖像中提取ROI(感興趣區(qū)域)以濾除大部分背景信息；接著將提取肝ROI的局部圖像輸入進(jìn)第二個(gè)全卷積網(wǎng)絡(luò)進(jìn)行腫瘤分割；最后，使用三維條件隨機(jī)場(chǎng)微調(diào)腫瘤邊界。該方法在肝分割上能達(dá)到87％的準(zhǔn)確率，但是存在的不足之處為：1、肝的分割情況嚴(yán)重影響腫瘤識(shí)別，漏分割會(huì)造成靠近肝邊界的腫瘤信息丟失，錯(cuò)分割會(huì)引入背景信息作為干擾；2、兩個(gè)網(wǎng)絡(luò)級(jí)聯(lián)后同時(shí)訓(xùn)練，使得分割為肝的組織又要反向傳回腫瘤的信息，即同一塊區(qū)域同時(shí)給予了兩種信號(hào)作為監(jiān)督，會(huì)造成信息紊亂。基于單序列MRI圖像的分割方法使用彌散加權(quán)MRI圖像對(duì)齊方法進(jìn)行測(cè)試，但測(cè)試的圖像質(zhì)量不高，腫瘤邊界模糊，不利于準(zhǔn)確的腫瘤邊界分割；而這些原因可能導(dǎo)致該方法在MRI上肝細(xì)胞癌腫瘤分割的DSC(Dice 相似系數(shù))僅能達(dá)到67.9％。因此，現(xiàn)有技術(shù)存在分割準(zhǔn)確度較低和分割效果較差的問題。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明實(shí)施例的目的是提供一種基于深度學(xué)習(xí)的肝細(xì)胞癌磁共振圖像分割系統(tǒng)和方法。

一方面，本發(fā)明實(shí)施例提供了基于深度學(xué)習(xí)的肝細(xì)胞癌磁共振圖像分割方法，包括以下步驟：

獲取肝細(xì)胞癌腫瘤患者的多序列磁共振成像圖像；

將獲取的多序列磁共振成像圖像輸入至深度融合網(wǎng)絡(luò)模型中，從而獲得病灶分割結(jié)果圖；所述深度融合網(wǎng)絡(luò)模型包括深度卷積網(wǎng)絡(luò)模塊和多序列融合模塊，所述深度卷積網(wǎng)絡(luò)模塊劃分為多個(gè)序列通道，其中每個(gè)序列通道均用于處理所述多序列磁共振成像圖像中的一個(gè)序列的磁共振成像圖像，所述多序列融合模塊用于融合所有序列通道處理多序列磁共振成像圖像的處理結(jié)果。

進(jìn)一步，所述獲取肝細(xì)胞癌腫瘤患者的多序列磁共振成像圖像這一步驟，其具體包括：

獲取肝細(xì)胞癌腫瘤患者的肝膽特異期磁共振成像圖像和門靜脈期磁共振成像圖像；

將獲取的門靜脈期磁共振成像圖像配準(zhǔn)至肝膽特異期磁共振成像圖像，從而得到配準(zhǔn)后的磁共振成像圖像；

對(duì)得到的配準(zhǔn)后的磁共振成像圖像和肝膽特異期磁共振成像圖像進(jìn)行肝細(xì)胞癌腫瘤的感興趣區(qū)域提取。