[發(fā)明專利]基于深度學(xué)習(xí)的預(yù)測消融術(shù)后肝臟腫瘤形態(tài)變化的方法

有效

• 申請?zhí)枺?/td>: 201911067810.8
• 申請日: 2019-11-04
• 公開（公告）號: CN110782474B
• 公開（公告）日: 2022-11-15
• 發(fā)明（設(shè)計(jì)）人: 梁萍;于杰;董立男;程志剛;王守超;于曉玲;劉方義;韓治宇
• 申請（專利權(quán)）人: 中國人民解放軍總醫(yī)院
• 主分類號: G06T7/187
• 分類號: G06T7/187;G06T7/13;G06T7/33;G06N3/04
• 代理公司: 成都頂峰專利事務(wù)所(普通合伙) 51224
• 代理人: 李通

1.基于深度學(xué)習(xí)的預(yù)測消融術(shù)后肝臟腫瘤形態(tài)變化的方法，其特征在于，包括以下步驟：

獲取患者肝臟腫瘤消融前后的醫(yī)學(xué)影像圖；

對消融前后的醫(yī)學(xué)影像圖進(jìn)行預(yù)處理；

從消融前的醫(yī)學(xué)影像圖中獲取術(shù)前肝臟區(qū)域圖和術(shù)前肝臟腫瘤區(qū)域圖；從消融后的醫(yī)學(xué)影像圖中獲取術(shù)后肝臟區(qū)域圖、術(shù)后消融區(qū)域圖和術(shù)后肝臟腫瘤殘影圖；

利用CPD點(diǎn)集配準(zhǔn)算法對術(shù)前肝臟區(qū)域圖和術(shù)后肝臟區(qū)域圖進(jìn)行配準(zhǔn)，獲得變換矩陣，根據(jù)變換矩陣獲得術(shù)前肝臟區(qū)域圖和術(shù)前肝臟腫瘤區(qū)域圖對應(yīng)于消融后的醫(yī)學(xué)影像圖的配準(zhǔn)結(jié)果圖；

將消融前的醫(yī)學(xué)影像圖、術(shù)前肝臟區(qū)域圖、術(shù)前肝臟腫瘤區(qū)域圖和配準(zhǔn)結(jié)果圖作為U-net網(wǎng)絡(luò)輸入，并將術(shù)后肝臟腫瘤殘影圖作為真實(shí)訓(xùn)練標(biāo)簽，通過隨機(jī)梯度下降法對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得肝臟腫瘤預(yù)測模型；

利用肝臟腫瘤預(yù)測模型預(yù)測患者進(jìn)行消融術(shù)后的肝臟腫瘤形態(tài)變化。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的預(yù)測消融術(shù)后肝臟腫瘤形態(tài)變化的方法，其特征在于，所述醫(yī)學(xué)影像圖包括CT和MRI。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的預(yù)測消融術(shù)后肝臟腫瘤形態(tài)變化的方法，其特征在于，對消融前后的醫(yī)學(xué)影像圖進(jìn)行預(yù)處理具體為：根據(jù)肝臟影響因素對數(shù)據(jù)集進(jìn)行分組劃分，然后讀取消融前后的醫(yī)學(xué)影像圖，對醫(yī)學(xué)影像圖進(jìn)行高斯去噪、灰度直方圖均衡化、增強(qiáng)圖像對比度、旋轉(zhuǎn)、翻轉(zhuǎn)和數(shù)據(jù)標(biāo)準(zhǔn)化處理。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的預(yù)測消融術(shù)后肝臟腫瘤形態(tài)變化的方法，其特征在于，所述肝臟影響因素包括肝臟狀態(tài)、腫瘤類型和病理類型。

5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的預(yù)測消融術(shù)后肝臟腫瘤形態(tài)變化的方法，其特征在于，從消融前的醫(yī)學(xué)影像圖中獲取術(shù)前肝臟區(qū)域圖和術(shù)前肝臟腫瘤區(qū)域圖；從消融后的醫(yī)學(xué)影像圖中獲取術(shù)后肝臟區(qū)域圖、術(shù)后消融區(qū)域圖和術(shù)后肝臟腫瘤殘影圖具體為：利用最大流/最小割算法標(biāo)記出術(shù)前肝臟區(qū)域圖、術(shù)前肝臟腫瘤區(qū)域圖、術(shù)后肝臟區(qū)域圖、術(shù)后消融區(qū)域圖和術(shù)后肝臟腫瘤殘影圖，分割過程中引入基于整體和局部區(qū)域表征的勢能場函數(shù)作為約束，建立自適應(yīng)混合變分模型，利用最大流/最小割算法對能量方程最小化進(jìn)行求解，在不同圖像區(qū)域有選擇性地根據(jù)灰度信息、邊界梯度、紋理信息及局部上下文信息確定目標(biāo)區(qū)域。

6.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)的預(yù)測消融術(shù)后肝臟腫瘤形態(tài)變化的方法，其特征在于，利用CPD點(diǎn)集配準(zhǔn)算法對術(shù)前肝臟區(qū)域圖和術(shù)后肝臟區(qū)域圖進(jìn)行配準(zhǔn)，獲得變換矩陣，根據(jù)變換矩陣獲得術(shù)前肝臟區(qū)域圖和術(shù)前肝臟腫瘤區(qū)域圖對應(yīng)于消融后的醫(yī)學(xué)影像圖的配準(zhǔn)結(jié)果圖具體為：獲取術(shù)前肝臟區(qū)域圖和術(shù)后肝臟區(qū)域圖的肝臟數(shù)據(jù)點(diǎn)集，令術(shù)前肝臟區(qū)域圖的術(shù)前肝臟數(shù)據(jù)點(diǎn)集為X_i＝(x₁,...,x_N)^T，作為目標(biāo)點(diǎn)集，令術(shù)后肝臟區(qū)域圖的術(shù)后肝臟數(shù)據(jù)點(diǎn)集為Y_i＝(y₁,...,y_M)^T，作為模板點(diǎn)集；目標(biāo)點(diǎn)集作為高斯混合模型的數(shù)據(jù)集，模板點(diǎn)集作為高斯混合模型的內(nèi)核點(diǎn)集，N和M分別代表目標(biāo)點(diǎn)集和模板點(diǎn)集的個(gè)數(shù)，則高斯混合模型的概率密度函數(shù)為：

其中，p(x|m)是高斯混合模型的概率密度基函數(shù)，ω表示溢出點(diǎn)的權(quán)重值，取值范圍為0～1，x為平移變量；

計(jì)算最小負(fù)對數(shù)似然函數(shù)：

根據(jù)梯度下降法，對其進(jìn)行求導(dǎo)可得：

其中，

采用最大期望算法進(jìn)行迭代，求解出模型的最佳參數(shù)，最后根據(jù)選取的點(diǎn)云數(shù)據(jù)和變換參數(shù)，計(jì)算術(shù)前肝臟區(qū)域圖對應(yīng)于術(shù)后的醫(yī)學(xué)影像圖中的位置。