[發明專利]動態增強磁共振成像處理方法、系統、存儲介質、終端

有效

• 申請號: 202010160282.7
• 申請日: 2020-03-10
• 公開（公告）號: CN111476793B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 侯榆青;鄧鵬飛;趙鳳軍;陳吉新;董迪迪;周昊文;陳欣;賀小偉
• 申請（專利權）人: 西北大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T5/00;G06N3/0464;G06N3/047;G06N3/096
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪

本發明屬于醫學圖像處理、計算機輔助診斷技術領域，公開了一種動態增強磁共振成像處理方法、系統、存儲介質、終端，在獲取的乳腺癌DCE?MRI的多期圖像中，對原發腫瘤區域進行全自動分割和處理；對分割后的結果做掩模處理，并以得到的最大腫塊的幾何中心為準，劃取三種尺度的感興趣區域；同時將三種尺度下的多期感興趣區域圖像送入三個結合了卷積神經網絡與長短期記性網絡的連接結構，用于特征的提取與融合；將三種尺度下得到的多期融合特征送入軟聚合模型中，用于整體特征的聚合，得到不同任務的預測結果。本發明克服了淺層架構的局限性，極大地提升了預測精度；可以直觀地為乳腺癌患者的手術治療提供完善的術前參考信息。

技術領域

本發明屬于醫學圖像處理、計算機輔助診斷技術領域，尤其涉及一種動態增強磁共振成像(DCE-MRI)處理方法、系統、存儲介質、終端。

背景技術

目前，乳腺癌是影響世界各地婦女最常見的惡性腫瘤，其較高的發病率和死亡率嚴重威脅著全球女性的身體健康。若是能早期發現、早期診斷乳腺癌腫瘤的相關信息，從而制定個性化治療手段，可極大地降低乳腺癌患者的死亡率，取得良好的效果。術前確定乳腺癌腫瘤的良惡性、分子分型情況以及前哨淋巴結轉移特性等都是對患者進行手術治療安排的重要因素，目前臨床上通常采用影像科醫生閱片以及活檢的形式來確定乳腺癌腫瘤的相關信息。但由于部分醫生經驗不足以及各地醫院成像設備的參差不齊，僅通過肉眼閱片的形式來確定乳腺癌腫瘤信息就存在很大的誤差。而活檢作為一種侵入式手術，會給患者帶來很多的并發癥，造成長期的傷害。因此，建立一種可以術前無創預測乳腺癌腫瘤相關信息的診斷系統就具有十分重要的臨床意義。目前已有一些針對乳腺癌的計算機輔助診斷系統被提出，但這些系統通常采用的都是傳統的機器學習方法，并且只針對腫瘤的良惡性這一個問題進行研究。傳統的機器學習方法需要人工計算圖像特征，所涉及的流程復雜并且差異性較大，無法在乳腺癌腫瘤多種信息的診斷中擴展應用。近年來，基于深度學習的方法開始用于乳腺癌的診斷，但仍處于起步階段。在采用的圖像數據方面，使用的通常是單一的X光片、CT圖像，或是經過簡單處理的MRI圖，而動態增強磁共振作為對乳腺病變診斷準確性最高的成像技術，卻很少被充分使用。在劃取感興趣區域時，通常采用影像科醫生手動勾畫腫瘤的方式，并只選取單一尺度的感興趣區域框，這也限制著計算機輔助診斷系統在乳腺癌多種相關信息診斷中的應用。

通過上述分析，現有技術存在的問題及缺陷為：

(1)傳統機器學習方法流程復雜且差異性較大，在該領域無法擴展應用。

(2)動態增強磁共振成像技術包含多期有時間序列的圖像，現有方法沒有充分利用其多期圖像信息，導致診斷效果欠佳。

(3)深度學習在該領域研究較少，所提出的網絡較為簡單，無法應用于乳腺癌多種信息的診斷。

解決以上問題及缺陷的難度為：

(1)基于傳統機器學習對于乳腺癌的診斷，由于流程復雜，有效的特征提取、特征選擇方法以及適合的分類器的采用都具有較大難度。

(2)動態增強磁共振成像技術具有多期圖像，并且圖像之間還具有時序關系，如何在系統中挖掘多期圖像的時序信息具有很大的困難。

(3)深度學習在乳腺癌應用中的研究尚處于起步狀態，如何設計網絡使其能用于診斷乳腺癌的多種信息便具有較大難度。

解決以上問題及缺陷的意義為：

(1)自動地選擇有用特征并將特征選擇和分類器應用等步驟都集成在一個模型中，可以使系統在乳腺癌診斷的多個應用中擴展使用，提高精度的同時降低流程的復雜性。

(2)動態增強磁共振成像技術是目前對乳腺病變診斷準確性最高的方法，充分地利用其具有時序信息的多期圖像，可以較大地提高乳腺癌診斷的準確性；