[發(fā)明專利]基于PET/CT雙時成像的胰腺癌精準(zhǔn)診斷系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010711186.7
• 申請日: 2020-07-22
• 公開（公告）號: CN112070809A
• 公開（公告）日: 2020-12-11
• 發(fā)明（設(shè)計）人: 劉兆邦;李銘;杜強(qiáng);張寅;胡濤;鄭健;楊曉冬
• 申請（專利權(quán)）人: 中國科學(xué)院蘇州生物醫(yī)學(xué)工程技術(shù)研究所
• 主分類號: G06T7/30
• 分類號: G06T7/30;G06T7/11;G06T7/00;G06T5/00;G06T3/40;G06K9/62;G06N3/04
• 代理公司: 北京遠(yuǎn)大卓悅知識產(chǎn)權(quán)代理有限公司 11369
• 代理人: 孔凡玲

1.一種基于PET/CT雙時成像的胰腺癌精準(zhǔn)診斷系統(tǒng)，其特征在于，包括：

雙時圖像配準(zhǔn)模塊，其用于將通過PET/CT影像掃描采集的PET/CT延遲掃描圖像數(shù)據(jù)與PET/CT早期掃描圖像數(shù)據(jù)進(jìn)行配準(zhǔn)；其中，PET/CT早期掃描圖像數(shù)據(jù)中的早期PET圖像與早期CT圖像已剛性配準(zhǔn)，PET/CT延遲掃描圖像數(shù)據(jù)中的延遲PET圖像與延遲CT圖像已剛性配準(zhǔn)；

病灶分割模塊，其用于采用基于卷積神經(jīng)網(wǎng)絡(luò)的深度交互式分割網(wǎng)絡(luò)模型對早期PET圖像進(jìn)行交互式半自動分割，然后利用早期PET圖像的分割標(biāo)簽對延遲PET圖像進(jìn)行自動匹配分割，以及對早期CT圖像和延遲CT圖像進(jìn)行自動匹配分割；

以及影像組學(xué)分類診斷模塊，其用于對分割后的PET/CT早期掃描圖像和PET/CT延遲掃描圖像進(jìn)行分析，得出診斷結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于PET/CT雙時成像的胰腺癌精準(zhǔn)診斷系統(tǒng)，其特征在于，所述雙時圖像配準(zhǔn)模塊進(jìn)行PET/CT延遲掃描圖像數(shù)據(jù)與PET/CT早期掃描圖像數(shù)據(jù)配準(zhǔn)的方法包括以下步驟：

1)將延遲CT圖像與早期CT圖像配準(zhǔn)；

2)根據(jù)所述步驟1)的配準(zhǔn)結(jié)果將延遲PET圖像與早期PET圖像的進(jìn)行自動配準(zhǔn)。

3.根據(jù)權(quán)利要求2所述的基于PET/CT雙時成像的胰腺癌精準(zhǔn)診斷系統(tǒng)，其特征在于，所述步驟1)具體包括：

1-1)將早期CT圖像作為參考圖像，將延遲CT圖像作為待配準(zhǔn)圖像，對待配準(zhǔn)圖像和參考圖像均進(jìn)行預(yù)處理去除背景噪聲；

1-2)對所述步驟1-1)得到的圖像先進(jìn)行雙三次插值處理，再進(jìn)行灰度歸一化處理，得到處理后的待配準(zhǔn)圖像與參考圖像；

1-3)進(jìn)行所述步驟1-2)得到的待配準(zhǔn)圖像與參考圖像的非剛性配準(zhǔn)：給定一個初始待配準(zhǔn)圖像到參考圖像的空間位置變換的初始變換矩陣，然后采用基于B樣條局部控制的彈性形變場，使用交互方差和梯度互信息作為相似性測度，對該初始變換矩陣進(jìn)行優(yōu)化；

1-4)在當(dāng)前變換為最優(yōu)變換矩陣時，按該最優(yōu)變換矩陣將配準(zhǔn)圖像配準(zhǔn)至參考圖像，輸出待配準(zhǔn)圖像的配準(zhǔn)結(jié)果；在當(dāng)前變換矩陣非最優(yōu)變換時，更新變換矩陣，并返回至所述步驟1-2)。

4.根據(jù)權(quán)利要求3所述的基于PET/CT雙時成像的胰腺癌精準(zhǔn)診斷系統(tǒng)，其特征在于，所述步驟2)具體包括：

2-1)將早期PET圖像作為參考圖像，將延遲PET圖像作為待配準(zhǔn)圖像，對早期PET圖像和延遲PET圖像均進(jìn)行預(yù)處理去除背景噪聲，然后進(jìn)行雙三次插值處理，再進(jìn)行灰度歸一化處理；

2-2)利用所述步驟1)得到的最優(yōu)變換矩陣將所述步驟2-1)處理后的延遲PET圖像配準(zhǔn)至早期PET圖像。

5.根據(jù)權(quán)利要求4所述的基于PET/CT雙時成像的胰腺癌精準(zhǔn)診斷系統(tǒng)，其特征在于，所述深度交互式分割網(wǎng)絡(luò)模型包括初始分割網(wǎng)絡(luò)和細(xì)化分割網(wǎng)絡(luò)；

所述初始分割網(wǎng)絡(luò)包括第一卷積神經(jīng)網(wǎng)絡(luò)模塊CNN(P-Net)以及條件隨機(jī)場模塊CRF-Net(f)；

所述卷積神經(jīng)網(wǎng)絡(luò)模塊CNN(P-Net)提取圖像特征進(jìn)行圖像初始分割，再通過所述條件隨機(jī)場模塊CRF-Net(f)優(yōu)化圖像的初始分割；

所述細(xì)化分割網(wǎng)絡(luò)包括第二卷積神經(jīng)網(wǎng)絡(luò)模塊CNN(R-Net)以及具有交互功能的條件隨機(jī)場模塊CRF-Net(fu)；

所述第二卷積神經(jīng)網(wǎng)絡(luò)模塊CNN(R-Net)結(jié)合初始分割結(jié)果和用戶手動修改結(jié)果作為原始圖像輸入，最終實現(xiàn)圖像的細(xì)化分割；其中，條件隨機(jī)場模塊CRF-Net(fu)建模為循環(huán)神經(jīng)網(wǎng)絡(luò)，可通過反向傳播與第一卷積神經(jīng)網(wǎng)絡(luò)模塊CNN(P-Net)或第二卷積神經(jīng)網(wǎng)絡(luò)模塊CNN(R-Net)聯(lián)合訓(xùn)練，從而不斷優(yōu)化細(xì)化分割結(jié)果。

6.根據(jù)權(quán)利要求5所述的基于PET/CT雙時成像的胰腺癌精準(zhǔn)診斷系統(tǒng)，其特征在于，所述病灶分割模塊進(jìn)行圖像分割的步驟包括：

A)采用深度交互式分割網(wǎng)絡(luò)模型對早期PET圖像進(jìn)行交互式半自動分割；

B)采用早期PET圖像的分割標(biāo)簽對早期CT圖像進(jìn)行自動匹配分割；

C)采用早期PET圖像的分割標(biāo)簽對已與PET/CT早期掃描圖像數(shù)據(jù)配準(zhǔn)的延遲PET圖像與延遲CT圖像進(jìn)行自動匹配分割。