[發明專利]基于機器學習的MR圖像腦腫瘤檢測方法和系統

有效

• 申請號: 202011263480.2
• 申請日: 2020-11-12
• 公開（公告）號: CN112419247B
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 宋志堅;史勇紅;陳嘉懿
• 申請（專利權）人: 復旦大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/33;G06K9/62;G06V10/764;G06V10/80
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;陸尤

本發明屬于醫學圖像處理技術領域，具體為一種基于機器學習的MR圖像腦腫瘤檢測方法和系統。本發明中，首先對于每種模態數據，分別從橫斷面、冠狀面和矢狀面構建多個方向的灰度共生矩陣，以選取和計算更多空間關系特征；然后使用特征秩融合方式將三個方向特征有效結合，以去除冗余特征；最后將所選特征輸入支持矢量機分類器進行訓練；本發明考慮到不同模態圖像所存在的冗余信息，使用秩融合篩選出最有區別性的特征，從而訓練出魯棒性和精確性極高的單發性轉移瘤和膠質瘤分類器，有效彌補了臨床現有不足，增強了醫生的診斷能力。本發明方法鑒別診斷單發性轉移瘤和膠質瘤的AUC值達到93.23%，能有效協助醫生做出診斷。

技術領域

本發明屬于醫學圖像處理技術領域，具體涉及MR圖像腦腫瘤檢測方法和系統。

背景技術

機器學習是一種特殊的算法，能夠讓計算機自己在數據中學習從而進行預測。近年來，機器學習方法已在不同領域廣泛表現出處理復雜數據模式識別的獨特優勢。相比于深度學習，機器學習的優勢在于可明確指定用于訓練模型的特征，這在臨床需求中是非常重要的，因為醫生需要知道該模型是根據圖像的哪些特征做出的預測。

目前研究中，大部分使用灌注功能磁共振，比如動態磁敏感對比增強多模態MRI(Magnetic Resonance Imaging)(DSC-MRI)[1]、動態對比增強MRI(DCE-MRI)[2]以及rCBV等[3,4]；也有使用氫質子磁共振波譜成像(MRS)[5]協助診斷，可在臨床上提升診斷率，但需要注射造影劑。在僅使用常規MR模態的研究中，傳統機器學習[6]和深度學習[7-9]都在單一模態上進行實驗，圖像特征單一，分類準確度不高。

此外，目前這些研究幾乎都是使用一個MR數據的某一層二維圖像作為一個樣本，忽略了腫瘤在橫斷面之間的空間位置信息，這或許是精度不高的原因之一。而且這樣的模型在臨床上難以直接使用，比如同一個患者MR數據的不同層被分類成不同的類別，這對臨床醫生的診斷將毫無意義。

本發明主要針對單發性腦轉移瘤和膠質瘤的臨床癥狀、體征及常規MR影像上形態極為相似，醫生僅通過圖像難以確診腫瘤類型的問題，提出一種新的基于多模態MRI(MagneticResonance Imaging)秩融合灰度共生矩陣的高精度分類檢測方法和系統，能有效協助醫生做出診斷。

參考文獻

[1]S.Wang et al.,Differentiation between glioblastomas,solitarybrain metastases,and primary cerebral lymphomas using diffusion tensor anddynamic susceptibility contrast-enhanced MR imaging,AJNR Am J Neuroradiol,vol.32,no.3,pp.507-514,Mar 2011.

[2]N.C.Swinburne et al.,Machine learning for semi-automatedclassification of glioblastoma,brain metastasis and central nervous systemlymphoma using magnetic resonance advanced imaging,Ann Transl Med,vol.7,no.11,p.232,Jun 2019.

[3]E.I.Zacharaki et al.,Classification of brain tumor type and gradeusing MRI texture and shape in a machine learning scheme,MagnReson Med,vol.62,no.6,pp.1609-1618,Dec 2009.