[發明專利]基于神經網絡的PET-CT圖像的腫瘤預測方法及計算機可讀存儲介質

在審

• 申請號: 202110001974.1
• 申請日: 2021-01-04
• 公開（公告）號: CN112686875A
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 趙東東;王小狀;葉宏偉
• 申請（專利權）人: 浙江明峰智能醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06N3/04;G06N3/08
• 代理公司: 上海雍灝知識產權代理事務所(普通合伙) 31368
• 代理人: 沈汶波

1.一種基于神經網絡的PET-CT圖像的腫瘤預測方法，其特征在于，包括如下步驟：

獲取帶腫瘤的PET圖像和CT圖像，對所述PET圖像和所述CT圖像進行插值化處理，使所述PET圖像與所述CT圖像的長、寬、厚一致；

通過分割網絡對所述PET圖像和所述CT圖像進行編碼過程，獲取PET特征圖像和CT特征圖像；將所述PET特征圖像和所述CT特征圖像通過級聯合并獲取終樣特征圖；對所述終樣特征圖的PET特征部分和CT特征部分進行加權，獲取分割模型，通過所述分割模型獲取腫瘤預測圖像；

通過3D連通域對所述腫瘤預測圖像進行去假陽性過程，獲取腫瘤預測結果。

2.根據權利要求1所述的腫瘤預測方法，其特征在于，所述對所述PET圖像和所述CT圖像進行空間三個維度的插值化處理，使所述PET圖像與所述CT圖像的長、寬、厚一致這一步驟前，還包括：

對在所述PET圖像和所述CT圖像上都無法明示大小和形狀的腫瘤數據進行剔除。

3.根據權利要求1所述的腫瘤預測方法，其特征在于，所述對所述PET圖像和所述CT圖像進行空間三個維度的插值化處理，使所述PET圖像與所述CT圖像的長、寬、厚一致這一步驟后，還包括：

對在所述PET圖像上無法明示大小和形狀而在所述CT圖像上可以明示大小和形狀的腫瘤數據、及在所述CT圖像上無法明示大小和形狀而在所述PET圖像上可以明示大小和形狀的腫瘤數據進行數據擴充，使在所述PET圖像上無法明示大小和形狀而在所述CT圖像上可以明示大小和形狀、在所述CT圖像上無法明示大小和形狀而在所述PET圖像上可以明示大小和形狀、在所述PET圖像上和所述CT圖像上都可以明示大小和形狀三個樣本的腫瘤數據樣本量相對平衡。

4.根據權利要求1所述的，其特征在于，所述插值化處理包括通過三線性插值算法，從空間三個維度對所述PET圖像和所述CT圖像進行處理。

5.根據權利要求1所述的腫瘤預測方法，其特征在于，所述通過分割網絡對所述PET圖像和所述CT圖像進行編碼過程，獲取PET特征圖像和CT特征圖像包括：

對所述PET圖像和所述CT圖像分別進行四次卷積、池化、非線性單元變換，獲取的所述PET特征圖像和所述CT特征圖像的大小為原始圖像的1/16。

6.根據權利要求5所述的腫瘤預測方法，其特征在于，所述對所述終樣特征圖的PET特征部分和CT特征部分進行加權，獲取分割模型包括：

向所述分割網絡引入基于通道的注意力機制，通過所述基于通道的注意力機制對PET特征部分或CT特征部分在各個所述終樣特征圖中的權重進行調整，包括加強所述PET特征部分的權重同時降低所述CT特征部分的權重、加強所述CT特征部分的權重同時降低所述PET特征部分的權重。

7.根據權利要求6所述的腫瘤預測方法，其特征在于，所述對所述終樣特征圖的PET特征部分和CT特征部分進行加權，獲取分割模型，通過所述分割模型獲取腫瘤預測圖像還包括：

通過所述分割網絡對所述分割模型中的所述終樣特征圖進行解碼過程，所述解碼過程包括反卷積處理、上采樣處理和非線性單元處理；

將經所述編碼過程獲取的所述PET特征圖像和所述CT特征圖像分別與所述解碼過程相對應的所述終樣特征圖進行級聯合并，獲取單通道的腫瘤預測圖像；

設定腫瘤預測的像素閾值、面積閾值，當所述腫瘤預測圖像的像素值、面積都分別大于所述像素閾值和所述面積閾值時，則判斷所述腫瘤預測圖像中的部位為非腫瘤組織；反之則判斷所述腫瘤預測圖像中的部位為腫瘤組織。

8.根據權利要求1所述的腫瘤預測方法，其特征在于，所述通過3D連通域對所述腫瘤預測圖像進行去假陽性過程，獲取腫瘤預測結果包括：

獲取所述腫瘤預測圖像的3D連通域，當某一部分的連通域體積小于設定閾值時，在所述腫瘤預測圖像中剔除該部分。