[發(fā)明專利]一種肝臟淋巴瘤病灶勾畫方法、系統(tǒng)及計算機可讀介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210683539.6
• 申請日: 2022-06-17
• 公開（公告）號: CN114998280A
• 公開（公告）日: 2022-09-02
• 發(fā)明（設(shè)計）人: 李克新;張敬哲;劉軍偉
• 申請（專利權(quán)）人: 無錫科技職業(yè)學(xué)院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06N3/08;G06N3/04
• 代理公司: 蘇州友佳知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32351
• 代理人: 儲振

1.一種肝臟淋巴瘤病灶勾畫方法，其特征在于，包括：

獲取肝臟的正常CT圖像集與異常CT圖像集；

基于所述正常CT圖像集與異常CT圖像集構(gòu)建肝臟淋巴瘤病灶所對應(yīng)的特征模型；

將所述特征模型映射于預(yù)先分割所形成的包含病灶的特征樣本，以根據(jù)所述特征樣本所形成的映射灰度值確定所述特征樣本中所包含肝臟淋巴瘤病灶的影像組學(xué)特征。

2.根據(jù)權(quán)利要求1所述的肝臟淋巴瘤病灶勾畫方法，其特征在于，所述獲取肝臟的正常CT圖像集與異常CT圖像集，包括：

獲取正常腹部骨盆CT圖像集與異常腹部骨盆CT圖像集；

基于所述正常腹部骨盆CT圖像集與異常腹部骨盆CT圖像集分別確定包含完整肝臟的CT圖像集，以分別作為健康肝臟的正常CT圖像集與淋巴瘤病灶的異常CT圖像集。

3.根據(jù)權(quán)利要求2所述的肝臟淋巴瘤病灶勾畫方法，其特征在于，所述基于所述正常CT圖像集與異常CT圖像集構(gòu)建肝臟淋巴瘤病灶所對應(yīng)的特征模型，包括：

基于所述正常腹部骨盆CT圖像集與異常腹部骨盆CT圖像集確定正常初始圖像集與異常初始圖像集；

對所述正常初始圖像集與異常初始圖像集進行預(yù)處理，分別得到正常CT圖像集與異常CT圖像集，以基于所述正常CT圖像集與異常CT圖像集構(gòu)建肝臟淋巴瘤病灶所對應(yīng)的特征模型。

4.根據(jù)權(quán)利要求3所述的肝臟淋巴瘤病灶勾畫方法，其特征在于，所述對所述正常初始圖像集與異常初始圖像集進行預(yù)處理，包括：

對所述正常初始圖像集與異常初始圖像集執(zhí)行三維中值濾波，分別得到三維中值濾波后的圖像集；

將所述三維中值濾波后的圖像集分別進行歸一化操作，并勾畫得到正常CT圖像集與異常CT圖像集。

5.根據(jù)權(quán)利要求3所述的肝臟淋巴瘤病灶勾畫方法，其特征在于，所述基于所述正常CT圖像集與異常CT圖像集構(gòu)建肝臟淋巴瘤病灶所對應(yīng)的特征模型，包括：

將所述勾畫得到正常CT圖像集與異常CT圖像集所分別包含的圖像進行灰度特征運算以構(gòu)建初始特征模型；

對初始特征模型進行優(yōu)化處理，得到優(yōu)化后的初始特征模型，以作為肝臟淋巴瘤病灶所對應(yīng)的特征模型。

6.根據(jù)權(quán)利要求5所述的肝臟淋巴瘤病灶勾畫方法，其特征在于，所述對所述初始特征模型進行優(yōu)化處理，得到優(yōu)化后的初始特征模型，包括：

將初始特征模型所對應(yīng)的參數(shù)輸入優(yōu)化函數(shù)以計算出優(yōu)化后的參數(shù)，并基于所述優(yōu)化后的參數(shù)構(gòu)建得到優(yōu)化后的特征模型；

所述優(yōu)化函數(shù)為：

其中，參數(shù)fTDV為肝臟的總疾病量(Total Disease Volume-TDV)的估計值，參數(shù)TDV_t為肝臟的總疾病量(Total Disease Volume-TDV)的真實值，該真實值是由病灶的體積乘以正常人體的肝臟灰度均值與異常人體的肝臟灰度均值的差得到的，參數(shù)d(I(υ))為異常CT圖像集所包含的圖像，參數(shù)υ為肝臟的體素，參數(shù)I為異常CT圖像集所包含的圖像的灰度均值，參數(shù)A(υ)為肝臟的輪廓區(qū)域，參數(shù)m_d,s_d為特征模型參數(shù)優(yōu)化后的結(jié)果。

7.根據(jù)權(quán)利要求1所述的肝臟淋巴瘤病灶勾畫方法，其特征在于，所述預(yù)先分割所形成的包含病灶的特征樣本基于U-Net神經(jīng)網(wǎng)絡(luò)模型予以確定，包括如下邏輯：

將所述正常CT圖像集在U-Net神經(jīng)網(wǎng)絡(luò)模型中訓(xùn)練，得到訓(xùn)練后的U-Net神經(jīng)網(wǎng)絡(luò)模型；

基于所述訓(xùn)練后的U-Net神經(jīng)網(wǎng)絡(luò)模型對異常初始圖像集中的肝臟區(qū)域進行分割，得到分割所形成的包含病灶的特征樣本，所述特征樣本為具淋巴瘤病灶的肝臟樣本。