[发明专利]一种基于动态MRI信息融合的肝癌定量分析方法

说明书

本发明公开了一种基于动态MRI信息融合的肝癌定量分析方法，该方法结合机器学习方法，利用XGboost模型算法，进行自学习，自优化，构建活性肝癌细胞识别最优模型，优化了活性肝癌区域的检测手段，为医生对肝癌的TACE治疗疗效进行评估提供更为精准的临床信息，从而为肝癌的精准治疗方案的制定提供技术支持和可靠依据。

技术领域

本发明属于医学图像处理领域，具体涉及到一种基于动态MRI信息融合的肝癌定量分析方法。

背景技术

随着医学影像学和计算机科学的不断发展与结合，利用计算机技术对临床医学数据进行分析是一种高准确率和高效率的辅助诊断方式，大大提高了疾病的预防率和治疗成功率。原发性肝癌是我国的常见病和多发病，占全世界肝癌疾病的比例很大，且肝癌早期诊断比较困难，多数情况下，患者在确诊之后，可治愈性治疗特征已经消失，因此针对原发性肝癌，现代临床医学采用经导管动脉化疗栓塞(TACE)的方式为患者进行治疗。基于此治疗方式的方法有很多，在临床应用方面，核磁共振成像(MRI)较CT在后续治疗评估中具有更高的应用价值。MRI可以排除TACE术中所用栓塞剂（碘油）的干扰。碘油在T2加权成像、动态增强等成像序列上表现均为明显低信号，而残留、复发灶表现为高信号，据此可明确区分肿瘤组织和相邻的栓塞剂。另外，通过设计不同的扫描序列可获得特定MRI信号，较CT可提供目标区域更多的信息。原发性肝癌在TACE术后，坏死区表现为肿瘤凝固性坏死，而坏死区域在MRI中的特异性非常高。因此，MRI可以为TACE疗效的评估提供更多的信息。另外，三维动态增强序列在动脉强化期呈现高信号，静脉期及平衡期呈现低信号。该序列既能完成与CT相同的快速动态增强扫描，又具有明显高于CT的组织分辨力，其病灶检出率与准确率均明显高于CT增强扫描，也优于其它MRI成像序列。

目前,在肝癌的TACE治疗后的疗效评估过程中，医生只能根据组织在动态增强MRI（DCMRI）的各项图像中的情况判断TACE的治疗效果。这种评估过程比较粗放，医生的工作量大，评估效率偏低。针对这种现状，本发明采用机器学习的方法对各期DCMRI图像进行三维融合，构建活性肝肿瘤的信息，以方便医生对TACE治疗肝癌的效果进行评估，提高医生对肝癌的诊断效率和诊断准确率，从而提高肝癌的治疗效果。

发明内容

本发明的目的是克服现有技术的不足，提供一种基于动态MRI信息融合的肝癌定量分析方法，该方法可以帮助医生做出准确的病情判断。

实现本发明目的的技术方案路径是：

一种基于动态MRI信息融合的肝癌定量分析方法，具体包括如下步骤：

1）对采集到的肝癌患者的DCMRI图像，采用概率图谱与形状模型相结合的方法，同时引入适当的肝脏图像的特征，构造目标函数，实现对肝脏DCMRI图像的准确而且快速的分割，从DCMRI图像中分割得到肝脏图像区域；

2）提取肝脏图像区域内各体素在DCMRI图像中的信号变化特征信息，作为活性肿瘤的识别特征；

3）利用XGBoost模型算法构建活性肝癌区域识别模型，将步骤2）中提取的各体素的DCMRI特征信息输入该识别模型中进行识别；

4）用训练集数据来对步骤3）构建的模型进行训练，并采用测试集数据对模型进行测试，获得模型的最优参数；

5）利用训练好的识别模型对TACE治疗肝癌的疗效进行评估，得到肝脏活性肿瘤区域，并进行定量分析和三维显示，为制定肝癌进一步治疗方案以及预后预测提供精确可靠的信息。

步骤3）中，所述的XGBoost模型算法，是建立一种树状模型，依靠样本数据的输入，进行自学习，自优化，得到模型最优参数。

步骤3）中，所述的识别，识别输出结果采用0和1表示该体素区域是否为活性肿瘤细胞区域，其中设置输出1为活性肿瘤区域，输出0为非活性肿瘤区域。

与现有的肝癌定量分析方法进行比较，本发明具有以下优点：