[发明专利]脑肿瘤多靶点辅助诊断与前瞻性治疗演化可视化方法及系统

说明书

本发明提供了一种脑肿瘤多靶点辅助诊断与前瞻性治疗演化可视化方法及系统，包括：获取治疗前、后配对的脑肿瘤多靶点多模态MRI数据并进行预处理；对预处理后治疗前、后配对的脑肿瘤多靶点多模态MRI数据通过3DU‑net卷积神经网络进行肿瘤区域分割得到和将和通过影像组学方法获得生长特征标签L＝{l₁,l₂,l₃,...,l_n}；将和通过多通道卷积神经网络进行特征提取再进行SE融合操作，得到深度学习特征和将输入预测模型，得到脑肿瘤多靶点生长预测标签将和输入训练后的前瞻性治疗可视化模型，得到最终的脑肿瘤感兴趣区域生长演化图像，将脑肿瘤感兴趣区域生长演化图像插入非脑肿瘤区域I_background中，完成脑肿瘤前瞻性治疗可视化任务；本发明具有更好的临床实用性。

技术领域

本发明涉及医学图像处理技术领域，具体地，涉及一种脑肿瘤多靶点辅助诊断与前瞻性治疗演化可视化方法及系统。

背景技术

脑肿瘤是人体常见的肿瘤，中枢神经科医生通过患者的脑部多模态磁共振成像(Magnetic Resonance Imaging，MRI)等信息，来诊断病人的患病情况。目前精准诊断脑肿瘤的金标准仍旧是组织病理学检查和基因检测，但肿瘤穿刺活检为有创性操作，手术风险较大，并且无法准确地反映肿瘤组织内部不均质性；在医疗数字化时代，计算机辅助诊断(Computer Assisted Diagnosis,CAD)技术能够结合脑部多模态MRI影像(包括：T1加权成像(T1)、T1加权增强成像(T1C)、T2加权成像(T2)、抑水成像(Flair)、磁共振灌注成像(perfusion weighted imaging， PWI)和表观扩散系数(Apparent DiffusionCoefficient，ADC)、病理和分子基因等交叉融合的有效信息，构建脑肿瘤的多靶点分子影像智能无创辅助诊疗系统，对脑肿瘤的临床诊断和精准治疗具有重要意义。

近几年，医疗行业的数字信息化推动了CAD技术的快速发展，CAD技术能够通过对医学影像的分割、分类及预测定制个性化精准治疗方案，来提高诊疗效率；由于卷积神经网络(Convolutional Neural Network，CNN)能够学习和捕获不同层次的特征，通过寻找数据内部间的某种联系，构建预测模型进而实现将输入映射成输出 (标签或预测值)，而被广泛地应用多种分类任务中，并取得了较好结果；随着基因分子在肿瘤诊断中扮演着越来越重要的角色，研究人员通过CNN模型对单个基因型进行分类辅助诊断，并取得了令人满意的成绩。接着，一些研究学者针对脑肿瘤的异柠檬酸脱氢酶(isocitrate dehydrogenasemutant/wildtype status,IDH- mutant/wildtype)，1p/19q联合缺失(1p/19q Co-Deletion)，表皮生长因子受体 (epidermal growth factor receptor，EGFR)，磷酸酶和张力蛋白同源物(phosphatase and tensin homolog，PTEN)，端粒酶逆转录酶(telomerasereverse transcriptase，TERT)，抑癌蛋白(tumor suppressor protein p53，p53TP53)，α地中海贫血/智力低下综合征X连锁(Alpha thalassemia/mental retardation syndromeX-linked，ATRX)和间变性淋巴瘤激酶(Anaplastic Lymphoma kinase， ALK)等基因进行分类预测研究，但其准确率仅在83％[1]。这些辅助诊断方法针对的基因类型比较固定，不能完全满足临床诊疗需求；由于脑肿瘤多模态MRI多任务数据的限制，目前基于脑肿瘤多模态MRI的多任务辅助诊断的研究尚不多见。一些简单逻辑回归、SVM和神经网络页被用于4～5类基因进行辅助诊断，最高准确率也有72％[2]。