[发明专利]一种基于深度学习的评估转移性前列腺癌全身磁共振快速成像方法

权利要求书

1.一种基于深度学习的评估转移性前列腺癌全身磁共振快速成像方法，其特征在于，包括以下步骤：

S1、回顾性数据收集：回顾性收集WB-MRI数据构建训练集和验证集，根据入组标准回顾性纳入WB-MRI数据200例，随机分为训练集180例和验证集20例，利用训练集数据训练神经网络模型，利用验证集数据调整模型参数、优化模型；

S2、图像预处理：采用T2WI图像预处理和DWI图像预处理两种方式实现对WB-MRI的加速扫描，从而获取深度网络训练所需的欠采样(或下采样)输入图像和全采样的目标图像；

S3、基于深度学习的WB-MRI快速成像模型的训练、验证和优化：采用深度级联卷积神经网络(DC-CNN)和深度残差密集网络(RDN)作为基础网络，结合迁移学习的方法，采用回顾性数据学习输入图像(欠采样或下采样图像)和目标图像(全采样图像)之间的映射关系，即网络参数权重，以获得基于深度学习的WB-MRI快速成像模型；

S4、基于深度学习的WB-MRI快速成像模型的测试：前瞻性收集50例疑诊转移性前列腺癌患者和10例健康志愿者对构建的深度学习模型进行测试；

S5、基于深度学习的WB-MRI快速成像模型在转移性前列腺癌评估中的应用：前瞻性纳入50例就诊的病理证实为前列腺癌，并疑诊转移的患者，所有纳入患者均进行深度学习加速的WB-MRI_DL扫描和常规全采样WB-MRI_F扫描，以探究基于深度学习的WB-MRI快速成像模型在转移性前列腺癌评估中的应用。

2.根据权利要求1所述的一种基于深度学习的评估转移性前列腺癌全身磁共振快速成像方法，其特征在于：所述步骤S2中，T2WI图像预处理包括：

(1)、模拟k空间欠采样；

(2)、冠状位重建；

(3)、数据归一化；

(4)、数据增广。

3.根据权利要求1所述的一种基于深度学习的评估转移性前列腺癌全身磁共振快速成像方法，其特征在于：所述步骤S2中，DWI图像预处理包括：

(1)、模拟图像下采样；

(2)、冠状位重建；

(3)、数据归一化；

(4)、数据增广。

4.根据权利要求1所述的一种基于深度学习的评估转移性前列腺癌全身磁共振快速成像方法，其特征在于：所述步骤S2中，对于回顾性收集的T2WI图像采用k空间欠采样和图像下采样进行加速扫描，而对于DWI图像采用下采样的加速方法。

5.根据权利要求1所述的一种基于深度学习的评估转移性前列腺癌全身磁共振快速成像方法，其特征在于：所述步骤S3中，采用DC-CNN学习欠采样图像与全采样图像之间的映射关系，采用RDN学习下采样图像与全采样图像之间的映射关系。

6.根据权利要求1所述的一种基于深度学习的评估转移性前列腺癌全身磁共振快速成像方法，其特征在于：所述步骤S4具体包括：

(1)、图像质量和ADC参数评估：前瞻性纳入50例疑诊转移性前列腺癌患者同时进行WB-MRI真实欠采样(或降采样)和常规全采样扫描，获得深度学习加速图像WB-MRI_DL和全采样图像WB-MRI_F，比较WB-MRI_DL和WB-MRI_F的图像质量及ADC值差异；

(2)、模型的稳定性和可重复性评估：前瞻性纳入10例健康志愿者分别进行两次深度学习加速的WB-MRI扫描，评估基于深度学习的快速成像模型重建的WB-MRI_DL图像的可重复性及ADC值的可重复性。