申请/专利权人：天津市肿瘤医院(天津医科大学肿瘤医院)

申请日：2022-04-19

公开（公告）日：2023-01-24

公开（公告）号：CN114511564B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/26;G06V10/764;G06V10/774;G06V10/82;G06N3/04

优先权：

专利状态码：有效-授权

法律状态：2023.01.24#授权;2022.06.03#实质审查的生效;2022.05.17#公开

摘要：本发明公开一种基于DCE‑MRI对乳腺癌残存肿瘤负荷的影像分析方法，基于的影像组学及深度学习的分析方法突破了常规影像图像分析方法主观性强，无法提供定量指标的局限性，使用深度学习与影像组学两种基于医学影像的人工智能方法平行地对NAC的肿瘤影像分析，通过深入挖掘肉眼无法识别的影像图像信息，极大地拓展了影像图像分析方法的应用范围。

主权项：1.基于DCE-MRI对乳腺癌残存肿瘤负荷的影像分析方法，其特征在于，包括如下步骤：采集DCE-MRI图像并将靶病灶增强图像通过半自动分割算法进行交互分割；基于深度卷积神经网络获取乳腺癌细胞影像分割的分析结果，以及所述乳腺癌细胞影像的相关特征；所述深度卷积神经网络由下采样和上采样两部分串联组成；所述网络下采样部分，同时对两侧图像提取金字塔特征，将患侧和对侧特征都池化为cx1x1x1大小，其中c为特征维度，将两者结合起来，作为全局注意力变换加权到患侧特征图上，基于对称性强化患侧乳腺癌特征；所述网络上采样部分，将下采样的金字塔特征，参考UNet的跳跃连接，逐级上采样到原始图像大小，最后通过softmax得到每个体素的乳腺癌病灶分割分析概率值；将所述下采样的金字塔特征乘以乳腺癌的分割分析概率图，作为乳腺癌特征；采用重复性评估的肿瘤标注作为标准；利用数学形态学算子对VOI进行膨胀与腐蚀操作；利用补集云运算，获取肿瘤边缘微环境并定义核心区；提取所述边缘微环境及所述核心区的影像组学特征；采用形态与边缘检测、一阶直方图、灰度纹理二阶统计特征、梯度特征以及经小波LAWS指数拉普拉斯高斯算子滤波后的倾向性高阶特征构建所述影像组学特征；通过对一个包含多个属性的所述影像组学特征进行意义分层与标注，完成对所述影像组学的定义，根据所述影像组学特征构建影像组学模型并形成影像组学标签；基于所述乳腺癌细胞影像分割的分析结果，进行所述影像组学特征的提取；将深度学习特征和所述影像组学特征融合起来，经过多层全连接，完成数据降维和分类分析结果演示，最后通过softmax层得到得到最终的分类概率数值，得到乳腺MRI新辅助化疗后残存肿瘤符合的影像数据分析结果。

全文数据：

权利要求：

百度查询： 天津市肿瘤医院(天津医科大学肿瘤医院) 基于DCE-MRI对乳腺癌残存肿瘤负荷的影像分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD