申请/专利权人：北京智源人工智能研究院

申请日：2023-12-19

公开（公告）日：2024-03-29

公开（公告）号：CN117422722B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/13;G06T7/136;G06T7/194;G06V10/764

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2024.02.06#实质审查的生效;2024.01.19#公开

摘要：本发明公开了基于ADC图像的肿瘤预后特征评估的方法和装置，属于医学图像处理领域。该方法包括：获取治疗前后肿瘤的T2图像、高b值DWI图像和b值为0的DWI图像，通过边缘偏离度算法，配准并合并三幅高b值DWI图像，得到DWI合成图像，根据DWI合成图像，生成ADC图像，根据T2图像、DWI合成图像、b值为0的DWI图像和ADC图像，得到治疗前后肿瘤的ADC图像中的第一高信号区域和第二高信号区域，根据治疗前后肿瘤的第一高信号区域，确定幅度校正系数，根据幅度校正系数、治疗前后肿瘤的第二高信号区域，确定ADC评估值，据此评估肿瘤预后的特征。本发明能够精准地为术后无明显体积变化的肿瘤预后评估提供依据。

主权项：1.一种基于ADC图像的肿瘤预后特征评估的方法，其特征在于，包括：获取针对治疗前肿瘤的T2图像和第一DWI图像，其中，所述第一DWI图像包括：沿读出方向、相位方向和选层方向施加扩散梯度得到的三幅高b值第一DWI图像和未施加扩散梯度得到的b值为0的第一DWI图像；根据所述b值为0的第一DWI图像，通过边缘偏离度算法，对所述三幅高b值第一DWI图像进行形变配准；合并形变配准后的三幅高b值第一DWI图像，得到第一DWI合成图像；根据所述第一DWI合成图像和所述b值为0的第一DWI图像，生成第一ADC图像；根据治疗前肿瘤的T2图像、所述第一DWI合成图像、所述b值为0的第一DWI图像和所述第一ADC图像，得到针对治疗前肿瘤的所述第一ADC图像中的第一高信号区域和第二高信号区域；所述根据治疗前肿瘤的T2图像、所述第一DWI合成图像、所述b值为0的第一DWI图像和所述第一ADC图像，得到针对治疗前肿瘤的所述第一ADC图像中的第一高信号区域和第二高信号区域，包括：将治疗前肿瘤的T2图像中的全部肿瘤区域WT根据空间坐标映射到所述b值为0的第一DWI图像上，得到原始DWI映射区域；对所述原始DWI映射区域进行膨胀处理，得到原始DWI映射膨胀区域；将所述原始DWI映射膨胀区域映射到所述第一DWI合成图像上，得到第一DWI合成图像映射区域；通过多级阈值法和特征向量分类法，对所述第一DWI合成图像映射区域进行分类，得到第三高信号区域和第二高信号区域，其中，所述第二高信号区域为肿瘤在第一DWI合成图像上表现为高信号的区域；将所述第一DWI合成图像和所述b值为0的第一DWI图像中对应位置的像素灰度值做相减处理，得到减影图像；通过全局阈值法，对所述减影图像进行图像分割，得到第四高信号区域，所述第四高信号区域包括脑脊液区域、眼球区域和包含肿瘤的第三高信号区域；将所述第四高信号区域与所述第三高信号区域做相减处理，得到第一高信号区域，所述第一高信号区域包括脑脊液区域和眼球区域；将所述第一高信号区域和所述第二高信号区域映射到所述第一ADC图像中，得到针对治疗前肿瘤的所述第一ADC图像中的第一高信号区域和第二高信号区域；所述通过多级阈值法和特征向量分类法，对所述第一DWI合成图像映射区域进行分类，得到第三高信号区域和第二高信号区域，包括：通过多级阈值法，分别对第一DWI合成图像中的第一DWI合成图像映射区域和b值为0的第一DWI图像中的第一DWI合成图像映射区域进行幅度值分类，将第一DWI合成图像和b值为0的第一DWI图像中的第一DWI合成图像映射区域内所有像素点均分类标记为高、中和低三类，且高、中和低对应的分类标记值分别记为1、0和-1；通过特征向量法，去除第一DWI合成图像中的第一DWI合成图像映射区域和b值为0的第一DWI图像中的第一DWI合成图像映射区域内特征向量不等于或的像素点；通过公式判断第一DWI合成图像映射区域内像素点是否属于第三高信号区域；通过公式判断第一DWI合成图像映射区域内像素点是否属于第二高信号区域，其中，和为第一DWI合成图像和b值为0的第一DWI图像构成的标准特征向量，表示第一DWI合成图像的像素分类标记值为0且b值为0的第一DWI图像的像素分类标记值为1的像素点构成的特征向量，表示第一DWI合成图像的像素分类标记值为1且b值为0的第一DWI图像的像素分类标记值为0的像素点构成的特征向量；为第一DWI合成图像映射区域内像素点对应的特征向量，由第一DWI合成图像中的第一DWI合成图像映射区域和b值为0的第一DWI图像中的第一DWI合成图像映射区域中像素点的分类标记值构成；获取针对治疗后肿瘤的T2图像和第二DWI图像，其中，所述第二DWI图像包括：沿读出方向、相位方向和选层方向施加扩散梯度得到的三幅高b值第二DWI图像和未施加扩散梯度得到的b值为0的第二DWI图像；根据所述b值为0的第二DWI图像，通过边缘偏离度算法，对所述三幅高b值第二DWI图像进行形变配准；合并形变配准后的三幅高b值第二DWI图像，得到第二DWI合成图像；根据所述第二DWI合成图像和所述b值为0的第二DWI图像，生成第二ADC图像；根据治疗后肿瘤的T2图像、所述第二DWI合成图像、所述b值为0的第二DWI图像和所述第二ADC图像，得到针对治疗后肿瘤的所述第二ADC图像中的第一高信号区域和第二高信号区域；所述根据治疗后肿瘤的T2图像、所述第二DWI合成图像、所述b值为0的第二DWI图像和所述第二ADC图像，得到针对治疗后肿瘤的所述第二ADC图像中的第一高信号区域和第二高信号区域，包括：将治疗后肿瘤的T2图像中的全部肿瘤区域WT根据空间坐标映射到所述b值为0的第二DWI图像上，得到第二原始DWI映射区域；对所述第二原始DWI映射区域进行膨胀处理，得到第二原始DWI映射膨胀区域；将所述第二原始DWI映射膨胀区域映射到所述第二DWI合成图像上，得到第二DWI合成图像映射区域；通过多级阈值法和特征向量分类法，对所述第二DWI合成图像映射区域进行分类，得到第三高信号区域和第二高信号区域，其中，所述第二高信号区域为肿瘤在第二DWI合成图像上表现为高信号的区域；将所述第二DWI合成图像和所述b值为0的第二DWI图像中对应位置的像素灰度值做相减处理，得到第二减影图像；通过全局阈值法，对所述第二减影图像进行图像分割，得到第四高信号区域，所述第四高信号区域包括脑脊液区域、眼球区域和包含肿瘤的第三高信号区域；将所述第四高信号区域与所述第三高信号区域做相减处理，得到第一高信号区域，所述第一高信号区域包括脑脊液区域和眼球区域；将所述第一高信号区域和所述第二高信号区域映射到所述第二ADC图像中，得到针对治疗后肿瘤的所述第二ADC图像中的第一高信号区域和第二高信号区域；与得到第一DWI合成图像上的第三高信号区域和第二高信号区域的方法相同，对所述第二DWI合成图像映射区域进行分类，得到第二DWI合成图上的第三高信号区域和第二高信号区域；根据治疗前肿瘤的所述第一ADC图像中的第一高信号区域和治疗后肿瘤的所述第二ADC图像中的第一高信号区域，确定幅度校正系数；根据所述幅度校正系数、治疗前肿瘤的所述第一ADC图像中的第二高信号区域和治疗后肿瘤的所述第二ADC图像中的第二高信号区域，确定ADC评估值；根据所述ADC评估值，对肿瘤预后的特征进行评估；所述根据所述b值为0的第一DWI图像，通过边缘偏离度算法，对所述三幅高b值第一DWI图像进行形变配准，包括：针对每幅高b值第一DWI图像，对该幅高b值第一DWI图像进行全局阈值分割处理，将该幅高b值第一DWI图像中小于分割阈值的像素值赋值为0，去除背景区域；针对去除背景区域后的该幅高b值第一DWI图像内的每个像素点，判断该像素点是否满足像素值不为0且与该像素点相邻的像素点的像素值存在0的条件，若是，则该像素点为边缘像素点，若否，则该像素点不是边缘像素点；根据判断出的边缘像素点，形成该幅高b值第一DWI图像对应的边缘点集合；根据三幅高b值第一DWI图像对应的边缘点集合，通过公式，计算三幅高b值第一DWI图像之间边缘点最大的偏离程度，其中，EP、ER和ES分别表示三幅高b值第一DWI图像对应的边缘点集合，表示每个边缘点集合内边缘像素点的数目，表示三幅高b值第一DWI图像之间边缘点最大的偏离程度；当所述边缘点最大的偏离程度超过偏离阈值时，将三幅高b值第一DWI图像分别与所述b值为0的第一DWI图像进行形变配准；所述根据治疗前肿瘤的所述第一ADC图像中的第一高信号区域和治疗后肿瘤的所述第二ADC图像中的第一高信号区域，确定幅度校正系数，包括：根据治疗前肿瘤的所述第一ADC图像中的第一高信号区域和治疗后肿瘤的所述第二ADC图像中的第一高信号区域，通过公式和，确定幅度校正系数，其中，表示治疗前肿瘤的所述第一ADC图像中的第一高信号区域内的ADC平均值，表示第次治疗后肿瘤的所述第二ADC图像中的第一高信号区域内的ADC平均值，表示设定常数，表示幅度校正系数；所述根据所述幅度校正系数、治疗前肿瘤的所述第一ADC图像中的第二高信号区域和治疗后肿瘤的所述第二ADC图像中的第二高信号区域，确定ADC评估值，包括：根据所述幅度校正系数、治疗前肿瘤的所述第一ADC图像中的第二高信号区域和治疗后肿瘤的所述第二ADC图像中的第二高信号区域，通过公式，确定ADC评估值，其中，表示治疗前肿瘤的所述第一ADC图像中的第二高信号区域内的ADC平均值，表示第次治疗后肿瘤的所述第二ADC图像中的第二高信号区域内的ADC平均值，表示幅度校正系数，表示ADC评估值。

全文数据：

权利要求：

百度查询： 北京智源人工智能研究院 基于ADC图像的肿瘤预后特征评估的方法和装置

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