一种肿瘤消融疗效预测方法、装置、设备及计算机介质制造方法及图纸

本申请公开了一种肿瘤消融疗效预测方法、装置、设备及计算机介质，包括：第一获取模块，用于获取包含肿瘤的超声图像；第一处理模块，用于对超声图像进行处理，得到肿瘤病灶实质图像；扩展模块，用于在超声图像中，对肿瘤病灶实质图像进行区域扩展，得到肿瘤病灶扩展图像；第二处理模块，用于对肿瘤病灶实质图像进行影像组学特征提取和筛选，得到目标影像组学特征；第二获取模块，用于获取除超声图像外、与肿瘤相关的参量特征；预测模块，用于基于肿瘤病灶扩展图像、目标影像组学特征、参量特征进行肿瘤消融疗效预测，得到肿瘤消融疗效预测结果。可以基于超声图像并辅以参量特征进行术前肿瘤消融疗效预测，局限性小。

【技术实现步骤摘要】
一种肿瘤消融疗效预测方法、装置、设备及计算机介质
本申请涉及超声图像处理
，更具体地说，涉及一种肿瘤消融疗效预测方法、装置、设备及计算机介质。
技术介绍
以乳腺肿瘤为例，随着乳腺X线钼靶、B超筛查等的普及和妇女对乳腺疾病认知的提高，使得乳腺肿瘤检出率越来越高，并呈现年轻化趋势。目前对乳腺肿瘤的消融术，一般是在B超等医学影像的引导下，通过消融针发射射频、微波、激光等的方法对肿瘤病灶进行加热，从而达到“杀死”肿瘤细胞的目的。相比于传统的手术切除疗法消融手术疗法，具有创伤小、恢复快、美观、对病人身体素质要求低、可重复性强等优点，越来越多地被应用于良性乳腺肿瘤的治疗中。消融手术的疗效评估对手术方案的制定、治疗时机的把握、缓解术前医患沟通障碍等具有重要的意义。目前消融手术的疗效评估方法主要分为医生术前评估和定期术后随访两种；其中，医生术前评估指的是医生根据病人的临床资料，并结合自己的临床经验对消融疗效进行预测，从而根据预测结果判断病人是否适合进行肿瘤消融手术；术后定期随访是指通过术后定期的影像学随访检查来监测肿瘤的生长，通常，消融术后随访检查至少要持续一年。以乳腺消融为例，随访检查的时间点一般设置在手术后、术后第3、6、12月，并以肿瘤体积缩小率来评价消融的有效性。然而，目前对消融手术疗效的评估方法中，医生评估虽然能够达到术前评估的目的，但对医生的经验要求较高，易受医生主观因素的影响，如果评估有误将有错过最佳治疗时机的风险；定期术后随访虽然可以通过消融术后一段时间的随访检查监测肿瘤的生长，进而直观准确地评价消融手术的疗效，但只能用于消融疗效的术后评估，局限性较高。综上所述，如何降低肿瘤消融疗效预测的局限性是目前本领域技术人员亟待解决的问题。
技术实现思路
本申请的目的是提供一种肿瘤消融疗效预测装置，其能在一定程度上解决如何降低肿瘤消融疗效预测的局限性技术问题。本申请还提供了一种肿瘤消融疗效术前预测方法、设备及计算机可读存储介质。为了实现上述目的，本申请提供如下技术方案：一种肿瘤消融疗效预测装置，包括：第一获取模块，用于获取包含肿瘤的超声图像；第一处理模块，用于对所述超声图像进行处理，得到肿瘤病灶实质图像；第二处理模块，用于对所述肿瘤病灶实质图像进行影像组学特征提取和筛选，得到目标影像组学特征；第二获取模块，用于获取除所述超声图像外、与所述肿瘤相关的参量特征；预测模块，用于基于所述目标影像组学特征、所述其他参量特征进行肿瘤消融疗效预测，得到肿瘤消融疗效预测结果。优选的，还包括：扩展模块，用于在所述超声图像中，对所述肿瘤病灶实质图像进行区域扩展，得到肿瘤病灶扩展图像；所述预测模块包括：第一预测子模块，用于基于所述肿瘤病灶扩展图像、所述目标影像组学特征、所述参量特征进行肿瘤消融疗效预测，得到所述肿瘤消融疗效预测结果。优选的，所述扩展模块包括：扩展单元，用于在所述超声图像中，将所述肿瘤病灶实质图像及所述肿瘤病灶实质图像周边预设范围内的图像确定为所述肿瘤病灶扩展图像。优选的，所述参量特征的类型包括临床参量特征、生物学参量特征、临床经验参量特征。优选的，所述第二处理模块包括：第一提取子模块，用于根据预设的特征类型从所述肿瘤病灶实质图像中提取出初步的影像组学特征；第一筛选子模块，用于对所述初步的影像组学特征进行筛选，得到所述目标影像组学特征。优选的，所述第一筛选子模块包括：第一获取单元，用于获取表征影像组学特征有无特异性的一维矩阵；处理单元，用于将所述初步的影像组学特征与所述一维矩阵进行运算，得到所述目标影像组学特征。优选的，还包括：第一获取单元，用于获取超声图像样本的影像组学特征的的正样本和负样本；判断单元，用于判断所述正样本和所述负样本是否符合正态分布要求，若否，则采用曼-惠特尼U检验方法判断所述超声图像样本的影像组学特征是否有特异性；若所述正样本和所述负样本符合所述正态分布要求，则判断所述正样本和所述负样本是否符合方差齐次要求，若所述正样本和所述负样本符合所述方差齐次要求，则采用双样本T校验方法判断所述超声图像样本的影像组学特征是否有特异性；若所述正样本和所述负样本不符合所述方差齐次要求，则采用Welch’sT校验方法判断所述超声图像样本的影像组学特征是否有特异性；生成单元，用于生成与所述超声图像样本的所有影像组学特征对应的一维矩阵，并且所述超声图像样本的影像组学特征有特异性时，将所述超声图像样本的影像组学特征在所述一维矩阵中的值设为1；所述超声图像样本的影像组学特征无特异性时，将所述超声图像样本的影像组学特征在所述一维矩阵中的值设为0。优选的，所述初步的影像组学特征的类型包括：形状特征、强度特征、纹理特征、小波特征；所述形状特征的类型包括：紧密度、直径、面积；所述强度特征的类型包括：最值、方差、能量；所述纹理特征的类型包括：局部灰度差分矩阵、灰度区域矩阵、灰度游程矩阵、灰度共生矩阵。优选的，所述第一筛选子模块包括：第二获取单元，用于获取表征影像组学特征有无特异性的一维布尔矩阵；处理单元，用于将所初步的影像组学特征与所述一维布尔矩阵进行运算，得到所述目标影像组学特征。优选的，所述第一预测子模块包括：第二提取子模块，用于基于主干神经网络模型对所述肿瘤病灶扩展图像进行特征提取，得到神经网络特征；第二预测子模块，用于基于所述神经网络特征、所述目标影像组学特征、所述其他参量特征进行肿瘤消融疗效预测，得到所述肿瘤消融疗效预测结果。优选的，所述第二预测子模块包括：预测单元，用于基于所述神经网络特征、所述目标影像组学特征、所述参量特征和预先训练的消融疗效评估模型进行肿瘤消融疗效预测，得到所述肿瘤消融疗效预测结果。优选的，所述消融疗效评估模型包括基于深度神经网络分类算法搭建的三输入通道分类模型；所述三输入通道分类模型的主体网络框架的类型包括：VGGNet、ResNet50、DensNnet、GoogleNet。优选的，还包括：第三获取单元，用于所述预测单元基于所述神经网络特征、所述目标影像组学特征、所述参量特征和预先训练的消融疗效评估模型进行肿瘤消融疗效预测之前，获取待训练样本；计算单元，用于基于所述待训练样本的目标影像组学特征和参量特征计算术后预设时长后的肿瘤体积缩小率；判断所述肿瘤体积缩小率是否大于等于预设阈值，若是，则将所述待训练样本分类为表征消融有效的训练样本；若否，则将所述待训练样本分类为表征消融无效的训练样本；训练单元，用于基于分类后的所述待训练样本对所述消融疗效评估模型对应的初始模型进行训练，得到训练好的所述消融疗效评估模型。参量特征一种肿瘤消融疗效预测设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序以获取包含肿瘤的超声图像；对所述超声图像进行处理，得到肿瘤病本文档来自技高网...

【技术保护点】
1.一种肿瘤消融疗效预测装置，其特征在于，包括：/n第一获取模块，用于获取包含肿瘤的超声图像；/n第一处理模块，用于对所述超声图像进行处理，得到肿瘤病灶实质图像；/n第二处理模块，用于对所述肿瘤病灶实质图像进行影像组学特征提取和筛选，得到目标影像组学特征；/n第二获取模块，用于获取除所述超声图像外、与所述肿瘤相关的参量特征；/n预测模块，用于基于所述目标影像组学特征、所述参量特征进行肿瘤消融疗效预测，得到肿瘤消融疗效预测结果。/n

【技术特征摘要】
1.一种肿瘤消融疗效预测装置，其特征在于，包括：
第一获取模块，用于获取包含肿瘤的超声图像；
第一处理模块，用于对所述超声图像进行处理，得到肿瘤病灶实质图像；
第二处理模块，用于对所述肿瘤病灶实质图像进行影像组学特征提取和筛选，得到目标影像组学特征；
第二获取模块，用于获取除所述超声图像外、与所述肿瘤相关的参量特征；
预测模块，用于基于所述目标影像组学特征、所述参量特征进行肿瘤消融疗效预测，得到肿瘤消融疗效预测结果。


2.根据权利要求1所述的方法，其特征在于，还包括：
扩展模块，用于在所述超声图像中，对所述肿瘤病灶实质图像进行区域扩展，得到肿瘤病灶扩展图像；
所述预测模块包括：
第一预测子模块，用于基于所述肿瘤病灶扩展图像、所述目标影像组学特征、所述参量特征进行肿瘤消融疗效预测，得到所述肿瘤消融疗效预测结果。


3.根据权利要求2所述的装置，其特征在于，所述扩展模块包括：
扩展单元，用于在所述超声图像中，将所述肿瘤病灶实质图像及所述肿瘤病灶实质图像周边预设范围内的图像确定为所述肿瘤病灶扩展图像。


4.根据权利要求1所述的装置，其特征在于，所述参量特征的类型包括临床参量特征、生物学参量特征、临床经验参量特征。


5.根据权利要求1所述的装置，其特征在于，所述第二处理模块包括：
第一提取子模块，用于根据预设的特征类型从所述肿瘤病灶实质图像中提取出初步的影像组学特征；
第一筛选子模块，用于对所述初步的影像组学特征进行筛选，得到所述目标影像组学特征。


6.根据权利要求5所述的装置，其特征在于，所述第一筛选子模块包括：
第一获取单元，用于获取表征影像组学特征有无特异性的一维矩阵；
处理单元，用于将所述初步的影像组学特征与所述一维矩阵进行运算，得到所述目标影像组学特征。


7.根据权利要求6所述的装置，其特征在于，还包括：
第二获取单元，用于获取超声图像样本的影像组学特征的的正样本和负样本；
判断单元，用于判断所述正样本和所述负样本是否符合正态分布要求，若否，则采用曼-惠特尼U检验方法判断所述超声图像样本的影像组学特征是否有特异性；若所述正样本和所述负样本符合所述正态分布要求，则判断所述正样本和所述负样本是否符合方差齐次要求，若所述正样本和所述负样本符合所述方差齐次要求，则采用双样本T校验方法判断所述超声图像样本的影像组学特征是否有特异性；若所述正样本和所述负样本不符合所述方差齐次要求，则采用Welch’sT校验方法判断所述超声图像样本的影像组学特征是否有特异性；
生成单元，用于生成与所述超声图像样本的所有影像组学特征对应的一维矩阵，并且所述超声图像样本的影像组学特征有特异性时，将所述超声图像样本的影像组学特征在所述一维矩阵中的值设为1；所述超声图像样本的影像组学特征无特异性时，将所述超声图像样本的影像组学特征在所述一维矩阵中的值设为0。


8.根据权利要求5所述的装置，其特征在于，所述初步的影像组学特征的类型包括：形状特征、强度特征、纹理特征、小波特征；
所述形状特征的类型包括：紧密度、直径、面积；所述强度特征的类型包括：...

【专利技术属性】
技术研发人员：赵万明，周国义，姜文，
申请(专利权)人：深圳开立生物医疗科技股份有限公司，
类型：发明
国别省市：广东;44