基于PET/CT双时成像的胰腺癌精准诊断系统技术方案

本发明专利技术公开了一种基于PET/CT双时成像的胰腺癌精准诊断系统，包括：双时图像配准模块，其用于将通过PET/CT影像扫描采集的PET/CT延迟扫描图像数据与PET/CT早期扫描图像数据进行配准；病灶分割模块，其用于采用基于卷积神经网络的深度交互式分割网络模型对早期PET图像进行交互式半自动分割；影像组学分类诊断模块，其用于对分割后的PET/CT早期扫描图像和PET/CT延迟扫描图像进行分析，得出诊断结果。本发明专利技术降低了PET图像的部分容积效应造成的分割误差，又自动学习了当前临床医生的分割习惯，进而改善单个CNN网络自动分割的精度和鲁棒性，能有效降低胰腺癌诊断的假阳性率，具有很好的临床推广应用前景。

【技术实现步骤摘要】
基于PET/CT双时成像的胰腺癌精准诊断系统
本专利技术涉及医学图像处理
，特别涉及一种基于PET/CT双时成像的胰腺癌精准诊断系统。
技术介绍
近年来，随着人民生活水平及医疗诊断技术的不断提高，在我国乃至世界范围内胰腺疾病的发病率均有上升的趋势。其中，自身免疫性胰腺炎(Autoimmunepancreatitis，AIP)与胰腺导管腺癌(Pancreaticductaladenocarcinoma，PDAC)之间的准确鉴别已成为临床上的一大难题。传统影像学检查手段，如超声、计算机断层扫描(Computedtomography，CT)和磁共振成像(Magneticresonanceimaging，MRI)，它们利用胰腺的解剖学信息可以诊断具有典型表现(胰腺呈腊肠状弥漫性增大)的AIP患者。正电子发射计算机断层扫描(Positronemissiontomography，PET)/计算机断层扫描(Computedtomography，CT)将功能显像和解剖显像集成于一体，不仅可以显示病变的形态、尺寸、密度等解剖学信息，还可提供病变代谢、血流等功能信息，进而敏感、早期显示癌组织中特殊的代谢变化，达到早期诊断肿瘤目的。所以PET/CT在肿瘤良恶性病变诊断和分期、指导治疗及预后判断等方面具有重要的应用价值。然而PET/CT主要依靠氟代脱氧葡萄糖(18F-FDG)对胰腺病变代谢的高低来判断良恶，尚且缺乏特异性。因为胰腺部很多炎性/良性病变都有摄取18F-FDG而呈阳性显像，如自身免疫性胰腺炎(AIP)、慢性肿块型胰腺炎、结核及良性肿瘤等。所以如何降低PET/CT诊断AIP与PDAC的假阳性率，避免误诊和漏诊，是提高胰腺良恶性病变鉴别诊断正确率的关键，也是临床工作的迫切需求。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于PET/CT双时成像的胰腺癌精准诊断系统。为解决上述技术问题，本专利技术采用的技术方案是：一种基于PET/CT双时成像的胰腺癌精准诊断系统，包括：双时图像配准模块，其用于将通过PET/CT影像扫描采集的PET/CT延迟扫描图像数据与PET/CT早期扫描图像数据进行配准；其中，PET/CT早期扫描图像数据中的早期PET图像与早期CT图像已刚性配准，PET/CT延迟扫描图像数据中的延迟PET图像与延迟CT图像已刚性配准；病灶分割模块，其用于采用基于卷积神经网络的深度交互式分割网络模型对早期PET图像进行交互式半自动分割，然后利用早期PET图像的分割标签对延迟PET图像进行自动匹配分割，以及对早期CT图像和延迟CT图像进行自动匹配分割；以及影像组学分类诊断模块，其用于对分割后的PET/CT早期扫描图像和PET/CT延迟扫描图像进行分析，得出诊断结果。优选的是，所述双时图像配准模块进行PET/CT延迟扫描图像数据与PET/CT早期扫描图像数据配准的方法包括以下步骤：1)将延迟CT图像与早期CT图像配准；2)根据所述步骤1)的配准结果将延迟PET图像与早期PET图像的进行自动配准。优选的是，所述步骤1)具体包括：1-1)将早期CT图像作为参考图像，将延迟CT图像作为待配准图像，对待配准图像和参考图像均进行预处理去除背景噪声；1-2)对所述步骤1-1)得到的图像先进行双三次插值处理，再进行灰度归一化处理，得到处理后的待配准图像与参考图像；1-3)进行所述步骤1-2)得到的待配准图像与参考图像的非刚性配准：给定一个初始待配准图像到参考图像的空间位置变换的初始变换矩阵，然后采用基于B样条局部控制的弹性形变场，使用交互方差和梯度互信息作为相似性测度，对该初始变换矩阵进行优化；1-4)在当前变换为最优变换矩阵时，按该最优变换矩阵将配准图像配准至参考图像，输出待配准图像的配准结果；在当前变换矩阵非最优变换时，更新变换矩阵，并返回至所述步骤1-2)。优选的是，所述步骤2)具体包括：2-1)将早期PET图像作为参考图像，将延迟PET图像作为待配准图像，对早期PET图像和延迟PET图像均进行预处理去除背景噪声，然后进行双三次插值处理，再进行灰度归一化处理；2-2)利用所述步骤1)得到的最优变换矩阵将所述步骤2-1)处理后的延迟PET图像配准至早期PET图像。优选的是，所述深度交互式分割网络模型包括初始分割网络和细化分割网络；所述初始分割网络包括第一卷积神经网络模块CNN(P-Net)以及条件随机场模块CRF-Net(f)；所述卷积神经网络模块CNN(P-Net)提取图像特征进行图像初始分割，再通过所述条件随机场模块CRF-Net(f)优化图像的初始分割；所述细化分割网络包括第二卷积神经网络模块CNN(R-Net)以及具有交互功能的条件随机场模块CRF-Net(fu)；所述第二卷积神经网络模块CNN(R-Net)结合初始分割结果和用户手动修改结果作为原始图像输入，最终实现图像的细化分割；其中，条件随机场模块CRF-Net(fu)建模为循环神经网络，可通过反向传播与第一卷积神经网络模块CNN(P-Net)或第二卷积神经网络模块CNN(R-Net)联合训练，从而不断优化细化分割结果。优选的是，所述病灶分割模块进行图像分割的步骤包括：A)采用深度交互式分割网络模型对早期PET图像进行交互式半自动分割；B)采用早期PET图像的分割标签对早期CT图像进行自动匹配分割；C)采用早期PET图像的分割标签对已与PET/CT早期扫描图像数据配准的延迟PET图像与延迟CT图像进行自动匹配分割。优选的是，所述步骤A)具体包括：Ⅰ.将所述步骤2-1)处理后的早期PET图像输入所述病灶分割模块，所述初始分割网络对图像进行初始分割；Ⅱ.用户选择过程：用户选择是否同意当前的分割结果，若选择同意，则以当前的分割结果作为最终结果输出；若不同意，则进入下一步；Ⅲ.用户修改交互：用户对当前的分割结果进行手动修改，以修正错误分割区域；Ⅳ.初始分割结果和用户手动修改后的结果作为原始图像输入所述细化分割网络，所述细化分割网络进行细化分割，对手动修改后的结果进行优化，得到细化分割结果；然后返回至所述步骤Ⅱ。优选的是，所述步骤Ⅳ中，所述细化分割网络采用基于用户交互的测地线距离图实现细化分割，具体方法为：所述细化分割网络根据用户手动修改涂鸦的自由曲线，将像素标记为前景或背景，将具有相同标记的交互转换为测地距离图；用测地距离对特征空间中的变量进行编码，并将其与随机森林算法相结合进行语义分割，作为第二卷积神经网络模块CNN(R-Net)的输入，再结合初始分割结果进行网络训练；最后将用户交互硬性约束集成到可反向传播的条件随机场网络CRF-Net(fu)，优化上下文语义实现精细分割，输出结果；其中测地距离定义：假设δf和δb分别表示属于前景涂鸦和背景涂鸦的像素集合，从图像I中的每个像素i到涂鸦集δ(δ∈{δf,δb})的无符号测本文档来自技高网...

【技术保护点】
1.一种基于PET/CT双时成像的胰腺癌精准诊断系统，其特征在于，包括：/n双时图像配准模块，其用于将通过PET/CT影像扫描采集的PET/CT延迟扫描图像数据与PET/CT早期扫描图像数据进行配准；其中，PET/CT早期扫描图像数据中的早期PET图像与早期CT图像已刚性配准，PET/CT延迟扫描图像数据中的延迟PET图像与延迟CT图像已刚性配准；/n病灶分割模块，其用于采用基于卷积神经网络的深度交互式分割网络模型对早期PET图像进行交互式半自动分割，然后利用早期PET图像的分割标签对延迟PET图像进行自动匹配分割，以及对早期CT图像和延迟CT图像进行自动匹配分割；/n以及影像组学分类诊断模块，其用于对分割后的PET/CT早期扫描图像和PET/CT延迟扫描图像进行分析，得出诊断结果。/n

【技术特征摘要】
1.一种基于PET/CT双时成像的胰腺癌精准诊断系统，其特征在于，包括：
双时图像配准模块，其用于将通过PET/CT影像扫描采集的PET/CT延迟扫描图像数据与PET/CT早期扫描图像数据进行配准；其中，PET/CT早期扫描图像数据中的早期PET图像与早期CT图像已刚性配准，PET/CT延迟扫描图像数据中的延迟PET图像与延迟CT图像已刚性配准；
病灶分割模块，其用于采用基于卷积神经网络的深度交互式分割网络模型对早期PET图像进行交互式半自动分割，然后利用早期PET图像的分割标签对延迟PET图像进行自动匹配分割，以及对早期CT图像和延迟CT图像进行自动匹配分割；
以及影像组学分类诊断模块，其用于对分割后的PET/CT早期扫描图像和PET/CT延迟扫描图像进行分析，得出诊断结果。


2.根据权利要求1所述的基于PET/CT双时成像的胰腺癌精准诊断系统，其特征在于，所述双时图像配准模块进行PET/CT延迟扫描图像数据与PET/CT早期扫描图像数据配准的方法包括以下步骤：
1)将延迟CT图像与早期CT图像配准；
2)根据所述步骤1)的配准结果将延迟PET图像与早期PET图像的进行自动配准。


3.根据权利要求2所述的基于PET/CT双时成像的胰腺癌精准诊断系统，其特征在于，所述步骤1)具体包括：
1-1)将早期CT图像作为参考图像，将延迟CT图像作为待配准图像，对待配准图像和参考图像均进行预处理去除背景噪声；
1-2)对所述步骤1-1)得到的图像先进行双三次插值处理，再进行灰度归一化处理，得到处理后的待配准图像与参考图像；
1-3)进行所述步骤1-2)得到的待配准图像与参考图像的非刚性配准：给定一个初始待配准图像到参考图像的空间位置变换的初始变换矩阵，然后采用基于B样条局部控制的弹性形变场，使用交互方差和梯度互信息作为相似性测度，对该初始变换矩阵进行优化；
1-4)在当前变换为最优变换矩阵时，按该最优变换矩阵将配准图像配准至参考图像，输出待配准图像的配准结果；在当前变换矩阵非最优变换时，更新变换矩阵，并返回至所述步骤1-2)。


4.根据权利要求3所述的基于PET/CT双时成像的胰腺癌精准诊断系统，其特征在于，所述步骤2)具体包括：
2-1)将早期PET图像作为参考图像，将延迟PET图像作为待配准图像，对早期PET图像和延迟PET图像均进行预处理去除背景噪声，然后进行双三次插值处理，再进行灰度归一化处理；
2-2)利用所述步骤1)得到的最优变换矩阵将所述步骤2-1)处理后的延迟PET图像配准至早期PET图像。


5.根据权利要求4所述的基于PET/CT双时成像的胰腺癌精准诊断系统，其特征在于，所述深度交互式分割网络模型包括初始分割网络和细化分割网络；
所述初始分割网络包括第一卷积神经网络模块CNN(P-Net)以及条件随机场模块CRF-Net(f)；
所述卷积神经网络模块CNN(P-Net)提取图像特征进行图像初始分割，再通过所述条件随机场模块CRF-Net(f)优化图像的初始分割；
所述细化分割网络包括第二卷积神经网络模块CNN(R-Net)以及具有交互功能的条件随机场模块CRF-Net(fu)；
所述第二卷积神经网络模块CNN(R-Net)结合初始分割结果和用户手动修改结果作为原始图像输入，最终实现图像的细化分割；其中，条件随机场模块CRF-Net(fu)建模为循环神经网络，可通过反向传播与第一卷积神经网络模块CNN(P-Net)或第二卷积神经网络模块CNN(R-Net)联合训练，从而不断优化细化分割结果。


6.根据权利要求5所述的基于PET/CT双时成像的胰腺癌精准诊断...

【专利技术属性】
技术研发人员：刘兆邦，李铭，杜强，张寅，胡涛，郑健，杨晓冬，
申请(专利权)人：中国科学院苏州生物医学工程技术研究所，
类型：发明
国别省市：江苏;32