一种基于MR图像的鼻咽癌识别及肿瘤分割方法及系统技术方案

本发明专利技术公开了一种基于MR图像的鼻咽癌识别及肿瘤分割方法及系统，包括：接收第一用户上传的第一图像；其中，第一图像包括MR平扫序列图像或MR增强序列图像；对第一图像进行预处理，得到第一图像对应的第二图像；将第二图像输入至肿瘤分割模型，以使肿瘤分割模型对第二图像进行区域划分，输出第二图像对应的肿瘤分割图；其中，肿瘤分割模型是根据多个第一鼻咽良恶性MR影像数据以及对应的多个带有肿瘤标记的第二鼻咽良恶性MR影像数据，对三维卷积神经网络模型训练而获得。本发明专利技术采用适用于MR平扫序列和MR增强序列的肿瘤分割模型，实现对MR图像的鼻咽癌识别及肿瘤分割，并通过分割错漏的数据对模型进行优化，提升图像的分割效果。提升图像的分割效果。提升图像的分割效果。

【技术实现步骤摘要】
一种基于MR图像的鼻咽癌识别及肿瘤分割方法及系统


[0001]本专利技术涉及医疗图像处理领域，尤其涉及一种基于MR图像的鼻咽癌识别及肿瘤分割方法及系统。

技术介绍

[0002]鼻咽癌是一种起源于鼻咽部上皮细胞的恶性肿瘤，具有巨大的侵袭和转移潜能。由于鼻咽癌的解剖位置不明显，且症状非特异性，大多数患者诊断为晚期疾病。另一方面，复杂的颅底解剖结构增加了鼻咽癌分割的难度，从而降低了疾病分期的准确性和放疗的符合性。磁共振成像(Magnetic Resonance imaging，MRI)由于其对软组织的分辨率、对骨髓浸润的检测灵敏度和多参数成像等优点，是鼻咽癌患者鉴别、分期、疗效评估和治疗后随访的首选成像方式。MRI在鉴别内镜检查无法观察到的隐匿性鼻咽癌方面显示出很大的优势，目前，MRI已成为疑似或确诊鼻咽癌患者的常规检查手段，凸显其在鼻咽癌筛查和治疗过程中的重要作用。
[0003]近十年来，人工智能(AI)得到了迅速的发展，而且在医学图像中正常解剖结构或病变的识别和自动分割方面都表现出了良好的性能。然而，无论是在放射治疗期间的成像研究还是在肿本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MR图像的鼻咽癌识别及肿瘤分割方法，其特征在于，包括：接收第一用户上传的第一图像；其中，所述第一图像包括MR平扫序列图像或MR增强序列图像；对所述第一图像进行预处理，得到所述第一图像对应的第二图像；将所述第二图像输入至肿瘤分割模型，以使所述肿瘤分割模型对所述第二图像进行区域划分，输出所述第二图像对应的肿瘤分割图；其中，所述肿瘤分割模型是根据多个第一鼻咽良恶性MR影像数据以及对应的多个带有肿瘤标记的第二鼻咽良恶性MR影像数据，对三维卷积神经网络模型训练而获得。2.如权利要求1所述的一种基于MR图像的鼻咽癌识别及肿瘤分割方法，其特征在于，在所述输出所述第二图像对应的肿瘤分割图之后，还包括：接收并响应专家对所述第二图像对应的肿瘤分割图的审核意见；若审核意见为区域划分错误，则将所述第二图像和所述第二图像对应的肿瘤分割图上传至所述肿瘤分割模型的数据库中；若审核意见为未进行区域划分，则将所述第二图像上传至所述肿瘤分割模型的数据库中；根据所述数据库中的数据，优化所述肿瘤分割模型。3.如权利要求1所述的一种基于MR图像的鼻咽癌识别及肿瘤分割方法，其特征在于，所述对所述第一图像进行预处理，得到所述第一图像的第二图像，具体为：对所述第一图像进行影像数据清洗、数据归一化、平扫与增强影像配准的预处理，得到所述第一图像对应的第二图像。4.如权利要求1所述的一种基于MR图像的鼻咽癌识别及肿瘤分割方法，其特征在于，所述将所述第二图像输入至肿瘤分割模型，以使所述肿瘤分割模型对所述第二图像进行区域划分，输出所述第二图像对应的肿瘤分割图，具体为：将所述第二图像输入至肿瘤分割模型；其中，所述肿瘤分割模型包含编码器与解码器；通过所述编码器对所述第二图像执行若干次卷积，识别并提取所述第二图像中与鼻咽癌相关的影像特征，并对所述影像特征进行抽象处理，输出所述第二图像的鼻咽癌概率；将所述编码器的每一次卷积的结果与对应的所述解码器的每一次卷积的结果共同作为所述解码器的下一次卷积的输入，逐步重构所述第二图像的肿瘤区域，并对所述解码器的最后一次卷积的结果进行上采样操作，得到并输出所述第二图像对应的肿瘤分割图。5.如权利要求1所述的一种基于MR图像的鼻咽癌识别及肿瘤分割方法，其特征在于，所述所述肿瘤分割模型是根据多个第一鼻咽良恶性MR影像数据以及对应的多个带有肿瘤标记的第二鼻咽良恶性MR影像数据，对三维卷积神经网络模型训练而获得，具体为：接收第二用户上传的多个第一鼻咽良恶性MR影像数据以及对应的多个带有肿瘤标记的第二鼻咽良恶性MR影像数据；对所述多个第一鼻咽良恶性MR影像数据以及所述对应的多个带有肿瘤标记的第二鼻咽良恶性MR影像数据进行预处理，得到所述多个第一鼻咽良恶性MR影像数据对应的多个第一训练数据，以及所述对应的多个带有肿瘤标记的第二鼻咽良恶性MR影像数据对应的多个第二训练数据；其中，所述预处理包括影像数据清洗，数据归一化，平扫与增强影像配准的操作；
构建适用于MR平扫序列与MR增强序列的三维卷积神经网络模型，将多个所述第一训练数据输入所述三维卷积神经网络模型，得到多个所述第一训练数据对应的肿瘤分割图；计算多个所述第一训练数据对应的肿瘤分割图与多个对应的第二训练数据之间的偏差值，根据所述偏差值更新所述三维卷积神经网络模型的参数，进而得到所述肿瘤分割模型。6.如权利要求1所述的一种基于MR图像的鼻咽癌识别及肿瘤分割方法，其特征在于，在所述得到所述肿瘤分割模型之后，还包括对所述肿瘤分割模型进行性能评估，具体为：根据模型评估指标，比较训练集与验证集的学习曲线，评估所述肿瘤分割模型的鲁棒性；根据模型评估指标，比较测试集与验证集的识别和分割性能，评估所述肿瘤分割模型的泛化能力；其中，评估指标包括AUC、特异度、灵...

【专利技术属性】
技术研发人员：邓一术，李超峰，经秉中，李彬，陈浩华，
申请(专利权)人：中山大学肿瘤防治中心中山大学附属肿瘤医院，中山大学肿瘤研究所，
类型：发明
国别省市：