胰腺癌淋巴结转移分期预测方法、装置和存储介质制造方法及图纸

本申请公开了一种胰腺癌淋巴结转移分期预测方法、装置和存储介质，涉及图像处理技术领域，包括：获取胰腺MRI序列；将胰腺MRI序列输入至胰腺癌淋巴结转移分期预测网络中，通过胰腺癌淋巴结转移分期预测网络预测胰腺MRI序列的淋巴结转移分期；胰腺癌淋巴结转移分期预测网络包括：预处理模块、单支路特征提取网络和多支路特征融合网络；预处理模块，用于对胰腺MRI序列进行预处理，得到影像组学特征；单支路特征提取网络，用于提取胰腺MRI序列中的胰腺肿瘤特征；多支路特征融合网络，用于根据胰腺MRI序列的影像组学特征、胰腺肿瘤特征以及对应患者的临床特征，预测胰腺MRI序列所对应的淋巴结转移分期。解决了现有技术中通过人为主观判断准确率较低的问题。观判断准确率较低的问题。观判断准确率较低的问题。

【技术实现步骤摘要】
胰腺癌淋巴结转移分期预测方法、装置和存储介质


[0001]本专利技术涉及一种胰腺癌淋巴结转移分期预测方法、装置和存储介质，属于图像处理


技术介绍

[0002]胰腺癌起病隐匿，早期症状不典型，常出现上腹部不适、腰背部痛、消化不良或腹泻等情况，易与其他消化系统的疾病混淆。然而当患者出现食欲减退，体质下降等症状时，胰腺癌大多已发展至中晚期。
[0003]目前，大多数患者在发现患有胰腺癌时，肿瘤已经侵犯周围血管或向远处转移，然而此时已经不是手术的最佳时机，即使少许可切除或是交界可切除胰腺癌患者及时的进行了手术治疗，其术后情况也不乐观，其中淋巴结转移便是影响胰腺癌术后的重要因素之一。
[0004]目前淋巴结转移分期的状态只能通过观察术后病理切片才能确定，应用于胰腺癌诊断及淋巴结分期中的穿刺活检超声内镜引导下细针穿刺活检术(Endoscopic Ultrasound
‑
Guided Fine
‑
Needle Aspiration Biopsy，EUS
‑
FNA)被认为是术前评估淋巴结转移最直接最确切的办法。然而EUS
‑
FNA是一种有创检查，容易被内镜位置不稳定、病灶位置不合适及病灶的移动性等因素影响，无法在每一位患者上应用。并且由于肿瘤具有异质性且其取材时有许多限制，术前EUS
‑
FNA的诊断容易受到人为主观判断的干扰，其结果并不完全准确。

技术实现思路

[0005]本专利技术的目的在于提供一种胰腺癌淋巴结转移分期预测方法、装置和存储介质，用于解决现有技术中存在的问题。
[0006]为达到上述目的，本专利技术提供如下技术方案：
[0007]根据第一方面，本专利技术实施例提供了一种胰腺癌淋巴结转移分期预测方法，所述预测方法包括：
[0008]获取胰腺MRI序列；
[0009]将所述胰腺MRI序列输入至胰腺癌淋巴结转移分期预测网络中，通过所述胰腺癌淋巴结转移分期预测网络预测所述胰腺MRI序列的淋巴结转移分期；其中，所述胰腺癌淋巴结转移分期预测网络包括：预处理模块、单支路特征提取网络和多支路特征融合网络；
[0010]所述预处理模块，用于对所述胰腺MRI序列进行预处理，得到影像组学特征；
[0011]所述单支路特征提取网络，用于提取所述胰腺MRI序列中的胰腺肿瘤特征；
[0012]所述多支路特征融合网络，用于根据所述影像组学特征、所述胰腺肿瘤特征以及所述胰腺MRI序列对应患者的临床特征，预测所述胰腺MRI序列所对应的淋巴结转移分期。
[0013]可选地，所述预处理模块，还用于：
[0014]接收在所述胰腺MRI序列中标注胰腺肿瘤区域的标注指令，根据所述标注指令在所述MRI序列中标注胰腺肿瘤区域；
[0015]对所述胰腺MRI序列进行像素归一化；
[0016]在标注所述胰腺肿瘤区域以及归一化后的所述MRI序列中提取所述影像组学特征。
[0017]可选地，所述单支路特征提取网络包括：卷积层、n个残差层和全连接层，n为大于1的整数；
[0018]所述卷积层，用于对输入的所述胰腺MRI序列进行卷积，得到特征图；
[0019]所述残差层，用于进行特征提取及对特征图下采样；
[0020]所述全连接层，用于对提取到的特征进行全连接。
[0021]可选地，所述预测网络还包括：设置在相邻两个残差层之间的多级交互空间注意力模块；
[0022]所述多级交互空间注意力模块，用于对下采样后得到的两个特征图进行融合，并通过胰腺肿瘤分割图进行约束，得到约束后的特征图，将处理后的特征图输入至下一层。
[0023]可选地，所述多支路特征融合网络包括第一分支、第二分支和第三分支；
[0024]所述第一分支，用于对所述单支路特征提取网络提取到的所述胰腺肿瘤特征进行拼接，得到拼接后的第一特征；
[0025]所述第二分支，用于对所述影像组学特征进行特征拼接，得到第二特征；
[0026]所述第三分支，用于根据所述第一特征、所述第二特征和所述临床特征，预测得到所述淋巴结转移分期。
[0027]可选地，所述预测网络还包括：设置在所述单支路特征提取网络和所述第一分支之间的交互通道自注意力模块；
[0028]所述交互通道自注意力模块，用于根据所述单支路特征提取网络提取到的所述胰腺肿瘤特征获取注意力特征向量，并将获取得到的注意力特征向量输入所述第一分支进行拼接。
[0029]可选地，所述预测网络还包括：设置在所述交互通道自注意力模块和所述第一分支之间的多序列融合模块；
[0030]所述多序列融合模块，用于对所述交互通道自注意力模块输出的注意力特征向量两两融合，将融合后的特征输入至所述第一分支进行拼接。
[0031]可选地，所述第二分支包括全连接层和拼接层；
[0032]所述全连接层，用于对所述影像组学特征进行计算，并将计算后的特征输入至所述拼接层；
[0033]所述拼接层，用于对接收到的各个特征进行拼接，将拼接后的特征输入至所述第三分支。
[0034]可选地，所述预测网络还包括：设置在所述全连接层和所述拼接层之间的多序列融合模块；
[0035]所述多序列融合模块对所述全连接层计算后的特征两两融合，并将融合后的特征输入至所述拼接层。
[0036]第二方面，提供了一种胰腺癌淋巴结转移分期预测装置，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如第一方面所述的方法。
[0037]第三方面，提供了一种计算机存储介质，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如第一方面所述的方法。
[0038]通过获取胰腺MRI序列；将所述胰腺MRI序列输入至胰腺癌淋巴结转移分期预测网络中，通过所述胰腺癌淋巴结转移分期预测网络预测所述胰腺MRI序列的转移分期；其中，所述胰腺癌淋巴结转移分期预测网络包括：预处理模块、单支路特征提取网络和多支路特征融合网络；所述预处理模块，用于对所述胰腺MRI序列进行预处理，得到影像组学特征；所述单支路特征提取网络，用于提取所述胰腺MRI序列中的胰腺肿瘤特征；所述多支路特征融合网络，用于根据所述影像组学特征、所述胰腺肿瘤特征以及所述MRI序列患者对应的临床特征，预测所述胰腺MRI序列所对应的淋巴结转移分期。解决了现有技术中通过人为主观判断准确率较低的问题，达到了可以将胰腺MRI序列直接输入至胰腺癌淋巴结转移预测网络进行预测，提高预测结果，避免由于主观因素而导致的准确率低的问题，同时，本申请无需人为判断也进一步提高了转移预测的效率。
[0039]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，并可依照说明书的内容予以实施，以下以本专利技术的较佳实施例并配合附图详细说明如后。
附图说明
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种胰腺癌淋巴结转移分期预测方法，其特征在于，所述预测方法包括：获取胰腺MRI序列；将所述胰腺MRI序列输入至胰腺癌淋巴结转移分期预测网络中，通过所述胰腺癌淋巴结转移分期预测网络预测所述胰腺MRI序列的淋巴结转移分期；其中，所述胰腺癌淋巴结转移分期预测网络包括：预处理模块、单支路特征提取网络和多支路特征融合网络；所述预处理模块，用于对所述胰腺MRI序列进行预处理，得到影像组学特征；所述单支路特征提取网络，用于提取所述胰腺MRI序列中的胰腺肿瘤特征；所述多支路特征融合网络，用于根据所述胰腺MRI序列的影像组学特征、所述胰腺肿瘤特征以及所述MRI序列对应患者的临床特征，预测所述胰腺MRI序列所对应的淋巴结转移分期。2.根据权利要求1所述的方法，其特征在于，所述预处理模块，还用于：接收在所述胰腺MRI序列中标注胰腺肿瘤区域的标注指令，根据所述标注指令在所述MRI序列中标注胰腺肿瘤区域；对所述胰腺MRI序列进行像素归一化；在标注所述胰腺肿瘤区域以及归一化后的所述MRI序列中提取所述影像组学特征。3.根据权利要求1所述的方法，其特征在于，所述单支路特征提取网络包括：卷积层、n个残差层和全连接层，n为大于1的整数；所述卷积层，用于对输入的所述胰腺MRI序列进行卷积，得到特征图；所述残差层，用于进行特征提取及对特征图下采样；所述全连接层，用于对提取到的特征进行全连接。4.根据权利要求3所述的方法，其特征在于，所述预测网络还包括：设置在相邻两个残差层之间的多级交互空间注意力模块；所述多级交互空间注意力模块，用于对下采样后得到的两个特征图进行融合，并通过胰腺肿瘤分割图进行约束，得到约束后的特征图，将处理后的特征图输入至下一层。5.根据权利要求1所述的方法，其特征在于，所述多支路特征...

【专利技术属性】
技术研发人员：向德辉，韩召然，
申请(专利权)人：苏州大学，
类型：发明
国别省市：