基于膀胱癌危险分层的图像分析方法、系统及设备技术方案

本发明专利技术涉及一种基于膀胱癌危险分层的图像分析方法、系统及设备。包括：获取患者术前CT造影图像序列，所述患者术前CT造影图像序列包括平扫、皮髓质期、实质期和排泄期图像；对获取的患者术前CT造影图像序列进行分割和定位，得到肿瘤病灶ROI；然后基于肿瘤病灶ROI提取膀胱癌特征，得到参数图像组合特征；再将其输入到基于多任务深度学习构建的膀胱癌分层模型，输出预测的膀胱癌分层结果。本发明专利技术方法旨在基于自动定位的肿瘤病灶ROI提取参数图像组合特征，再输入到基于多任务深度学习构建的膀胱癌分层模型实现分类，旨在发掘其对泌尿学CT影像数据的分析能力和潜在应用价值。数据的分析能力和潜在应用价值。数据的分析能力和潜在应用价值。

【技术实现步骤摘要】
基于膀胱癌危险分层的图像分析方法、系统及设备


[0001]本专利技术涉及泌尿系统中的图像分析领域，更具体地，涉及一种基于膀胱癌危险分层的图像分析方法、系统、设备、计算机可读存储介质及其应用。

技术介绍

[0002]膀胱癌(BCa)是泌尿系统最常见的恶性肿瘤，局限于粘膜(Ta和Tis期)或粘膜下层(T1期)的肿瘤被诊断为NMIBC，占BCa的70％
‑
85％。根据欧洲泌尿学协会指南(2021年)，NMIBC患者可分为低、中、高和非常高危险组。根据危险分层的不同，对每个群体给出相应的治疗建议，例如，1
‑
3年的全剂量膀胱内BCG适用于高危组患者。因此，适当的危险分层对预后和治疗至关重要。
[0003]目前，多数研究集中在临床病理因素上，如性别、年龄、肿瘤数量、分级和分期、肿瘤复发和原位癌复发，这些指标大多是在经尿道膀胱肿瘤切除术(TURBT)后获得的。TURBT是NMIBC诊断和初始治疗的基础，但仍有一些局限性，例如受到外科医生的手术经验和所获得的活组织检查质量的影响。当前检测NMIBC最常用的成像模态方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于膀胱癌危险分层的图像分析方法，包括：获取患者术前CT造影图像序列，所述患者术前CT造影图像序列包括平扫图像、皮髓质期图像、实质期图像和排泄期图像；对所述患者术前CT造影图像序列进行分割和定位，得到肿瘤病灶ROI；基于所述肿瘤病灶ROI进行膀胱癌的特征选取，得到参数图像组合特征；将所述参数图像组合特征输入到基于多任务深度学习构建的膀胱癌分层模型，输出预测的膀胱癌分层结果；优选的，所述参数图像组合特征包括肿瘤大小、最大直径/最小直径的比值、CT值、平扫及实质期肿瘤最大截面的差值ΔCT1、平扫及实质期双肾门水平腹主动脉的差值ΔCT2，所述肿瘤大小是指所述肿瘤的最大和最小直径。2.根据权利要求1所述的基于膀胱癌危险分层的图像分析方法，其特征在于，所述患者术前CT造影图像序列基于时间序列得到，具体获取过程：基于所述患者盐水造影曲线采用Bolustracking跟踪阈值触发扫描技术行增强扫描，触发扫描感兴趣区置于降主动脉与腹主动脉交界处，达到自动触发阈值后延迟0s、25s、75s、300s分别得到平扫、皮髓质期、实质期和排泄期图像；优选的，所述自动触发阈值设定为120。3.根据权利要求1所述的基于膀胱癌危险分层的图像分析方法，其特征在于，所述分割和定位通过下列算法中的任意一种或几种实现：基于水平集的分割算法、分水岭分割、U
‑
Net、MIScnn、ResUNet；对于所述一幅患者术前CT造影图像中存在的多发病灶，所述分割和定位基于所述算法采取优先策略仅勾画最大病灶确定肿瘤病灶ROI；可选的，所述分割和定位通过选取平扫图像、实质期及排泄期自动勾画肿瘤病灶ROI，基于水平集的分割算法进行自动勾画出分割轮廓，然后融合基于U
‑
Net自动分割的结果。4.根据权利要求1所述的基于膀胱癌危险分层的图像分析方法，其特征在于，所述肿瘤病灶ROI包括所述患者术前CT造影图像序列中平扫图像的肿瘤病灶ROI、实质期图像的肿瘤病灶ROI和排泄期图像的肿瘤病灶ROI。5.根据权利要求4所述的基于膀胱癌危险分层的图像分析方法，其特征在于，所述特征选取包括：基于所述平扫图像的肿瘤病灶ROI利用深度学习算法进行特征提取，得到平扫肿瘤最大截面的CT value1、平扫双肾门水平腹主动脉CT value2的特征；基于所述实质期图像的肿瘤病灶ROI利用深度学习算法进行特征提取，得到的参数图像组合特征包括实质期肿瘤最大截面的长径及短径值、实质期肿瘤最大截面CT value3、实质期双肾门水...

【专利技术属性】
技术研发人员：张古沐阳，陈丽，孙昊，李秀丽，毛丽，谢燚，许梨梨，张晓霄，白鑫，张家慧，彭倩瑜，金征宇，
申请(专利权)人：中国医学科学院北京协和医院，
类型：发明
国别省市：