一种PET影像前列腺癌危险程度判别方法及系统技术方案

本发明专利技术提供一种PET影像前列腺癌危险程度判别方法及系统，包括以下步骤：获取待判别的PET影像，并提取所述PET影像的DCM数据；分割PET影像的DCM数据，根据分割结果得出原发病灶区域；确定原发病灶区域的质心，以所述质心为中心裁剪出拓展矩阵区域；将所述拓展矩阵区域输入评级分类模型，通过评级分类模型得出置信度；获取对应所述置信度的预先设置的阈值；比对所述置信度与所述阈值，根据比对结果生成判别结果；本发明专利技术具有以下有益效果：本发明专利技术实现了仅通过PET影像来对前列腺癌危险程度判别的目的，本发明专利技术不仅仅通过PET影像来判断前列腺癌是否为中高危，并且还使得前列腺癌危险程度判别效果和精确度好，从而降低了检查者的看病成本。成本。成本。

【技术实现步骤摘要】
一种PET影像前列腺癌危险程度判别方法及系统


[0001]本专利技术涉及前列腺癌危险程度判别
，特别是涉及一种PET影像前列腺癌危险程度判别方法及系统。

技术介绍

[0002]PET全称为正电子发射型计算机断层显像(Positron Emission Computed Tomography)，是核医学领域比较先进的临床检查影像技术，PET大致方法是将某种物质(一般是生物生命代谢中必须的物质)，标记上短寿命的放射性核素，注入人体后通过对于该物质在代谢中的聚集，来反映生命代谢活动的情况，从而达到诊断的目的，现有技术中对于前列腺癌危险程度的判别首先是通过对检查者拍摄PET影像或者CT影像，但是现有技术是需要同时输入PET影像和CT影像来判断前列腺癌是否为中高危，无法仅通过PET影像判断，并且还使得前列腺癌危险程度判别效果和精确度不好。

技术实现思路

[0003]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种PET影像前列腺癌危险程度判别方法及系统，用于解决现有技术中无法仅通过PET影像判断前列腺癌危险程度的问题。
[0004]本专利技术的实施方式提供了一种PET影像前列腺癌危险程度判别方法，包括以下步骤：获取待判别的PET影像，并提取所述PET影像的DCM数据；分割PET影像的DCM数据，根据分割结果得出原发病灶区域；确定原发病灶区域的质心，以所述质心为中心裁剪出拓展矩阵区域；将所述拓展矩阵区域输入评级分类模型，通过评级分类模型得出置信度；获取对应所述置信度的预先设置的阈值；比对所述置信度与所述阈值，根据比对结果生成判别结果。
[0005]本专利技术的实施方式还提供了一种PET影像前列腺癌危险程度判别系统，包括：获取模块，用于获取待判别的PET影像，并提取所述PET影像的DCM数据，获取对应所述置信度的预先设置的阈值；分割模块，用于分割PET影像的DCM数据，根据分割结果得出原发病灶区域；确定模块，用于确定原发病灶区域的质心，以所述质心为中心裁剪出拓展矩阵区域，将所述拓展矩阵区域输入评级分类模型，通过评级分类模型得出置信度；比对模块，用于比对所述置信度与所述阈值，根据比对结果生成判别结果。
[0006]本专利技术的实施方式还提供了一种服务器，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述的PET影像前列腺癌危险程度判别方法。
[0007]本专利技术的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述的PET影像前列腺癌危险程度判别方法。
[0008]本专利技术实施方式相对于现有技术而言，主要区别及其效果在于：通过分割PET影像的DCM数据得出原发病灶区域，然后确定出原发病灶区域的质心，并以质心为中心裁剪出拓
展矩阵区域，再通过评级分类模型得出对应拓展矩阵区域的置信度，再通过比对置信度与阈值生成判别结果，从而实现了仅通过PET影像来对前列腺癌危险程度判别的目的，本专利技术不仅仅通过PET影像来判断前列腺癌是否为中高危，并且还使得前列腺癌危险程度判别效果和精确度好，从而降低了检查者的看病成本。
[0009]作为进一步改进，在所述获取待判别的PET影像，并提取所述PET影像的DCM数据之前，包括：获取含有不同危险程度的前列腺癌的PET影像；提取各个PET影像的DCM数据，并构成DCM数据集；处理所述DCM数据集，根据处理结果得出新的数据集；使用新的数据集训练卷积神经网络，根据训练结果得出评级分类模型。
[0010]上述方案通过处理含有不同危险程度的前列腺癌的各个PET影像的DCM数据得出新的数据集，然后使用新的数据集训练卷积神经网络，并根据训练结果得出评级分类模型，从而可以使用评级分类模型对拓展矩阵区域进行处理得出对应拓展矩阵区域的置信度，通过置信度与对应置信度的预先设置的阈值可以判断前列腺癌是否为中高危。
[0011]作为进一步改进，所述分割PET影像的DCM数据，根据分割结果得出原发病灶区域，包括：将所述PET影像的DCM数据输入分割模型，通过分割模型得出原发病灶区域。
[0012]作为进一步改进，所述确定原发病灶区域的质心，包括：根据以下公式确定原发病灶区域的质心：z_list,y_list,x_list＝np.where(pre_mask＝＝1)；z_center＝z_list.mean().round().astype(np.int32)；y_center＝y_list.mean().round().astype(np.int32)；x_center＝x_list.mean().round().astype(np.int32)；其中，所述质点的坐标为(x_center,y_center,z_center)，z_list为所述原发病灶区域在z轴上的所有坐标的列表，y_list为所述原发病灶区域在y轴上的所有坐标的列表，x_list为所述原发病灶区域在x轴上的所有坐标的列表，pre_mask为原发病灶区域，np.where为对原发病灶区域进行处理得到原发病灶区域内每个像素点的z，y，x坐标列表，mesn()代表取平均，round().astype(np.int32)代表取整数。
[0013]作为进一步改进，所述以所述质心为中心裁剪出拓展矩阵区域，包括：根据以下公式以所述质心为中心裁剪出拓展矩阵区域：ima＝img[(z_center
‑
8)：(z_center+8)，(y_center
‑
8)：(y_center+8)，(x_center
‑
8)：(x_center+8)]；其中，ima为拓展矩阵区域，img为原发病灶区域，ima是在img以质心为中心，往左右上下前后6个方向各拓展8个像素点的矩阵。
[0014]作为进一步改进，在所述确定原发病灶区域的质心，以所述质心为中心裁剪出拓展矩阵区域之后，所述将所述拓展矩阵区域输入评级分类模型，通过评级分类模型得出置信度之前，包括：对所述拓展矩阵区域进行预处理，其中，所述预处理包括Z
‑
score保准化和归一化处理。
[0015]上述方案通过在将拓展矩阵区域输入评级分类模型得出置信度之前，需要对拓展矩阵区域进行Z
‑
score标准化处理和归一化处理，Z
‑
score保准化处理能够消除拓展矩阵区域的量级，从而便于对拓展矩阵区域进行后续的分析和处理，归一化后能够加快了梯度下降求最优解的速度，便于进行收敛，从而可以提高精度。
[0016]作为进一步改进，所述比对所述置信度与所述阈值，根据比对结果生成判别结果，包括：判断所述置信度是否小于阈值；若是，则判别所述PET影像为低危或良性，若不是，则判别所述PET影像为中高危。
[0017]上述方案通过判断置信度与对应置信度的预先设置的阈值之间的大小关系，可以得出该本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种PET影像前列腺癌危险程度判别方法，其特征在于，包括以下步骤：获取待判别的PET影像，并提取所述PET影像的DCM数据；分割PET影像的DCM数据，根据分割结果得出原发病灶区域；确定原发病灶区域的质心，以所述质心为中心裁剪出拓展矩阵区域；将拓展矩阵区域输入评级分类模型，通过评级分类模型得出置信度；获取对应所述置信度的预先设置的阈值；比对所述置信度与所述阈值，根据比对结果生成判别结果。2.根据权利要求1所述的一种PET影像前列腺癌危险程度判别方法，其特征在于：在所述获取待判别的PET影像，并提取所述PET影像的DCM数据之前，包括：获取含有不同危险程度的前列腺癌的PET影像；提取各个PET影像的DCM数据，并构成DCM数据集；处理所述DCM数据集，根据处理结果得出新的数据集；使用新的数据集训练卷积神经网络，根据训练结果得出评级分类模型。3.根据权利要求1所述的一种PET影像前列腺癌危险程度判别方法，其特征在于：所述分割PET影像的DCM数据，根据分割结果得出原发病灶区域，包括：将所述PET影像的DCM数据输入分割模型，通过分割模型得出原发病灶区域。4.根据权利要求1所述的一种PET影像前列腺癌危险程度判别方法，其特征在于：所述确定原发病灶区域的质心，包括：根据以下公式确定原发病灶区域的质心：z_list,y_list,x_list＝np.where(pre_mask＝＝1)；z_center＝z_list.mean().round().astype(np.int32)；y_center＝y_list.mean().round().astype(np.int32)；x_center＝x_list.mean().round().astype(np.int32)；其中，所述质点的坐标为(x_center,y_center,z_center)，z_list为所述原发病灶区域在z轴上的所有坐标的列表，y_list为所述原发病灶区域在y轴上的所有坐标的列表，x_list为所述原发病灶区域在x轴上的所有坐标的列表，pre_mask为原发病灶区域，np.where为对原发病灶区域进行处理得到原发病灶区域内每个像素点的z，y，x坐标列表，mesn()代表取平均，round().astype(np.int32)代表取整数。5.根据权利要求1所述的一种PET影像前列腺癌危险程...

【专利技术属性】
技术研发人员：王世威，胡宇程，仵晨阳，陈浩，何翔，
申请(专利权)人：上海域唯医疗科技有限公司，
类型：发明
国别省市：