一种基于生成对抗技术的多参数MRI乳腺病灶辅助诊断方法技术

本发明专利技术公开了一种基于生成对抗技术的多参数MRI乳腺病灶辅助诊断方法，包括以下步骤：在计算机上加载待诊断的乳腺多参数MRI图像；截取多参数MRI图像中可疑病灶区域三维图像块；将Ktrans、Kep和Vp的病灶图像块以通道层面叠加；在血液动力学特征和病灶结构特征提取的中间过程，使用共享参数的特征提取结构，对两类特征进行交互融合，提取两者的共性特征；利用生成对抗技术，让共性特征与血液动力学特征和病灶结构特征具备更强的特征丰富度；使用全连接层的分类模块，获得乳腺病灶的辅助诊断结果。本发明专利技术的多参数MRI融合方案充分挖掘了病灶的多维度信息，为辅助诊断提供更丰富的信息，最终实现了更鲁棒、更高效、更精准的乳腺病灶辅助诊断。灶辅助诊断。灶辅助诊断。

【技术实现步骤摘要】
一种基于生成对抗技术的多参数MRI乳腺病灶辅助诊断方法


[0001]本专利技术涉及医学图像处理和深度学习
，特别涉及一种基于生成对抗技术的多参数MRI乳腺病灶辅助诊断方法。

技术介绍

[0002]多磁共振(Magnetic Resonance Imaging,MRI)影像学检查是一种有效的乳腺癌检测手段，能有效帮助病灶诊断和指导制定治疗方案。钼靶及超声是乳腺常规检查，但钼靶存在对致密型乳腺显示不佳的问题，而超声高度依赖医生的操作经验和主观判断。与钼靶及超声相比，MRI检查能提供多参数的结构及功能方面的丰富信息，且不受到乳腺密度及医生经验的影响，已经被研究证实其能提高乳腺癌检测的敏感性和特异性。然而，实现乳腺MRI的精确诊断对阅片医生的临床知识和经验有较高要求。诊断的过程也易受到医生疲劳程度和主观因素等的影响。因此，利用MRI图像构建客观精准的辅助诊断方法，对患者的及时治疗至关重要。
[0003]目前主流的乳腺病灶辅助诊断方法，主要有基于影像组学和深度学习的方法。在基于影像组学的方法中，需要医生在MRI图像中手动勾画乳腺病灶精准轮廓本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗技术的多参数MRI乳腺病灶辅助诊断方法，其特征在于，包括以下步骤：步骤一：在计算机上加载待诊断的乳腺多参数MRI图像；步骤二：对多参数MRI图像(具体为：DCE
‑
MRI参数图Ktrans、Kep、Vp和T2WI图像)分别进行线性插值和灰度值归一化；步骤三：截取多参数MRI图像中可疑病灶区域三维图像块；步骤四：将Ktrans、Kep和Vp的病灶图像块以通道层面叠加，送入深度学习特征提取结构，进行血液动力学特征的挖掘；步骤五：将T2WI的病灶图像块送入深度学习特征提取结构进行病灶结构特征的挖掘；步骤六：在血液动力学特征和病灶结构特征提取的中间过程，使用共享参数的特征提取结构，对两类特征进行交互融合，提取两者的共性特征；步骤七：利用生成对抗技术，让共性特征与血液动力学特征和病灶结构特征具备更强的特征丰富度；步骤八：使用全连接层的分类模块，实现病灶良、恶性的预测，获得乳腺病灶的辅助诊断结果。2.根据权利要求1所述的一种基于生成对抗技术的多参数MRI乳腺病灶辅助诊断方法，其特征在于：所述线性插值和灰度值归一化技术是指使用双线性插值法，将各参数MRI图像插值为1mm
×
1mm
×
1mm的分辨率，减小各参数图像中的差异，提升模型稳定性；使用Z
‑
Score方法对图像进行灰度值归一化，其中Z
‑
Score计算如下：3.根据权利要求1所述的一种基于生成对抗技术的多参数MRI乳腺病灶辅助诊断方法，其特征在于：所述对Ktrans、Kep、Vp的病灶图像提取深度学习血液动力学特征是指采用卷积神经网络模块对包含病灶血液动力学信息的Ktrans、Kep、Vp参数图利用病灶良恶性标签为引导，挖掘与之高度相关的血液动力特征。4.根据权利要求1所述的一种基于生成对抗技术的多参数MRI乳腺病灶辅助诊断方法，其特征在于：所述对T2WI的病灶图像块提取深度学习病灶结构特征是指采用卷积神经网络模块对包含结构像信息T2WI图像利用病灶良恶性...

【专利技术属性】
技术研发人员：彭云松，唐雷，张兵，田冲，韩融诚，杨真露，孙欣欢，贺俊杰，付帮康，王荣品，
申请(专利权)人：贵州中医药大学第一附属医院，
类型：发明
国别省市：