System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于图像处理,具体涉及无创多模态肾脏功能磁共振检查方法、系统及存储介质。
技术介绍
1、研究显示,近40%糖尿病患者有并发糖尿病肾脏疾病(diabetic kidney disease,dkd)。引起dkd的主要病因可概括为:第一,研究结果表明dkd的发生和进展与慢性肾缺氧有关。第二,肾脏灌注损伤已被确定为不同条件下肾脏损伤的早期标志。dkd患者早期高血糖及高灌注使肾小球超滤,氧消耗增加,引起肾小管功能性缺氧。持续高血糖引起氧化应激反应,细胞线粒体损伤并功能异常,肾组织细胞氧利用障碍,导致细胞缺氧。第三,肾脏纤维化是导致终末期肾脏疾病的最终共同途径的关键组成部分。第四,肾脏中异常的脂质代谢和积累在糖尿病肾病的发病机制中发挥作用。过多的脂质在非脂肪组织中积累导致细胞功能障碍,最终导致细胞死亡。综上,引起dkd的病因主要为:肾脏纤维化、肾脏缺氧、肾脏血流灌注异常及肾脏异常脂质积累。
2、早期dkd临床无症状,诊断的参考标准是肾活检,但由于其侵入性、潜在并发症和采样误差等限制了临床应用。目前,临床常用估算肾小球滤过率(estima ted glomerularfiltration rate,egfr)及白蛋白尿检查作为评价糖尿病肾损伤的诊断依据,但该方法存在一定的滞后性,且微量白蛋白尿水平受尿量、标本采集和药物等许多其他因素的影响。此外,一些研究表明,早期dkd患者未出现明显白蛋白尿,并不是所有的微量白蛋白尿患者都发生dkd。由于肾脏本身代偿能力较强,一些dkd患者即使出现轻度肾小球滤过率异常或微量白蛋白尿,实际
技术实现思路
1、本专利技术的目的是提供无创多模态肾脏功能磁共振检查方法、系统及存储介质,用以解决现有技术中存在的上述问题。
2、为了实现上述目的,本专利技术采用以下技术方案:
3、第一方面,提供无创多模态肾脏功能磁共振检查方法,包括:
4、获取糖尿病患者的bold-mri扫描数据、asl-mri扫描数据、ivim-mri扫描数据和mdixon-quant扫描数据;
5、将bold-mri扫描数据、asl-mri扫描数据、ivim-mri扫描数据和mdixon-quant扫描数据分别传输至核磁共振成像处理后端进行核磁共振成像处理,得到对应的r2*图、asl伪彩图、ivim图和fat fraction伪彩图;
6、将r2*图、asl伪彩图、ivim图和fat fraction伪彩图分别输入预置的肾脏分割模型进行肾脏区域分割,得到对应的肾脏区域分层结果,所述肾脏分割模型包括级联的肾脏区域检测子网络和肾脏语义分割子网络,所述肾脏区域检测子网络用于进行肾脏roi区域检测,输出肾脏roi区域检测结果,所述肾脏语义分割子网络用于根据肾脏roi区域检测结果进行肾脏区域分割,得到肾脏区域分层结果;
7、根据r2*图的肾脏区域分层结果确定患者的表观弛豫率r2*,根据asl伪彩图的肾脏区域分层结果确定患者的肾血流量rbf,根据ivim图的肾脏区域分层结果确定患者的单纯扩散系数d、微循环扩散系数d*、灌注分数f和表观扩散系数ad c,根据fat fraction伪彩图的肾脏区域分层结果确定患者的脂肪分数ff;
8、根据表观弛豫率r2*、肾血流量rbf、单纯扩散系数d、微循环扩散系数d*、灌注分数f、表观扩散系数adc和脂肪分数ff比对确定对应的肾脏纤维化程度参数、缺氧程度参数、血流灌注参数以及脂质积累参数;
9、利用肾脏纤维化程度参数、缺氧程度参数、血流灌注参数以及脂质积累参数组成糖尿病患者的肾脏功能参数集,并输出糖尿病患者的肾脏功能参数集。
10、在一个可能的设计中,所述方法还包括:
11、将若干糖尿病患者进行分组,得到多个患者组;
12、根据各患者组中所有糖尿病患者的肾脏功能参数集,统计各患者组对应的肾脏纤维化程度参数阈值区间、缺氧程度参数阈值区间、血流灌注参数阈值区间以及脂质积累参数阈值区间。
13、在一个可能的设计中,所述肾脏区域检测子网络采用yolov8神经网络,所述肾脏语义分割子网络采用unet++神经网络。
14、在一个可能的设计中,在将r2*图、asl伪彩图、ivim图和fat fraction伪彩图分别输入预置的肾脏分割模型进行肾脏区域分割前,所述方法还包括:
15、构建yolov8神经网络和unet++神经网络;
16、将yolov8神经网络作为肾脏区域检测子网络,将unet++神经网络作为肾脏语义分割子网络,将肾脏区域检测子网络与肾脏语义分割子网络级联,组成初始化肾脏分割模型;
17、获取第一训练集,利用第一训练集对肾脏区域检测子网络和肾脏语义分割子网络进行第一阶段的自监督学习训练,所述第一训练集包含若干肾脏核磁共振图像样本;
18、获取第二训练集,利用第二训练集对肾脏区域检测子网络进行第二阶段自监督学习训练,所述第二训练集包含若干标注有肾脏roi区域的肾脏核磁共振图像样本;
19、获取第三训练集,利用第三训练集对肾脏语义分割子网络进行第二阶段自监督学习训练,所述第三训练集包含若干由肾脏区域检测子网络输出的肾脏roi区域检测结果样本,以及若干由专家标注出肾脏分割区域、肾中心点与最近脊柱中心点的肾脏核磁共振图像样本;
20、在满足设定的训练条件后,得到训练后的肾脏分割模型。
21、在一个可能的设计中,在肾脏分割模型第一阶段的自监督学习过程中,所采用的训练损失函数为对照损失函数、重建损失函数与对抗损失函数三项的线性组合;在肾脏分割模型第二阶段的自监督学习过程中,所采用的训练损失函数为dice损失函数、交叉熵损失函数和余弦衰减损失函数三项的线性组合。
22、在一个可能的设计中,所述根据表观弛豫率r2*、肾血流量rbf、单纯扩散系数d、微循环扩散系数d*、灌注分数f、表观扩散系数adc和脂肪分数ff比对确定对应的肾脏纤维化程度参数、缺氧程度参数、血流灌注参数以及脂质积累参数,包括:
23、将表观弛豫率r2*、肾血流量rbf、单纯扩散系数d、微循环扩散系数d*、灌注分数f、表观扩散系数adc和脂肪分数ff导入预置的肾脏功能参数区间表中进行对比,确定对应的肾脏纤维化程度参数、缺氧程度参数、血流灌注参数以及脂质积累参数,所述肾脏功能参数区间表中包含若干肾脏纤维化程度参数、缺氧程度参数、血流灌注参数以及脂质积累参数,以及各肾脏纤维化程度参数、缺氧程度参数、血流灌注参数以及脂质积累参数对应的表观弛豫率r2*区间、肾血流量rbf区间、单纯扩散系数d区间、微循环扩散系数d*区间、灌注分数f区间、表观扩散系数adc区间和/或脂肪分数ff区间。
24、在一个可能的设计中,在输出糖尿病患者的肾脏功能参数集时本文档来自技高网...
【技术保护点】
1.无创多模态肾脏功能磁共振检查方法,其特征在于,包括:
2.根据权利要求1所述的无创多模态肾脏功能磁共振检查方法,其特征在于,所述方法还包括:
3.根据权利要求1所述的无创多模态肾脏功能磁共振检查方法,其特征在于,所述肾脏区域检测子网络采用YoloV8神经网络,所述肾脏语义分割子网络采用UNet++神经网络。
4.根据权利要求3所述的无创多模态肾脏功能磁共振检查方法,其特征在于,在将R2*图、ASL伪彩图、IVIM图和Fat Fraction伪彩图分别输入预置的肾脏分割模型进行肾脏区域分割前,所述方法还包括:
5.根据权利要求4所述的无创多模态肾脏功能磁共振检查方法,其特征在于,在肾脏分割模型第一阶段的自监督学习过程中,所采用的训练损失函数为对照损失函数、重建损失函数与对抗损失函数三项的线性组合;在肾脏分割模型第二阶段的自监督学习过程中,所采用的训练损失函数为Dice损失函数、交叉熵损失函数和余弦衰减损失函数三项的线性组合。
6.根据权利要求1所述的无创多模态肾脏功能磁共振检查方法,其特征在于,所述根据表观弛豫率R2*
7.根据权利要求1所述的无创多模态肾脏功能磁共振检查方法,其特征在于,在输出糖尿病患者的肾脏功能参数集时,所述方法还包括:将糖尿病患者的肾脏功能参数集存档,并将糖尿病患者的肾脏功能参数集进行可视化输出展示。
8.无创多模态肾脏功能磁共振检查系统,其特征在于,包括数据获取单元、数据传输单元、图像分割单元、特征确定单元、参数提取单元和参数输出单元,其中:
9.无创多模态肾脏功能磁共振检查系统,其特征在于,包括核磁共振扫描仪、核磁共振成像处理后端和处理终端,所述处理终端包括存储器和处理器,其中:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,使得所述计算机执行权利要求1-7任意一项所述的无创多模态肾脏功能磁共振检查方法。
...【技术特征摘要】
1.无创多模态肾脏功能磁共振检查方法,其特征在于,包括:
2.根据权利要求1所述的无创多模态肾脏功能磁共振检查方法,其特征在于,所述方法还包括:
3.根据权利要求1所述的无创多模态肾脏功能磁共振检查方法,其特征在于,所述肾脏区域检测子网络采用yolov8神经网络,所述肾脏语义分割子网络采用unet++神经网络。
4.根据权利要求3所述的无创多模态肾脏功能磁共振检查方法,其特征在于,在将r2*图、asl伪彩图、ivim图和fat fraction伪彩图分别输入预置的肾脏分割模型进行肾脏区域分割前,所述方法还包括:
5.根据权利要求4所述的无创多模态肾脏功能磁共振检查方法,其特征在于,在肾脏分割模型第一阶段的自监督学习过程中,所采用的训练损失函数为对照损失函数、重建损失函数与对抗损失函数三项的线性组合;在肾脏分割模型第二阶段的自监督学习过程中,所采用的训练损失函数为dice损失函数、交叉熵损失函数和余弦衰减损失函数三项的线性组合。
6.根据权利要求1所述的无创多模态肾脏功能磁共振检查方...
【专利技术属性】
技术研发人员:周曦,刘宸瑗,伍世宾,乐洪波,夏军,
申请(专利权)人:深圳大学附属华南医院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。