【技术实现步骤摘要】
本申请涉及生物学，特别涉及一种基于mr信号的膀胱肿瘤分类方法及相关装置。
技术介绍
1、膀胱癌术前准确分期对患者的个体化精准治疗至关重要，目前临床上主要依靠影像科医生参照膀胱影像报告和数据系统(vi-rads)评分来对膀胱癌患者的多参数mr图像(主要包括t2wi、扩散加权成像以及动态增强图像序列)进行人为解读，以对肿瘤进行分类并进行临床分期。
2、然而，由于膀胱肿瘤基底部常出现膀胱壁水肿、纤维化等，对肿瘤分期造成很大干扰，因此不同影像科医生参照(vi-rads)评分对膀胱癌mr图像进行解读过程中，会因医生的个人主观性以及经验水平或专业领域不同，而影响膀胱癌的分类分期结果。
3、因而现有技术还有待改进和提高。
技术实现思路
1、本申请要解决的技术问题在于，针对现有技术的不足，提供一种基于mr信号的膀胱肿瘤分类方法及相关装置。
2、为了解决上述技术问题，本申请实施例第一方面提供了一种基于mr信号的膀胱肿瘤分类方法，所述方法包括：
3、基于交互方式预先获取的各训练mr图像进行标注，以得到训练数据集；
4、基于所述训练数据集构建膀胱肿瘤分类模型；
5、通过所述膀胱肿瘤分类模型对待分类mr序列进行膀胱肿瘤分类，以得到待分类mr序列对应的分类结果。
6、根据上述技术手段，通过使用交互的手段对mr图像进行标注并使用标注后的mr图像进行模型训练的方式，融合了人工智能技术和医生的专业经验，提高了mr图像的处理速度和识
7、在一个实现方式中，基于交互方式预先获取的各训练mr图像进行标注具体包括：
8、接收每张训练mr图像对应的候选标注信息；
9、基于候选标注信息在训练mr图像中选取出膀胱图像，并显示所述膀胱图像，其中，所述膀胱图像包括膀胱壁及肿瘤区域；
10、接收基于所述膀胱图像的控制指令；
11、基于所述控制指令对所述标注信息进行处理，以得到携带有标注的训练mr图像。
12、根据上述技术手段，接收每张训练mr图像的候选标注信息，所述候选标注是根据专业医疗知识及算法得出的。然后，基于所述候选标注信息选取出膀胱图像，膀胱图像包括膀胱壁及肿瘤区域。上述技术手段提高了图像的浏览效率，而且能更精准地为肿瘤识别和测量提供基础。在接收基于膀胱和肿瘤区域形成的控制指令时，所述指令以交互方式进行，良好地反映医生的专业意见和经验，从而提高模型标注信息的精确度。在基于控制指令处理标注信息，得到携带有标注的训练mr图像的过程中，将人工智能与医生的专业知识结合在一起，提高了标注的准确性和效率，同时使得模型训练更接近真实情况和需求，进一步改善了膀胱肿瘤分类的精度。
13、在一个实现方式中，基于所述控制指令对所述标注信息进行处理，以得到携带有标注的训练mr图像具体包括：
14、当所述控制指令为确认指令时，将所述候选标注信息作为所述训练mr图像的标注信息；
15、当所述控制指令为修正指令时，基于所述修正指令对所述候选标注信息进行修正，并将修正后的标注信息作为候选标注信息并重新执行基于候选标注信息在训练mr图像中选取出膀胱图像的步骤。
16、根据上述技术手段，对携带有标注的训练mr图像进行处理的过程首先涉及到读取控制指令，所述指令包含了医生或专家的实时反馈和专业知识，将人工智能与人类专家的知识整合在一起。基于所述读取到的控制指令，程序接下来会有两种操作模式：确认模式和修正模式。当控制指令为确认时，程序将候选标注信息确定为训练mr图像的标注信息。所述确认模式保证了收集到的标注信息准确无误，尽可能地减少了错误标注的风险，筛选并优化了训练数据集。当控制指令为修正指令时，程序会根据修正指令对候选标注信息进行修正，修改后的标注信息会用作候选标注信息并重新执行选取膀胱图像的步骤，从而提升标注的准确性，并不断改进优化数据集。
17、在一个实现方式中，训练数据集中的训练mr图像进行膀胱区域、肿瘤区域和肌层浸润标注；基于所述训练数据集构建膀胱肿瘤分类模型具体包括：
18、以膀胱区域为类别将所述训练数据集汇总为膀胱训练数据集；
19、对膀胱训练数据集中具有膀胱区域的膀胱训练图像进行抠图以得到膀胱图像集，并以肿瘤区域为类别将所述膀胱图像集汇总为肿瘤训练数据集；
20、以肌层浸润为类别将所述肿瘤训练数据集中的具有肿瘤区域的肿瘤训练图像汇总为肌层浸润训练数据集；
21、分别基于膀胱训练数据集、肿瘤训练数据集和肌层浸润训练数据集构建膀胱分类模块、肿瘤分类模块以及肌层浸润分类模块；
22、基于所述膀胱分类模块、肿瘤分类模块以及肌层浸润分类模块形成膀胱肿瘤分类模型。
23、根据上述技术手段，将训练数据集按照膀胱区域进行分类汇总成膀胱训练数据集，然后对膀胱训练数据集内具有膀胱区域的图像进行抠图，得到膀胱图像集，进一步以肿瘤区域为类别将膀胱图像集汇总成肿瘤训练数据集，从训练数据集中准确地抽取出了膀胱和肿瘤的关键信息，为后续的模型训练打下了基础。再以肌层浸润为类别，将肿瘤训练数据集中的具有肿瘤区域的图像汇总为肌层浸润训练数据集，专门针对具有浸润特征的肿瘤进行分类，进一步提升检测和治疗膀胱癌临床决策的准确性和有效性。最后根据膀胱训练数据集、肿瘤训练数据集和肌层浸润训练数据集，构建了膀胱分类模块、肿瘤分类模块和肌层浸润分类模块，所述模块按照特定的病理特征串联在一起，形成了整体的膀胱肿瘤分类模型。通过训练数据集梳理和分类模块构造，形成能精准识别和分类膀胱肿瘤的模型。
24、在一个实现方式中，通过所述膀胱肿瘤分类模型对待分类mr序列进行膀胱肿瘤分类具体包括：
25、通过所述膀胱肿瘤分类模型中的膀胱分类模块筛选出待分类mr序列中存在膀胱区域的第一待处理图像序列；
26、当所述第一待处理图像序列不为空时，通过所述膀胱肿瘤分类模型中的肿瘤分类模块筛选出第一待处理图像序列中存在肿瘤区域的第二待处理图像序列；
27、当所述第二待处理图像序列不为空时，通过所述膀胱肿瘤分类模型中的肌层浸润分类模块，确定所述待分类mr序列对应的肌层浸润类别。
28、根据上述技术手段，膀胱分类模块负责从待分类mr序列中筛选出存在膀胱区域的待处理图像序列，提取出相关的图像信息，以便后续可以更有效地分析和识别肿瘤区域。其次，如果待处理图像序列不为空，肿瘤分类模块将筛选出存在肿瘤区域的图像序列，通过进一步的分类和筛选，识别出图像中的肿瘤区域，从而更准确地确定膀胱癌的位置和大小。再次，如果该图像序列不为空，肌层浸润分类模块会确定待分类mr序列的肌层浸润类别。在肿瘤深度判断和分期诊断方面，针对肌层浸润度的正确识别具有很高的临床价值。综上，所述技术手段通过准确识别膀胱癌的位置，大小及其对周围组织的浸润程度，提高了膀胱癌的诊断准确性，并为后续治疗方案的制定提供了辅助决策依据，有效提升了医生的诊断效率和本文档来自技高网...
【技术保护点】
1.一种基于MR信号的膀胱肿瘤分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于MR信号的膀胱肿瘤分类方法，其特征在于，基于交互方式预先获取的各训练MR图像进行标注具体包括：
3.根据权利要求2所述的基于MR信号的膀胱肿瘤分类方法，其特征在于，基于所述控制指令对所述标注信息进行处理，以得到携带有标注的训练MR图像具体包括：
4.根据权利要求1所述的基于MR信号的膀胱肿瘤分类方法，其特征在于，训练数据集中的训练MR图像进行膀胱区域、肿瘤区域和肌层浸润标注；基于所述训练数据集构建膀胱肿瘤分类模型具体包括：
5.根据权利要求4所述的基于MR信号的膀胱肿瘤分类方法，其特征在于，通过所述膀胱肿瘤分类模型对待分类MR序列进行膀胱肿瘤分类具体包括：
6.根据权利要求5所述的基于MR信号的膀胱肿瘤分类方法，其特征在于，通过所述膀胱肿瘤分类模型对待分类MR序列进行膀胱肿瘤分类，以得到待分类MR序列对应的分类结果之后，所述方法还包括：
7.根据权利要求6所述的基于MR信号的膀胱肿瘤分类方法，其特征在于，确定所述待
8.一种基于MR信号的膀胱肿瘤分类装置，其特征在于，所述装置包括：
9.一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存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-7任意一项所述的基于MR信号的膀胱肿瘤分类方法中的步骤。
10.一种终端设备，其特征在于，包括：处理器和存储器；
...【技术特征摘要】
1.一种基于mr信号的膀胱肿瘤分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于mr信号的膀胱肿瘤分类方法，其特征在于，基于交互方式预先获取的各训练mr图像进行标注具体包括：
3.根据权利要求2所述的基于mr信号的膀胱肿瘤分类方法，其特征在于，基于所述控制指令对所述标注信息进行处理，以得到携带有标注的训练mr图像具体包括：
4.根据权利要求1所述的基于mr信号的膀胱肿瘤分类方法，其特征在于，训练数据集中的训练mr图像进行膀胱区域、肿瘤区域和肌层浸润标注；基于所述训练数据集构建膀胱肿瘤分类模型具体包括：
5.根据权利要求4所述的基于mr信号的膀胱肿瘤分类方法，其特征在于，通过所述膀胱肿瘤分类模型对待分类mr序列进行膀胱肿瘤分类具体包括：
【专利技术属性】
技术研发人员：王焕军，蔡迁，康力，陈伟毅，孔令敏，郭燕，黄翰，
申请(专利权)人：中山大学附属第一医院，
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。