【技术实现步骤摘要】
本专利技术涉及医疗数据处理，更具体地说，本专利技术涉及一种基于mri图像的乳腺癌化疗疗效预测系统及方法。
技术介绍
1、乳腺癌是目前全球女性最常见的恶性肿瘤，其多种治疗方法一直备受人们关注，近年来，随着影像组学迅速发展，为医学研究提供了新的思路、新的工具，核磁共振（mri）图像作为乳腺癌临床医学治疗的影像手段，可以间接反映肉眼无法识别的肿瘤异质性，发现定量数据和病理表型之间的相关性，从而对乳腺癌后续化疗中的疗效进行影像学辅助，帮助医患双方更好的进行正确的化疗操作。
2、申请公开号为cn114549463a的中国专利公开了一种乳腺癌肝转移抗her-2治疗的疗效预测方法、系统、设备及介质，其基于腹部增强ct的影像组学特征在预测bclm抗her-2治疗疗效中的价值，经试验证明，基于纹理特征建立的影像组学模型是较准确和客观的，影像组学可成为判断乳腺癌肝转移患者抗her-2治疗疗效优劣的客观精准且简单易行的无创工具，其中强化ct门静脉期的rf算法模型的分类效能最佳，从而为her-2阳性的bclm患者的抗her-2治疗疗效预测和总体治疗方案提供参考信息和相关临床指导意见，因此具有良好的实际应用价值；
3、现有技术存在以下不足：
4、现有的乳腺癌化疗疗效预测系统在基于mri图像识别时，通过观察了解mri图像中的特征数据，并结合医生专业知识进行化疗疗效的预测评估，由于mri图像的数量较多，受到不同乳腺位置和设备误差的影响程度也有所不同，使得mri图像的质量参差不齐，从而导致无法快速且准确的识别到最合适的mri
5、鉴于此，本专利技术提出一种基于mri图像的乳腺癌化疗疗效预测系统及方法以解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷，为实现上述目的，本专利技术提供如下技术方案：一种基于mri图像的乳腺癌化疗疗效预测系统，包括：
2、目标图像筛选模块，获取患者的原始mri图像，基于图像筛选准则，从原始mri图像中筛选出目标mri图像；
3、病灶区域识别模块，在目标mri图像中标记出区域分界点，将区域分界点连线后，获得病灶区域；
4、数据采集模块，采集病灶区域的历史训练数据集合，历史训练数据集合包括综合化疗数据和病灶缩减值；
5、模型训练模块，基于历史训练数据集合，训练预测出病灶缩减值的机器学习模型，并基于训练完成的机器学习模型预测出病灶缩减值；
6、分析对比模块，采集实时的综合化疗数据，预测出实时的病灶缩减值，并判定是否生成化疗有效提示；
7、预测分级模块，基于实时的病灶缩减值和预测的病灶缩减值，生成病灶面积差值，基于病灶面积差值，生成化疗有效级别。
8、进一步的，图像筛选准则包括：mri图像的信噪比超过安全信噪比，mri图像的分辨率超过安全分辨率；
9、目标mri图像的筛选方法包括：
10、通过核磁共振设备获取原始mri图像的信噪参数，信噪参数包括中心区域的信号测量强度、周围四角背景区域信号强度的标准偏差的平均值和层厚；
11、基于信噪参数，计算信噪比；
12、信噪比的表达式为：
13、；
14、式中，为信噪比，为中心区域的信号测量强度，为层厚，为周围四角背景区域信号强度的标准偏差，常数；
15、标记信噪比超过安全信噪比的个原始mri图像，汇总得到第一图像集合；
16、扫描第一图像集合中的个原始mri图像，逐一标记个原始mri图像的分辨率；
17、标记分辨率超过安全分辨率的个原始mri图像，汇总得到第二图像集合；
18、结合个信噪比和个分辨率，获得个图像质量值；
19、图像质量值的表达式为：
20、；
21、式中，为第个图像质量值，为第个信噪比，为第个分辨率，、为权重因子；
22、从个图像质量值中筛选出最大值对应的原始mri图像，标记为目标mri图像。
23、进一步的，区域分界点的标记方法包括：
24、扫描目标mri图像中的所有像素点，并标记所有像素点的灰度值；
25、将灰度值大于预设灰度阈值的像素点记为病灶像素点；
26、建立xy坐标轴，将xy坐标轴的原点置于其中一个病灶像素点上，余下的病灶像素点分别位于xy坐标轴的第一象限、第二象限、第三象限和第四象限内；
27、调整xy坐标轴的原点的位置，使得第一象限、第二象限、第三象限和第四象限中任意两个象限之间的病灶像素点的数量差值小于预设安全差值；
28、以xy坐标轴的原点为起点，以间隔角度为5度的标准，在第一象限、第二象限、第三象限和第四象限内分别画直线，获得连接线；
29、通过比例尺测量位于连接线上的每一个病灶像素点至原点的距离值，将距离值的最大值对应的病灶像素点标记为区域分界点。
30、进一步的，综合化疗数据包括信号强度变化率、边界尖锐度和分布距离值；
31、信号强度变化率的获取方法包括：
32、在病灶区域中随机选择个不相邻的病灶像素点，并记录个病灶像素点的初始信号强度值；
33、间隔两个预设记录时长后，记录个病灶像素点的终末信号强度值；
34、将个病灶像素点的终末信号强度值与个病灶像素点的初始信号强度值求差比较，获得个信号强度差值；
35、信号强度差值的表达式为：
36、；
37、式中，为第个信号强度差值，为第个病灶像素点的终末信号强度值，为第个病灶像素点的初始信号强度值；
38、将个信号强度差值分别与预设记录时长比较后，获得个子变化率；
39、子变化率的表达式为：
40、；
41、式中，为第个子变化率，为预设记录时长；
42、将个子变化率累加后求平均，获得信号强度变化率；
43、信号强度变化率的表达式为：
44、；
45、式中，为信号强度变化率，为第个子变化率。
46、进一步的，边界尖锐度的获取方法包括：
47、在xy坐标轴中，以坐标轴的原点为圆心画圆，获得像素圆；
48、调整像素圆的半径，使得第一象限、第二象限、第三象限和第四象限内均留有位于像素圆外侧的病灶像素点，并将位于像素圆外侧的病灶像素点标记为边界像素点；
49、测量位于第一象限和第二象限内的两个边界像素点在x轴方向上的最大距离，以及位于第三象限和第四象限内的两个边界像素点在x轴方向上的最大距离值，分别记为第一最大值和第二最大值；
50、将第一最大值和第二最大值累加后求平均，获得边界宽度值；
51、测量位于第一象限和第四象限内的两个边界像素点在y轴方向上的最大距离值，以及位于第二象限和第三象限内的两个边界像素点本文档来自技高网...
【技术保护点】
1.一种基于MRI图像的乳腺癌化疗疗效预测系统，其特征在于，包括：
2.根据权利要求1所述的一种基于MRI图像的乳腺癌化疗疗效预测系统，其特征在于，所述图像筛选准则包括：MRI图像的信噪比超过安全信噪比，MRI图像的分辨率超过安全分辨率；
3.根据权利要求2所述的一种基于MRI图像的乳腺癌化疗疗效预测系统，其特征在于，所述区域分界点的标记方法包括：
4.根据权利要求3所述的一种基于MRI图像的乳腺癌化疗疗效预测系统，其特征在于，所述综合化疗数据包括信号强度变化率、边界尖锐度和分布距离值；
5.根据权利要求4所述的一种基于MRI图像的乳腺癌化疗疗效预测系统，其特征在于，所述边界尖锐度的获取方法包括：
6.根据权利要求5所述的一种基于MRI图像的乳腺癌化疗疗效预测系统，其特征在于，所述分布距离值的获取方法包括：
7.根据权利要求6所述的一种基于MRI图像的乳腺癌化疗疗效预测系统，其特征在于，所述病灶缩减值的获取方法包括：
8.根据权利要求7所述的一种基于MRI图像的乳腺癌化疗疗效预测系统，其特征在于，
9.根据权利要求8所述的一种基于MRI图像的乳腺癌化疗疗效预测系统，其特征在于，所述病灶面积差值的表达式为：
10.一种基于MRI图像的乳腺癌化疗疗效预测方法，基于权利要求1-9中任一项所述的一种基于MRI图像的乳腺癌化疗疗效预测系统实现，其特征在于，包括：
...【技术特征摘要】
1.一种基于mri图像的乳腺癌化疗疗效预测系统，其特征在于，包括：
2.根据权利要求1所述的一种基于mri图像的乳腺癌化疗疗效预测系统，其特征在于，所述图像筛选准则包括：mri图像的信噪比超过安全信噪比，mri图像的分辨率超过安全分辨率；
3.根据权利要求2所述的一种基于mri图像的乳腺癌化疗疗效预测系统，其特征在于，所述区域分界点的标记方法包括：
4.根据权利要求3所述的一种基于mri图像的乳腺癌化疗疗效预测系统，其特征在于，所述综合化疗数据包括信号强度变化率、边界尖锐度和分布距离值；
5.根据权利要求4所述的一种基于mri图像的乳腺癌化疗疗效预测系统，其特征在于，所述边界尖锐度的获取方法包括：
【专利技术属性】
技术研发人员：李艳博，路红，朱鹰，南丽虹，王文琪，
申请(专利权)人：天津市肿瘤医院天津医科大学肿瘤医院，
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。