基于术前多模态3D MRI的肝细胞癌微血管侵犯预测系统及其应用技术方案

本发明专利技术公开了一种基于术前多模态3D MRI影像的肝细胞癌微血管侵犯预测系统及其应用，该系统包括：数据采集模块、图像预处理模块、病灶勾画模块、病灶区域裁切模块、深度学习网络特征提取模块、混合特征融合模块、权重分配与分类模块，权重分配模块包括特征加权融合模块与损失监督模块；所述深度网络特征提取模块分别利用CNN分支和Transformer分支提取3D影像的局部特征以及全局特征，使用混合特征融合模块将两个分支特征进行融合。本发明专利技术为术前无创、高效地预测肝细胞癌微血管侵犯提供了新的方案，能够为肝细胞癌患者术前治疗方式选择以及术后评估提供依据，本发明专利技术的预测精度高，可靠性强，具有广阔的应用前景。

【技术实现步骤摘要】

本专利技术涉及医学图像处理领域，特别涉及一种基于术前多模态3d mri影像的肝细胞癌微血管侵犯预测系统及其应用。

技术介绍

1、肝细胞癌(hepatocellular carcinoma,hcc)是一种原发于肝脏的恶性肿瘤，恶性程度高，预后相对较差。尽管进行手术治疗、局部消融同时联合靶向药物的综合治疗方案不断改善，肝癌的病死率仍然居高不下。一方面由于肝癌早期症状不明显，确诊时大部分已是晚期，患者几乎丧失了手术根治或移植的可能性；另一方面，患者术后复发率和转移率极高。微血管侵犯(microvascular invasion,mvi)是肝癌手术治疗后复发的最重要因素之一，预示着肿瘤存在高侵袭性生物学行为。mvi是一种微观组织病理学发现，指在显微镜下于内皮细胞衬覆的脉管腔内见到癌细胞巢团，以门静脉分支为主(含包膜内血管)。病理分级方法：m0：未发现mvi；m1(低危组)：≤5个mvi，且发生于近癌旁肝组织；m2(高危组)：>5个mvi，或mvi发生于远癌旁肝组织。在本专利技术中，将m0归为微血管侵犯阴性组，m1和m2级归为微血管侵犯阳性组。目前，临床尚无h本文档来自技高网...

【技术保护点】

1.一种基于术前多模态3D MRI的肝细胞癌微血管侵犯预测系统，其特征在于，该系统包括：

2.根据权利要求1所述的基于术前多模态MRI的肝细胞癌微血管侵犯预测系统，其特征在于，所述多模态特征加权融合分类模块利用多层感知机对每个模态的混合特征拼接形成的高维特征进行维度映射，利用Sigmoid激活函数进行归一化，生成各模态对应特征权重后与各模态的混合特征输入逐元素相乘，形成各模态的加权特征，将各模态的加权特征相加作为融合特征参与最终分类；

3.根据权利要求2所述的基于术前多模态MRI的肝细胞癌微血管侵犯预测系统，其特征在于，所述深度学习网络特征提取模块进行特征提取的方...

【技术特征摘要】

1.一种基于术前多模态3d mri的肝细胞癌微血管侵犯预测系统，其特征在于，该系统包括：

2.根据权利要求1所述的基于术前多模态mri的肝细胞癌微血管侵犯预测系统，其特征在于，所述多模态特征加权融合分类模块利用多层感知机对每个模态的混合特征拼接形成的高维特征进行维度映射，利用sigmoid激活函数进行归一化，生成各模态对应特征权重后与各模态的混合特征输入逐元素相乘，形成各模态的加权特征，将各模态的加权特征相加作为融合特征参与最终分类；

3.根据权利要求2所述的基于术前多模态mri的肝细胞癌微血管侵犯预测系统，其特征在于，所述深度学习网络特征提取模块进行特征提取的方法具体为：

4.根据权利要求3所述的基于术前多模态mri的肝细胞癌微血管侵犯预测系统，其特征在于，所述混合特征融合模块对深度学习网络特征提取模块提取的特征进行融合的方法具体为：

5.根据权利要求4所述的基于术前多模态mri的肝细胞癌微血管侵犯预测系统，其特征在于，所述权重分配与分类模块的具体...

【专利技术属性】
技术研发人员：巩萍，孟傲，黄倩，李泓霖，潘子恒，伏允鹏，庄银苹，王权，徐鹏，胡春峰，
申请(专利权)人：徐州医科大学，
类型：发明
国别省市：