基于造影图像特征提取的前列腺癌病灶检测模型构建方法

本发明涉及图像处理，特别涉及一种前列腺癌病灶智能检测模型的建立方法。

背景技术：

1、前列腺癌是全球第二常见和第五致命的男性癌症。在当前临床应用中，其诊断主要依赖于穿刺活检手段，追求穿刺到最高的gleason评分，穿刺结果尽可能接近手术病理，同时最大程度减少穿刺针数，一直是其研究的目标。前列腺不同于甲状腺、乳腺，可直接利用超声造影视频进行分类得到是否存在病灶区域，前列腺不仅需要判断是否存在病灶，还需对病灶区域划分，传统的前列腺癌病灶区域检测方法难以提取有效特征，其鲁棒性差，稳定性低，这就对影像学在前列腺癌的精准识别以及精确的穿刺靶向定位提出了更高要求；与此同时，随着影像学的进展，也更有希望借助新技术实现这一需求。

技术实现思路

1、有鉴于此，本发明的目的是提供一种基于造影图像特征提取的前列腺癌病灶检测模型构建方法，以解决为前列腺癌病灶检测提供一种适用性更强、预测准确度更好的智能检测模型的技术问题。

2、本发明基于造影图像特征提取的前列腺癌病灶检测模型构建方法包括以下步骤：

3、s1：建立训练样本集：

4、s11：对前列腺超声造影视频进行基于时间强度曲线校正算法的时间选取，得到前列腺动脉血管中超声造影微泡从浮现至达到峰值的视频片段；

5、s12：对选取的视频片段包含的视频帧进行组别划分：根据同一靶区微泡密度及大小变化进行组别确定，将微泡密度及大小前后变化较小的视频帧收录到同一组；

6、s13：从每个视频帧组中分别选取一张超声造影图像进行人工标注：在选取的图像中找到前列腺癌病灶靶区位置，在靶区找到异构的微泡血管架构区域，在异构的微泡血管架构区域绘制感兴趣区域，生成检测框，包括生成检测框的坐标及偏移量，并根据病理结果对感兴趣区域做显著与非显著二分类；

7、s14：对所有视频帧组中的图像进行锐化处和像素值归一化处理；

8、s2：建立前列腺癌病灶检测模型，所述前列腺癌病灶检测模型包括时空特征提取网络和目标检测网络；

9、所述时空特征提取网络结构包括编码部分、直连部分和解码部分；

10、所述编码部分以视频帧组作为输入，编码部分通过第一三维卷积模块对输入的视频帧组提取出特征图，并将提取出的特征图计作第一编码块；然后编码部分再通过第二三维卷积模块对第一编码块进行下采样，并通过三维多分支堆叠模块对第二三维卷积模块的输出提取特征图，并将提取到的特征图计作第二编码块；然后编码部分再通过第三三维卷积模块对第二编码块进行下采样，并通过三维多分支堆叠模块对第三三维卷积模块的输出提取特征图，并将提取到的特征图计作第三编码块；然后编码部分再通过第四三维卷积模块对第三编码块进行下采样，并通过三维多分支堆叠模块对第四三维卷积模块的输出提取特征图，并将提取到的特征图计作第四编码块；最后编码部分还通过降维模块将第四编码块下采样成三维特征图输出；

11、所述直连部分将第一编码块、第二编码块、第三编码块和第四编码块与解码部分连接；

12、所述解码部分通过第一二维卷积模块对降维模块输出的三维特征图上采样，上采样后的特征图与第四编码块堆叠，堆叠后的特征图经二维多分支堆叠模块提取出特征图，提取出的特征图计作第一解码块；然后解码部分通过第二二维卷积模块对第一解码块上采样，上采样后的特征图与第三编码块堆叠，堆叠后的特征图经二维多分支堆叠模块提取出特征图，提取出的特征图计作第二解码块；然后解码部分通过第三二维卷积模块对第二解码块上采样，上采样后的特征图与第二编码块堆叠，堆叠后的特征图经二维多分支堆叠模块提取出特征图，提取出的特征图计作第三解码块；然后解码部分通过第四二维卷积模块对第三解码块上采样，上采样后的特征图与第一编码块堆叠，堆叠后的特征图经二维多分支堆叠模块提取出特征图，提取出的特征图计作第四解码块；

13、所述解码部分将第四解码块输出给二维卷积模块，二维卷积模块的输出作为sigmoid函数的输入，sigmoid函数的输出作为目标检测网络的输入；

14、s3：训练前列腺癌病灶检测模型：将训练样本集中的视频帧组输入前列腺癌病灶检测模型，时空特征提取网络的输出图像放进目标检测网络，目标检测网络对前列腺癌的病灶特征进行提取学习，最终得到训练合格的前列腺癌病灶检测模型。

15、进一步，所述的基于时间强度曲线校正算法定义为：

16、

17、式中，[]为取整函数，ncor为校正后的达峰帧数序列值，nmax和tmax分别为最大峰值对应的帧数序列值与时间节点值，j为最大峰值点前的峰值个数，yj为这些峰值中最后一个峰值的灰度值，而yi和ti分别为相应峰值所对应的灰度值与时间节点值。

18、进一步，所述目标检测网络为yolov7网络。

19、本发明的有益效果：

20、本发明基于造影图像特征提取的前列腺癌病灶检测模型构建方法，在建立训练样本中采用的基于时间强度曲线校正算法，其具有自适应功能，能自动提取超声造影视频中动脉血管微泡由显现到峰值时间片段，对前列腺肿瘤检测变得更加敏感。所建立的前列腺癌病灶检测模型凭借三维深度学习的优势，能够丰富地提取训练样本中的时空特征和前列腺癌病灶，能适应不同大小的前列腺癌病灶，并且利用了超声造影的动态特性，进而能够提升对病灶的预测准确度。

技术特征：

1.基于造影图像特征提取的前列腺癌病灶检测模型构建方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于造影图像特征提取的前列腺癌病灶检测模型构建方法，其特征在于：所述的基于时间强度曲线校正算法定义为：

3.根据权利要求1所述的基于造影图像特征提取的前列腺癌病灶检测模型构建方法，其特征在于：所述目标检测网络为yolov7网络。

技术总结
本发明公开了一种基于造影图像特征提取的前列腺癌病灶检测模型构建方法，属于图像处理领域，包括以下步骤：建立训练样本、建立前列腺癌病灶检测模型与训练前列腺癌病灶检测模型；前列腺肿瘤检测模型包含时空特征提取网络及目标检测网络。在建立训练样本中采用基于时间强度曲线校正算法能自动提取超声造影视频中动脉血管微泡由显现到峰值时间片段，对前列腺肿瘤检测变得更加敏感。本发明前列腺癌病灶检测模型凭借三维深度学习的优势，能够丰富地提取训练样本中的时空特征和前列腺癌病灶，能适应不同大小的前列腺癌病灶，并且利用了超声造影的动态特性，进而能够提升对病灶的预测准确度。

技术研发人员：李芳,尹宏鹏,宫佳奇,周航,罗丽,洪睿霞,李颖,赵怀,石浩
受保护的技术使用者：重庆大学
技术研发日：
技术公布日：2024/1/12