肝癌图像强化区域预测方法及系统

本发明属于医学图像处理，尤其涉及肝癌图像强化区域预测方法及系统。

背景技术：

1、肝细胞癌(hepatocellular carcinoma,hcc)是常见的原发性肝脏恶性肿瘤，其治疗效果评估是hcc患者管理和药物临床试验的重要步骤。

2、目前，hcc治疗反应的评估常采用mrecist(modified responseevaluationcriteria in solid tumors)标准。该标准选取适于重复测量的病灶为靶病灶，优先测量典型病灶，即在ct或mri增强扫描上显示非边缘样瘤内强化的肝内hcc病灶。为适应hcc的特殊性，mrecist要求测量病灶的强化部分最长径，即肿瘤的活性部分，同时避开坏死区域。目前，靶病灶的识别、测量均依靠主观人工评估。由于强化部分最长径线所在层面可能随治疗而变，且需避开肿瘤内坏死区域，可靠结果的得出需细致观察、测量和对比各层面影像，因而费时费力，且不可避免地存在误差。

技术实现思路

1、为克服上述现有技术的不足，本发明提供了肝癌图像强化区域预测方法及系统，在神经网络对肝癌医学影像进行分割的基础之上，采用算法提取其中的肝癌肿瘤强化区域，无需人工进行识别的测量，极大的降低了误差，实现对肝癌肿瘤强化区域的精准识别。

2、为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

3、本发明第一方面提供了一种肝癌图像强化区域预测方法。

4、肝癌图像强化区域预测方法，包括以下步骤：

5、获取肝癌医学影像，基于预训练的神经网络模型对肝癌医学影像进行分割，得到主动脉区域、肝脏区域和肝癌肿瘤区域；

6、根据肝癌肿瘤区域，从肝脏区域中筛选得到残肝区域；

7、计算主动脉区域的强化血管强度阈值，从残肝区域中筛选出大于强化血管强度阈值的残肝校正区域；

8、计算残肝校正区域的平均hu值作为肝癌肿瘤强化阈值，从肝癌肿瘤区域中筛选出大于肝癌肿瘤强化阈值的区域，作为肝癌肿瘤强化区域。

9、本发明第二方面提供了一种肝癌图像强化区域预测系统。

10、肝癌图像强化区域预测系统，包括：

11、图像分割模块，被配置为：获取肝癌医学影像，基于预训练的神经网络模型对肝癌医学影像进行分割，得到主动脉区域、肝脏区域和肝癌肿瘤区域；

12、残肝区域筛选模块，被配置为：根据肝癌肿瘤区域，从肝脏区域中筛选得到残肝区域；

13、残肝校正区域筛选模块，被配置为：计算主动脉区域的强化血管强度阈值，从残肝区域中筛选出大于强化血管强度阈值的残肝校正区域；

14、肝癌肿瘤强化区域筛选模块，被配置为：计算残肝校正区域的平均hu值作为肝癌肿瘤强化阈值，从肝癌肿瘤区域中筛选出大于肝癌肿瘤强化阈值的区域，作为肝癌肿瘤强化区域。

15、本发明第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的肝癌图像强化区域预测方法中的步骤。

16、本发明第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方面所述的肝癌图像强化区域预测方法中的步骤。

17、以上一个或多个技术方案存在以下有益效果：

18、本发明提供了一种肝癌图像强化区域预测方法及系统，基于预训练的神经网络模型对肝癌医学影像进行分割，得到主动脉区域、肝脏区域和肝癌肿瘤区域；之后依据规则依次筛选肝脏区域中的残肝区域和残肝校正区域，并计算残肝校正区域的平均hu值作为肝癌肿瘤强化阈值，从肝癌肿瘤区域中筛选出大于肝癌肿瘤强化阈值的区域，作为肝癌肿瘤强化区域。本发明在神经网络对肝癌医学影像进行分割的基础之上，采用算法提取其中的肝癌肿瘤强化区域，无需人工进行识别的测量，极大的降低了误差，实现对肝癌肿瘤强化区域的精准识别。

19、在得到了肝癌肿瘤强化区域之后，对肝癌肿瘤强化区域相关参数的测量，包括肿瘤最大层面中强化区域面积、肿瘤最大层面中强化区域最大径、强化区域体积和强化区域三维最大径，实现医学测量，提升医疗工作者的工作效率。

20、本发明在对神经网络模型进行训练时，对肝癌医学影像的样本图像标注感兴趣区域，并生成对应的掩模图像，将多个样本图像与对应的掩模图像配对，形成训练数据集，利用训练数据集对神经网络模型进行训练，直至损失函数最小，实现神经网络模型对肝癌医学影像中感兴趣区域的自动分割。本发明通过上述方法训练得到的神经网络模型，能够实现对医学影像的精准分割。

21、在获取感兴趣区域的过程中，对于第i个感兴趣区域，若i对应于肝脏或主动脉所在概率图，则保留面积最大的1个连通域，作为输出的肝脏或主动脉的分割结果；若i对应于肝癌肿瘤所在概率图，则不限定输出连通域的个数，即保留所有连通域，作为输出的若干个肝脏肿瘤的分割结果。通过上述手段进一步提升识别精度。

22、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.肝癌图像强化区域预测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的肝癌图像强化区域预测方法，其特征在于，取肝癌肿瘤区域相对于肝脏区域的补集，作为残肝区域。

3.如权利要求1所述的肝癌图像强化区域预测方法，其特征在于，将主动脉区域的平均hu值作为主动脉区域的强化血管强度阈值。

4.如权利要求1所述的肝癌图像强化区域预测方法，其特征在于，在得到了肝癌肿瘤强化区域之后，还包括对肝癌肿瘤强化区域相关参数的测量，包括肿瘤最大层面中强化区域面积、肿瘤最大层面中强化区域最大径、强化区域体积和强化区域三维最大径。

5.如权利要求1所述的肝癌图像强化区域预测方法，其特征在于，还包括对神经网络模型进行训练，具体为：

6.如权利要求1所述的肝癌图像强化区域预测方法，其特征在于，还包括对获取的肝癌医学影像进行预处理，包括：

7.如权利要求5所述的肝癌图像强化区域预测方法，其特征在于，所述感兴趣区域的具体获取过程为：

8.肝癌图像强化区域预测系统，其特征在于，包括：

9.计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的肝癌图像强化区域预测方法中的步骤。

10.电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的肝癌图像强化区域预测方法中的步骤。

技术总结
本发明提出了肝癌图像强化区域预测方法及系统，涉及医学图像处理技术领域。包括获取肝癌医学影像，基于预训练的神经网络模型对肝癌医学影像进行分割，得到主动脉区域、肝脏区域和肝癌肿瘤区域；根据肝癌肿瘤区域，从肝脏区域中筛选得到残肝区域；计算主动脉区域的强化血管强度阈值，从残肝区域中筛选出大于强化血管强度阈值的残肝校正区域；计算残肝校正区域的平均HU值作为肝癌肿瘤强化阈值，从肝癌肿瘤区域中筛选出大于肝癌肿瘤强化阈值的区域，作为肝癌肿瘤强化区域。本发明在神经网络对肝癌医学影像进行分割的基础之上，采用算法提取其中的肝癌肿瘤强化区域，无需人工进行识别的测量，极大的降低了误差，实现对肝癌肿瘤强化区域的精准识别。

技术研发人员：于德新,左立平,刘恩宇,范金蕾,杨梓萌,刘晓鸣
受保护的技术使用者：山东大学齐鲁医院
技术研发日：
技术公布日：2025/2/5