【技术实现步骤摘要】
本专利技术涉及儿童肝脏肿瘤测量，尤其涉及一种基于ct增强影像的儿童肝母细胞瘤手术方式预测方法、儿童肝母细胞瘤手术方式预测系统、计算机设备及计算机可读存储介质。
技术介绍
1、肝脏体积是间接反映肝脏储备功能的一项重要指标，是客观评价病肝对手术的承受能力，以及选择恰当术式的重要因素之一。肝切除是目前治疗肝母细胞瘤首选的和最有效的手术方案，残肝比是影响手术成功与否的重要因素。计算残肝体积是临床医生选择手术方案、评价术后肝功能等的有效指标。根据《残肝体积简化计算方法及其临床意义》文中所述，计算残肝体积，首先要在术前ct增强影像上手工绘出每层肝脏的拟切除区(肿瘤及邻近正常肝组织)，再应用医学图像分析软件测出每个层面的全肝面积、拟切除面积和残肝面积。手工绘制ct每层的roi是一个主观且耗时巨大的工作，极易带来误差。
2、目前，残肝比的计算方法包括：
3、(1)标准残肝体积比：手工绘出ct上每个图层肝脏的拟切除区(肿瘤及邻近正常肝组织)；拟切除区内遇较大门静脉属支无法保留时，则将该支供应的肝段一并归拟切除区。应用医学图像分析软件测出每个层面的全肝面积、拟切除面积和残肝面积，最后计算出全肝体积、拟切除体积、肿瘤体积，全肝体积和拟切除体积的差值为残肝体积，全肝体积和肿瘤体积的差值为功能肝体积，残肝体积占功能肝体积的百分数为残肝体积比；
4、(2)简化残肝体积比：将第一肝门层面、第二肝门层面、肝脏最大面积层面和胆囊窝层面(取胆囊最大面积的层面)作为4个典型代表层面，各典型层面中拟切除面积之和为拟切除体积，4个典型
5、目前的肝和肝肿瘤分割模型几乎没有应用到儿童数据上，因此儿童患者残肝比的计算只能依靠医生手动勾画，这种方式计算的残肝比，不仅耗时，极易带来误差，尤其影像表现为大肿瘤的情况下，肿瘤挤压正常肝脏和肝血管，医生无法正确识别肝段，导致计算的残肝比与真实残肝比误差极大。
6、目前针对相关技术中存在的无法正确识别肝段、难以计算残肝比等问题，尚未提出有效的解决方案。
技术实现思路
1、本专利技术的目的是针对现有技术中的不足，提供一种基于ct增强影像的儿童肝母细胞瘤手术方式预测方法、儿童肝母细胞瘤手术方式预测系统、计算机设备及计算机可读存储介质，以解决相关技术中存在的无法正确识别肝段、难以计算残肝比等问题。
2、为实现上述目的，本专利技术采取的技术方案是：
3、第一方面，本专利技术提供一种基于ct增强影像的儿童肝母细胞瘤手术方式预测方法，包括：
4、获取ct增强影像，其中，所述ct增强影像包括动脉期影像、门静脉期影像；
5、对所述ct增强影像进行分割处理，以获得肝脏图像，其中，所述肝脏图像包括肝脏区域，所述肝脏区域包括肝肿瘤区域、瘤周区域、正常肝脏区域；
6、对所述肝脏图像进行特征提取，以获得图像特征，其中，所述图像特征包括组学特征、深度特征、临床特征；
7、根据所述图像特征进行决策，以获得决策结果，其中，所述决策结果包括化疗、切除。
8、在其中的一些实施例中，对所述ct增强影像进行分割处理以获得肝脏图像包括：
9、对所述ct增强影像进行预处理，以获得标准图像；
10、将所述标准图像输入至肝脏分割模型，以获得肝脏图像。
11、在其中的一些实施例中，对所述ct增强影像进行预处理包括：
12、对所述ct增强影像进行重采样，以获得预设分辨率的初始图像；
13、对所述初始图像的图像像素值进行归一化，以获得标准图像。
14、在其中的一些实施例中，构建肝脏分割模型包括：
15、获取训练图像；
16、对所述训练图像依次进行重采样、归一化、随机采样，以获得训练图像块；
17、将所述训练图像块输入至深度学习网络模型进行训练，以获得肝脏分割模型。
18、在其中的一些实施例中，对所述肝脏图像进行特征提取以获得图像特征包括：
19、对所述肝脏图像进行提取，以获得肝肿瘤区域，其中，所述肝脏图像包括肝脏区域；
20、对所述肝肿瘤区域进行膨胀，以获得肿瘤膨胀区域；
21、对所述肝肿瘤区域与所述肿瘤膨胀区域进行差集计算，以获得瘤周区域；
22、对所述肝脏区域、所述肝肿瘤区域、所述瘤周区域进行差集计算，以获得正常肝脏区域；
23、分别对所述肝肿瘤区域、所述瘤周区域、所述正常肝脏区域进行特征提取，以分别获得初始图像特征，其中，所述初始图像特征包括组学特征、深度特征、临床特征；
24、对所述初始图像特征进行第一特征降维，以获得降维图像特征。
25、在其中的一些实施例中于，根据所述图像特征进行决策以获得决策结果包括：
26、对所述图像特征进行融合，以获得第一多序列多区域特征；
27、对所述多序列多区域特征进行第二特征降维，以获得第二多序列多区域特征；
28、基于所述第二多序列多区域特征，进行决策，以获得决策结果，其中，所述决策结果包括化疗、切除。
29、第二方面，提供一种基于ct增强影像的儿童肝母细胞瘤手术方式预测系统，包括：
30、图像获取单元，用于获取ct增强影像，其中，所述ct增强影像包括动脉期影像、门静脉期影像；
31、图像分割单元，用于对所述ct增强影像进行分割处理，以获得肝脏图像，其中，所述肝脏图像包括肝脏区域，所述肝脏区域包括肝肿瘤区域、瘤周区域、正常肝脏区域；
32、特征提取单元，用于对所述肝脏图像进行特征提取，以获得图像特征，其中，所述图像特征包括组学特征、深度特征、临床特征；
33、决策单元，用于根据所述图像特征进行决策，以获得决策结果，其中，所述决策结果包括化疗、切除。
34、在其中的一些实施例中，所述特征提取单元包括：
35、区域提取模块，用于对所述肝脏图像进行提取，以获得肝肿瘤区域，其中，所述肝脏图像包括肝脏区域；
36、膨胀模块，用于对所述肝肿瘤区域进行膨胀，以获得肿瘤膨胀区域；
37、第一差集计算模块，用于对所述肝肿瘤区域与所述肿瘤膨胀区域进行差集计算，以获得瘤周区域；
38、第二差集计算模块，对所述肝脏区域、所述肝肿瘤区域、所述瘤周区域进行差集计算，以获得正常肝脏区域；
39、特征提取模块，用于分别对所述肝肿瘤区域、所述瘤周区域、所述正常肝脏区域进行特征提取，以分别获得初始图像特征，其中，所述初始图像特征包括组学特征、深度特征、临床特征；
40、第一降维模块，用于对所述初始图像特征进行第一特征降维，以获得降维图像特征。
41、在其中的一些实施例中，所述决策单元包括：
42、融合模本文档来自技高网...
【技术保护点】
1.一种基于CT增强影像的儿童肝母细胞瘤手术方式预测方法，其特征在于，包括：
2.根据权利要求1所述的儿童肝母细胞瘤手术方式预测方法，其特征在于，对所述CT增强影像进行分割处理以获得肝脏图像包括：
3.根据权利要求2所述的儿童肝母细胞瘤手术方式预测方法，其特征在于，对所述CT增强影像进行预处理包括：
4.根据权利要求2或3所述的儿童肝母细胞瘤手术方式预测方法，其特征在于，构建肝脏分割模型包括：
5.根据权利要求1所述的儿童肝母细胞瘤手术方式预测方法，其特征在于，对所述肝脏图像进行特征提取以获得图像特征包括：
6.根据权利要求1所述的儿童肝母细胞瘤手术方式预测方法，其特征在于，根据所述图像特征进行决策以获得决策结果包括：
7.一种基于CT增强影像的儿童肝母细胞瘤手术方式预测系统，其特征在于，包括：
8.根据权利要求7所述的儿童肝母细胞瘤手术方式预测系统，其特征在于，所述特征提取单元包括：
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～6任一所述的儿童肝母细胞瘤手术方式预测方法。
...【技术特征摘要】
1.一种基于ct增强影像的儿童肝母细胞瘤手术方式预测方法，其特征在于，包括：
2.根据权利要求1所述的儿童肝母细胞瘤手术方式预测方法，其特征在于，对所述ct增强影像进行分割处理以获得肝脏图像包括：
3.根据权利要求2所述的儿童肝母细胞瘤手术方式预测方法，其特征在于，对所述ct增强影像进行预处理包括：
4.根据权利要求2或3所述的儿童肝母细胞瘤手术方式预测方法，其特征在于，构建肝脏分割模型包括：
5.根据权利要求1所述的儿童肝母细胞瘤手术方式预测方法，其特征在于，对所述肝脏图像进行特征提取以获得图像特征包括：
6.根据权利要求1所述的儿童肝母细胞瘤手术方式预测方法...
【专利技术属性】
技术研发人员：王晓霞，周庆，胡立伟，郭辰，姚小芬，石峰，钟玉敏，
申请(专利权)人：上海交通大学医学院附属上海儿童医学中心，
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。