【技术实现步骤摘要】
本专利技术属于医疗图像处理，具体涉及一种针对中低位直肠癌mri图像的清晰度优化方法。
技术介绍
1、结直肠癌(colorectal cancer,crc)是是消化系统中普遍高发的一种恶性肿瘤，晚期预后较差。针对中低位直肠癌的治疗，环周切缘(circumferential resectionmargin，crm)是一种较为有效的手段，通过手术切除的标本表面，无腹膜覆盖的部分。研究显crm与直肠癌患者的远处转移率、3年无病生存期和总生存时间都明显相关，crm受侵相对未受侵的患者，生存时间变短、生存质量明显变差。当肿瘤及其恶性结构如壁外侵犯与直肠系膜筋膜的距离小于1mm时，则crm阳性；而当他们之间的距离大于1mm时，即为crm阴性。直肠癌壁外血管侵犯(extramural vascular invasion，emvi)是指肿瘤浸润直肠壁固有肌层外的静脉血管[9]。据报道emvi与直肠周围神经浸润、远处转移、总体及无病生存率降低等不良预后因素密切相关，是早期微转移形成的关键步骤，也是直肠癌局部复发、远处转移及预后不良的独立危险因素。目前，术后病理学检查是确认crm和emvi状态的金标准。利用壁外侵犯与直肠系膜筋膜的距离可以在术前较精确评估患者crm情况，同时也可以对emvi有更准确的评估。术前准确诊断crm和emvi的情况对于评估直肠癌患者的分期、治疗、预后和生存至关重要。目前，利用各种结直肠辅助检查技术进行结直肠肿瘤的术前精准评估是临床关注的研究热点。
2、在利用盆腔mri进行疾病诊断时，图像质量是重要的一环，高质量图像
3、本专利技术基于中低位直肠癌多模态盆腔mr数据库，旨在提高中低位直肠癌病灶壁外侵犯mri图像显示清晰度。目前在mr图像上勾画肿瘤感兴趣区域以手动勾画为主，传统的人工勾画，勾画过程较为耗时费力，不同医师之间受个人经验和习惯等因素影响导致勾画结果存在较大差异，而且大量重复性的工作降低了科室的诊疗效率。而半自动勾画对图像质量要求高，对瘤区像素分区对比度也有很高的要求。
4、本专利技术针对目前临床盆腔肿瘤自动勾画技术中mri图像清晰度不足的现状，发展基于低秩约束算法的mri图像优化算法。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，提供一种针对中低位直肠癌mri图像的清晰度优化方法，解决mri图像信噪比、分辨率和对比度等不足的问题，在不增加扫描时间和仪器负担的情况下，提高mri图像质量，为患者治疗效果及预后提供有效评估。
2、本专利技术解决其技术问题是通过以下技术方案实现的：
3、一种针对中低位直肠癌mri图像的清晰度优化方法，所述方法的步骤为：
4、s1、构建针对中低位直肠癌mri的图像数据集，包括源数据集和目标数据集；
5、s2、对低分辨率mri图像进行预处理，发展基于低秩约束算法的图像特征增强算法，进行mri图像优化与信息增强，突出疑似靶区的对比度与分辨率；
6、s3、通过cnn迁移学习提高mri图像分辨率，利用源数据集进行神经网络训练，训练完成后保留特征参数，继续用预处理后的目标数据集进行训练，训练得到的神经网络即为用于提高mri图像分辨率的神经网络。
7、而且，所述s1源数据集的获取方式为：使用不同的扫描精度，以相同的医用模型作为拍摄对象，获取一一对应的高分辨率和低分辨率mri图像数据对，数据对的典型数量为300组；所述目标数据集的获取方式为：总结医院患者中的典型病例，选取其中的低分辨率mri图像，典型数量为200组。
8、而且，所述s2的mri图像预处理具体为：
9、设mri图像矩阵f表示为：
10、f＝f+n (1)
11、其中，f表示需要进行恢复的mri图像，n表示稀疏噪声；
12、对f的求解转换为如下优化问题：
13、
14、公式(2)的优化是双目标优化，通过调节因子λ，将上述双目优化转化成单目标优化，保障复原算法的可重复性与稳定性：
15、
16、针对式(3)中rank(f)的非凸求解问题通过rank(f)的最优凸近似||·||*将上述优化问题转换成：
17、
18、其中，f的核范数||f||*等于其奇异值的和：
19、
20、通过增广拉格朗日法和最小二乘交替法等优化算法求解。
21、而且，所述s3的神经网络包含十个运算模块和四个跳跃连接，前四个运算模块的运算过程相同，都是先经过两轮卷积和激活函数运算，然后进行池化操作，第五至八个运算模块的运算过程相同，都是先经过两轮卷积和激活函数运算，然后进行上采样操作，第九个运算模块的运算过程是进行两轮卷积和激活函数运算。第十个运算模块的运算过程是进行一次卷积运算，其运算结果即为cnn模型的输出；所述跳跃连接将两个运算模块在两轮卷积和激活函数运算后的结果相加，连接方式是第一到四个运算模块和第九至六个运算模块分别依次对应连接；所述十个运算模块的所有卷积层的卷积核大小均为3×3，步长为1，并设置适当的填充来确保卷积层输入和输出的尺寸大小相同，前九个运算模块所有卷积层的卷积层数为64，同时使用扩张卷积，扩张率为2；第十个运算模块的卷积层数为1，对应输出图像，使用relu激活函数对卷积层的输出进行非线性变换，池化层选择最大值池化，上采样层使用插值倍增，参数均设为2。
22、本专利技术的优点和有益效果为：
23、1、本专利技术能够提高mri图像的清晰度，提升诊断的准确性和效率；
24、2、本专利技术通过自动化处理，减少了人工误差和时间成本，提升了临床工作效率；
25、3、本专利技术通过构建源数据集和目标数据集的方式，极大的降低了数据集的获取难度。
本文档来自技高网...【技术保护点】
1.一种针对中低位直肠癌MRI图像的清晰度优化方法，其特征在于：所述方法的步骤为：
2.根据权利要求1所述的针对中低位直肠癌MRI图像的清晰度优化方法，其特征在于：所述S1源数据集的获取方式为：使用不同的扫描精度，以相同的医用模型作为拍摄对象，获取一一对应的高分辨率和低分辨率MRI图像数据对，数据对的典型数量为300组；所述目标数据集的获取方式为：总结医院患者中的典型病例，选取其中的低分辨率MRI图像，典型数量为200组。
3.根据权利要求1所述的针对中低位直肠癌MRI图像的清晰度优化方法，其特征在于：所述S2的MRI图像预处理具体为：
4.根据权利要求1所述的针对中低位直肠癌MRI图像的清晰度优化方法，其特征在于：所述S3的神经网络包含十个运算模块和四个跳跃连接，前四个运算模块的运算过程相同，都是先经过两轮卷积和激活函数运算，然后进行池化操作，第五至八个运算模块的运算过程相同，都是先经过两轮卷积和激活函数运算，然后进行上采样操作，第九个运算模块的运算过程是进行两轮卷积和激活函数运算。第十个运算模块的运算过程是进行一次卷积运算，其运算结果即为C
...【技术特征摘要】
1.一种针对中低位直肠癌mri图像的清晰度优化方法，其特征在于：所述方法的步骤为：
2.根据权利要求1所述的针对中低位直肠癌mri图像的清晰度优化方法，其特征在于：所述s1源数据集的获取方式为：使用不同的扫描精度，以相同的医用模型作为拍摄对象，获取一一对应的高分辨率和低分辨率mri图像数据对，数据对的典型数量为300组；所述目标数据集的获取方式为：总结医院患者中的典型病例，选取其中的低分辨率mri图像，典型数量为200组。
3.根据权利要求1所述的针对中低位直肠癌mri图像的清晰度优化方法，其特征在于：所述s2的mri图像预处理具体为：
4.根据权利要求1所述的针对中低位直肠癌mri图像的清晰度优化方法，其特征在于：所述s3的神经网络包含十个运算模块和四个跳跃连接，前四个运算模块的运算过程相同，...
【专利技术属性】
技术研发人员：郭延丽，王文红，赵凤姝，李奇峰，马翔云，李志鹏，孙逸，王云卿，李怡书，
申请(专利权)人：天津大学，
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。