【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种儿童腹部常见实体瘤活性影像评估方法、装置和计算机可读存储介质。
技术介绍
1、儿童体部实体瘤约占所有儿童恶性肿瘤的40％，最好发于腹部，其中以神经母细胞瘤、肾母细胞瘤及肝母细胞瘤最为常见，严重危害我国儿童健康。手术切除结合新辅助化疗及术后放化疗，已成为当前儿童腹部常见实体瘤的标准治疗方案，而精准的影像学评估是判断新辅助化疗疗效、确定手术时机、监测术后复发的重要方法。
2、长期多学科综合诊疗(mdt)及临床药物实验的经验显示，经新辅助化疗后，肿瘤消减常呈非对称性，部分在化疗早期仅显示肿瘤内强化范围减小或强化程度减低。此外，儿童腹部常见实体瘤通常体积巨大、形态不规则、容易推压、包绕、侵犯周围脏器及大血管，为准确的影像学评估带来挑战。
3、目前临床实际工作中，仍普遍采用双径法或三径法评估肿瘤大小，准确性差。采用逐层勾画、测量肿瘤体积的三维量化技术可以获得肿瘤实际大小，避免非对称性消减所造成的误差。但手动勾画瘤体费时费力，瘤体巨大者，手动测量时间可达1小时以上。况且，部分肿瘤边界不规则，与周围结构对比度低，纯人工勾画依赖于测量者临床经验的判断，测量者间结果变异度大、可重复性差，难以推广应用。此外，对于肿瘤功能、活性的评估，也是肿瘤影像评估中的重要方面。目前，临床最普遍采用的是ct/mri增强检查或mri扩散加权成像。ct/mri增强检查，通过观察肿瘤当前血供状态，间接反映肿瘤活性程度，可以在肿瘤体积改变之前更早反映肿瘤疗效。然而，对于解剖跨度较大的儿童实体瘤，强化范围及程度的评估
技术实现思路
1、本专利技术旨在提供一种克服上述问题或者至少部分地解决上述问题的儿童腹部常见实体瘤活性影像评估方法、装置和计算机可读存储介质。
2、为达到上述目的，本专利技术的技术方案具体是这样实现的：
3、本专利技术的一个方面提供了一种儿童腹部常见实体瘤活性影像评估方法，包括：
4、确定肿瘤分割模型，其中，所述肿瘤分割模型为unetr模型；
5、按照预设标准间距对输入图像进行重采样；
6、按照预设块尺寸对重采样后的数据进行块采样；
7、利用测试时间增强技术，对训练样本进行随机旋转和扩充；
8、使用训练集对所述肿瘤分割模型以经过医师标注肿瘤区域的分割标注结果为目标进行训练，得到训练后的肿瘤分割模型；
9、使用验证集对所述训练后的肿瘤分割模型进行验证和参数调优；
10、使用测试集评估所述训练后的肿瘤分割模型；
11、利用所述训练后的肿瘤分割模型对待分割图像进行分割，得到肿瘤分割结果，并对所述肿瘤分割结果进行可视化；
12、获取儿童ct图像，对所述儿童ct图像进行伪影去除；
13、对去除伪影后的儿童ct平扫图像和动脉期图像、静脉期图像进行配准；
14、将所述肿瘤分割结果中的肿瘤区域直接映射到经过配准变换后的平扫与动脉期图像上，分别计算动脉期、静脉期与平扫期的减影图像，得到肿瘤的动脉和静脉绝对强化值图像，将所述绝对强化值图像除以平扫期图像得到归一化强化图像；
15、利用所述绝对强化值图像和所述归一化强化图像进行强化程度评估。
16、可选地，所述使用训练集对所述肿瘤分割模型以经过医师标注肿瘤区域的分割标注结果为目标进行训练，得到训练后的模型包括：
17、采用反向传播算法和随机梯度下降方法，根据前向传播的预测分割结果与标注结果之间的损失函数大小，进行反向传播迭代更新每一层的权重，直到模型的预测分割结果与标注结果之间的损失函数趋向于收敛时，停止训练模型，得到所述训练后的模型。
18、可选地，所述使用验证集对所述训练后的肿瘤分割模型进行验证和参数调优包括：
19、通过监控dice和iou系数，选择最佳的模型参数和超参数配置。
20、可选地，所述预设标准间距为1.0×1.0×1.0毫米；所述预设块尺寸为128×128×128体素。
21、可选地，所述获取儿童ct图像，对所述儿童ct图像进行伪影去除包括：
22、使用小波变换将所述儿童ct图像分解为不同的频率子带；
23、在分解后的子带中检测表现为高频噪声或异常的纹理，并对检测到的伪影进行阈值处理；
24、将经过阈值处理后的子带通过逆小波变换重构回图像空间，得到去除伪影后的ct图像。
25、可选地，所述对去除伪影后的儿童ct平扫图像和动脉期图像、静脉期图像进行配准包括：
26、利用所述肿瘤分割结果和腹部高密度骨进行辅助特征点配准，其中，配准评价标准采用通过互信息mi。
27、可选地，所述利用所述肿瘤分割结果和腹部高密度骨进行辅助特征点配准包括：
28、通过z分数对去除伪影后的儿童ct平扫图像进行配准前的标准化；
29、通过otsu自适应阈值分割方法进行高密度骨的分割，并通过闭运算进行空洞填充，分别对得到的肿瘤和高密度骨区域进行边缘点和角点提取，其中，所述边缘点通过canny边缘检测算法进行边缘检测，并在边缘生等间距选点得到，所述角点通过harris角点检测算法得到；
30、使用最近邻匹配算法找到所述去除伪影后的儿童ct平扫图像、所述动脉期图像和所述静脉期图像中对应的特征点对；
31、使用仿射变换进行配准，通过最小化匹配点对的均方误差来估计变换参数；
32、使用互信息和特征点匹配误差定义相似性度量；
33、通过梯度下降法最大化相似性度量；
34、进行迭代，直到所述相似性度量不再显著增加且特征点匹配误差小于预设值时停止迭代，配准完成。
35、可选地，所述利用所述绝对强化值图像和所述归一化强化图像进行强化程度评估包括：
36、根据所述归一化强化图像计算患者肿瘤区域的强化分布信息；
37、计算肿瘤内强化大于设定阈值的部分占总瘤体体积的占比。
38、本专利技术的另一个方面提供了一种儿童腹部常见实体瘤活性影像评估装置，包括：处理器、存储器；
39、所述存储器，用于存储计算机程序；
40、所述处理器，用于通过调用所述计算机程序，执行上述的儿童腹部常见实体瘤活性影像评估方法。
41、本专利技术的又一个方面提供了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上述的儿童腹部常见实体瘤活性影像评估方法。
42、由此可见，通过本专利技术提供的儿童腹部常见实体瘤活性影像评估方法、装置和计算机可读存储介质，利用3d卷积神经网络模型，捕捉病灶在平扫本文档来自技高网...
【技术保护点】
1.一种儿童腹部常见实体瘤活性影像评估方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述使用训练集对所述肿瘤分割模型以经过医师标注肿瘤区域的分割标注结果为目标进行训练，得到训练后的模型包括：
3.根据权利要求1所述的方法，其特征在于，所述使用验证集对所述训练后的肿瘤分割模型进行验证和参数调优包括：
4.根据权利要求1所述的方法，其特征在于，所述预设标准间距为1.0×1.0×1.0毫米；所述预设块尺寸为128×128×128体素。
5.根据权利要求1所述的方法，其特征在于，所述获取儿童CT图像，对所述儿童CT图像进行伪影去除包括：
6.根据权利要求1所述的方法，其特征在于，所述对去除伪影后的儿童CT平扫图像和动脉期图像、静脉期图像进行配准包括：
7.根据权利要求6所述的方法，其特征在于，所述利用所述肿瘤分割结果和腹部高密度骨进行辅助特征点配准包括：
8.根据权利要求1所述的方法，其特征在于，所述利用所述绝对强化值图像和所述归一化强化图像进行强化程度评估包括：
9.一
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权利要求1至8任一项所述的儿童腹部常见实体瘤活性影像评估方法。
...【技术特征摘要】
1.一种儿童腹部常见实体瘤活性影像评估方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述使用训练集对所述肿瘤分割模型以经过医师标注肿瘤区域的分割标注结果为目标进行训练，得到训练后的模型包括：
3.根据权利要求1所述的方法，其特征在于，所述使用验证集对所述训练后的肿瘤分割模型进行验证和参数调优包括：
4.根据权利要求1所述的方法，其特征在于，所述预设标准间距为1.0×1.0×1.0毫米；所述预设块尺寸为128×128×128体素。
5.根据权利要求1所述的方法，其特征在于，所述获取儿童ct图像，对所述儿童ct图像进行伪影去除包括：
【专利技术属性】
技术研发人员：汪登斌，郑慧，李金凝，汪心韵，桂婷，曹子睿，
申请(专利权)人：上海交通大学医学院附属新华医院，
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。