【技术实现步骤摘要】
本专利技术实施例涉及辅助医疗，尤其涉及一种基于医学影像的肿瘤疗效评价方法及系统。
技术介绍
1、目前淋巴瘤是血液系统最常见的恶性肿瘤之一。在肿瘤如淋巴瘤的临床治疗过程中，定期进行疗效评价具有非常重要的意义。它不仅可以及时评估当前治疗方案的有效性，还有助于预测肿瘤未来发展趋势，为后续完善治疗方案提供依据。
2、随着医学影像学的发展和普及，基于pet/ct影像的疗效评价方法已经成为淋巴瘤的主要影像评价方法，其通过观察pet/ct影像，影像医师可以详细对比和分析治疗前后淋巴瘤病灶的位置、大小、形态及其与周围组织的关系，据此实现对患者治疗效果的评估。但是，基于影像医师的人工的淋巴瘤疗效评价工作量大、耗时长，且不同影像医师的评价一致性欠佳，降低了淋巴瘤疗效评价的准确性和效率。
3、相关技术中，为了提高淋巴瘤疗效评价的准确性和效率，将人工智能技术引入医学影像领域，通过深度学习等技术实现医学影像分析的智能化和自动化的疗效评价方法逐渐成为主流。然而，人工智能技术在淋巴瘤自动疗效评价领域仍进展缓慢，例如相关技术大多局限于pet/ct影像中的病灶分割、性质鉴别等单一环节，导致疗效评价的准确性有待进一步提高；此外，基于深度学习的方法往往缺乏良好的可解释性，无法为临床医生（不同于影像医师）和患者提供清晰、具体的评价信息，临床实用性较低，限制了其在临床诊疗中的应用。
技术实现思路
1、为了解决上述技术问题或者至少部分地解决上述技术问题，本专利技术实施例提供了一种基于医学影像的肿瘤疗效
2、第一方面，本专利技术实施例提供了一种基于医学影像的肿瘤疗效评价方法，包括：
3、获取血液系统肿瘤患者治疗过程中前后两次的第一pet-ct影像和第二pet-ct影像，基于所述第一pet-ct影像和第二pet-ct影像确定病灶区域的病灶变化信息；
4、将所述第一pet-ct影像和/或第二pet-ct影像沿着不同方向进行最大密度投影以生成多个视角的最大密度投影图像；基于所述多个视角的最大密度投影图像确定病灶区域的全局影像信息；
5、基于所述全局影像信息确定肿瘤患者的疗效对应的多维尔评分；融合所述病灶变化信息以及所述多维尔评分，以生成肿瘤疗效评价信息。
6、在一个实施例中，所述基于所述多个视角的最大密度投影图像确定病灶区域的全局影像信息，包括：
7、针对每个视角的最大密度投影图像，利用对应的特征提取模型提取影像特征信息；其中，每个视角的最大密度投影图像对应的特征提取模型不同且是预先基于样本最大密度投影图像对原始的机器学习模型训练得到的；
8、融合每个视角的最大密度投影图像对应的影像特征信息，得到融合后的全局影像信息。
9、在一个实施例中，所述不同方向包括冠状位方向、矢状位方向、右前侧位方向、左前侧位方向中的至少两个。
10、在一个实施例中，所述基于所述全局影像信息确定肿瘤患者的疗效对应的多维尔评分，包括：
11、将所述全局影像信息输入目标回归预测模型，以得到对应的多维尔评分；其中，所述目标回归预测模型是预先基于样本全局影像信息对原始的回归预测模型训练得到的。
12、在一个实施例中，所述基于所述第一pet-ct影像和第二pet-ct影像确定病灶区域的病灶变化信息，包括：
13、从所述第一pet-ct影像和第二pet-ct影像中分别分割确定第一病灶区域影像和第二病灶区域影像；
14、对所述第一病灶区域影像和第二病灶区域影像进行图像配准，基于配准后的第一病灶区域影像和第二病灶区域影像确定病灶区域的病灶变化信息，所述病灶变化信息包括病灶的位置分布、数量大小、形态边界、最大标准化摄取比值suvmax的变化信息。
15、在一个实施例中，所述融合所述病灶变化信息以及所述多维尔评分，以生成肿瘤疗效评价信息，包括：
16、将所述病灶变化信息和所述多维尔评分组合生成输入文本信息；对所述输入文本信息进行特征编码得到语义向量；
17、基于所述语义向量，从专家知识向量库中检索确定与所述语义向量的语义相似度大于预设阈值的领域知识文本；其中，所述专家知识向量库是预先构建的与血液系统肿瘤疗效评价相关的知识向量库，包含预先进行文本编码而建立索引的多个与血液系统肿瘤疗效评价相关的文档；
18、将所述领域知识文本与所述输入文本信息融合，得到目标文本信息；将所述目标文本信息输入大语言模型，以得到肿瘤疗效评价信息。
19、在一个实施例中，所述目标文本信息用于为所述大语言模型提供专业提示信息，以使所述大语言模型输出准确且易被临床理解的疗效评价信息。
20、第二方面，本专利技术实施例提供一种基于医学影像的肿瘤疗效评价系统，包括：
21、病灶变化确定模块，用于获取血液系统肿瘤患者治疗过程中前后两次的第一pet-ct影像和第二pet-ct影像，基于所述第一pet-ct影像和第二pet-ct影像确定病灶区域的病灶变化信息；
22、全局信息确定模块，用于将所述第一pet-ct影像和/或第二pet-ct影像沿着不同方向进行最大密度投影以生成多个视角的最大密度投影图像；基于所述多个视角的最大密度投影图像确定病灶区域的全局影像信息；
23、疗效评价生成模块，用于基于所述全局影像信息确定肿瘤患者的疗效对应的多维尔评分；融合所述病灶变化信息以及所述多维尔评分，以生成肿瘤疗效评价信息。
24、第三方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例基于医学影像的肿瘤疗效评价方法。
25、第四方面，本专利技术实施例提供一种电子设备，包括：
26、处理器；以及
27、存储器，用于存储计算机程序；
28、其中，所述处理器配置为经由执行所述计算机程序来执行上述任一实施例基于医学影像的肿瘤疗效评价方法。
29、本专利技术实施例提供的技术方案与现有技术相比具有如下优点：
30、本专利技术实施例提供的基于医学影像的肿瘤疗效评价方法及系统，获取血液系统肿瘤患者治疗过程中前后两次的第一pet-ct影像和第二pet-ct影像，基于所述第一pet-ct影像和第二pet-ct影像确定病灶区域的病灶变化信息；将所述第一pet-ct影像和/或第二pet-ct影像沿着不同方向进行最大密度投影（mip）以生成多个视角的最大密度投影图像；基于所述多个视角的最大密度投影图像确定病灶区域的全局影像信息；基于所述全局影像信息确定肿瘤患者的疗效对应的多维尔评分；融合所述病灶变化信息以及所述多维尔评分，以生成肿瘤疗效评价信息。这样，本实施例的方案基于多视角mip图挖掘pet-ct影像中与病灶相关的病灶全局信息实现多维尔评分的准确评估，同时融合从前后pet-ct影像获取的病灶变化信息即病灶局部信息，如此可更全面准确地分析pet-ct影像特征，从而提高血液系本文档来自技高网...
【技术保护点】
1.一种基于医学影像的肿瘤疗效评价方法，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，所述基于所述多个视角的最大密度投影图像确定病灶区域的全局影像信息，包括：
3.根据权利要求1所述的方法，其特征在于，所述不同方向包括冠状位方向、矢状位方向、右前侧位方向、左前侧位方向中的至少两个。
4.根据权利要求1所述的方法，其特征在于，所述基于所述全局影像信息确定肿瘤患者的疗效对应的多维尔评分，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述第一PET-CT影像和第二PET-CT影像确定病灶区域的病灶变化信息，包括：
6.根据权利要求1~5任一项所述的方法，其特征在于，所述融合所述病灶变化信息以及所述多维尔评分，以生成肿瘤疗效评价信息，包括：
7.根据权利要求6所述的方法，其特征在于，所述目标文本信息用于为所述大语言模型提供专业提示信息，以使所述大语言模型输出准确且易被临床理解的疗效评价信息。
8.一种基于医学影像的肿瘤疗效评价系统，其特征在于，包括：
9.一种计算机
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种基于医学影像的肿瘤疗效评价方法，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，所述基于所述多个视角的最大密度投影图像确定病灶区域的全局影像信息，包括：
3.根据权利要求1所述的方法，其特征在于，所述不同方向包括冠状位方向、矢状位方向、右前侧位方向、左前侧位方向中的至少两个。
4.根据权利要求1所述的方法，其特征在于，所述基于所述全局影像信息确定肿瘤患者的疗效对应的多维尔评分，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述第一pet-ct影像和第二pet-ct影像确定病灶区域的病灶变化信息，包括：
【专利技术属性】
技术研发人员：赵梅莘，张卫方，侯小艳，
申请(专利权)人：北京大学第三医院北京大学第三临床医学院，
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。