一种癌症手术切缘状态风险预测方法及系统

本发明涉及医学图像处理、人工智能辅助外科规划和计算机辅助诊疗，尤其涉及一种癌症手术切缘状态风险预测方法及系统。

背景技术：

1、手术切缘状态是评估癌症根治性切除效果的重要指标，关系到患者术后生存与复发风险。临床上，r0切除表示显微镜下无肿瘤残留，r1切除表示显微镜下存在肿瘤残留。对于肝门部胆管癌等胆道恶性肿瘤，由于肿瘤沿胆管壁浸润、生长范围隐匿、胆道解剖结构复杂，术前准确判断计划切除平面的切缘状态非常困难，导致手术切缘状态风险预测精度不足，制约了个体化手术方案的制定。

2、现有术前评估主要依赖血清标志物、常规影像阅片、经验性三维可视化或传统影像组学模型。然而，上述方法通常以主肿瘤为中心，缺少对患者特异性切除路径、计划切缘位置、胆道树空间关系和背景肝脏状态的联合建模，难以对某一具体计划切除平面是否可能获得阴性切缘进行定量预测，无法满足临床对手术切缘状态风险精准评估的需求。

技术实现思路

1、本发明提供一种癌症手术切缘状态风险预测方法及系统，用以解决现有技术无法满足临床对手术切缘状态风险精准评估的需求的缺陷。本发明能够提高术前切缘状态风险评估的准确性、稳定性和临床可解释性。

2、本发明提供一种癌症手术切缘状态风险预测方法，包括：获取患者术前的医学图像数据，对所述医学图像数据中的目标解剖结构和肿瘤进行三维分割，构建三维解剖模型，并基于所述三维解剖模型确定患者特异性的计划切除区域；基于所述计划切除区域，从所述三维解剖模型中提取空间特征；所述空间特征用于表征肿瘤与所述计划切除平面之间的空间关系；从所述医学图像数据中提取多尺度图像特征；所述多尺度图像特征中至少包括目标解剖结构、肿瘤和计划切缘区域的特征；将所述空间特征和所述多尺度图像特征输入多模态融合预测模型，获得所述多模态融合预测模型输出的癌症手术切缘状态风险预测结果；所述多模态融合预测模型用于将所述空间特征和所述多尺度图像特征进行特征融合和分类预测。

3、根据本发明提供的一种癌症手术切缘状态风险预测方法，所述对所述医学图像数据中的目标解剖结构和肿瘤进行三维分割，构建三维解剖模型，包括：通过预设三维医学图像分割模型，对患者术前ct图像中的胆道树和主肿瘤进行三维分割，得到胆道树掩膜和主肿瘤掩膜；所述预设三维医学图像分割模型为3d nnu-net、三维卷积神经网络、三维transformer网络、mamba型三维视觉网络中的至少一种或多种的组合；基于所述胆道树掩膜和主肿瘤掩膜，构建三维胆道-肿瘤模型。

4、根据本发明提供的一种癌症手术切缘状态风险预测方法，所述基于所述三维解剖模型确定患者特异性的计划切除区域，包括：基于所述三维胆道-肿瘤模型和预设手术方案，将胆道树映射为拟切除胆道段和拟保留胆道段；将所述拟切除胆道段和所述拟保留胆道段之间的空间边界，得到患者特异性的计划切除平面。

5、根据本发明提供的一种癌症手术切缘状态风险预测方法，所述空间特征包括主肿瘤体积、主肿瘤最大径、计划胆道切缘位点数量、计划切缘位点到主肿瘤边界的最小距离、距离主肿瘤最近的切缘位点处胆管直径、切缘相关胆管最小直径、切缘相关胆管最大直径、拟切除胆道体积与拟保留胆道体积之比。

6、根据本发明提供的一种癌症手术切缘状态风险预测方法，所述从所述医学图像数据中提取多尺度图像特征，包括：通过预设三维图像编码器，从所述医学图像数据中提取局部多区域图像特征；所述预设三维图像编码器为mamba型三维视觉网络或三维卷积神经网络；通过自监督学习的三维视觉模型，从所述医学图像数据中提取全局图像特征；所述全局图像特征的采样区域大于所述局部多区域图像特征的采样区域；所述三维视觉模型采用dino模型。

7、根据本发明提供的一种癌症手术切缘状态风险预测方法，所述通过预设三维图像编码器，从所述医学图像数据中提取局部多区域图像特征，包括：基于患者术前ct图像，分别从主肿瘤、肿瘤-胆道界面和计划切缘区域采样三维ct局部块构成局部块集合；将所述局部块集合输入预设三维图像编码器，得到所述三维图像编码器输出的所述局部多区域图像特征。

8、根据本发明提供的一种癌症手术切缘状态风险预测方法，所述全局图像特征包括覆盖肝脏背景、肿瘤上下文和胆道周围组织全局图像块。

9、根据本发明提供的一种癌症手术切缘状态风险预测方法，所述多模态融合预测模型包括空间映射模块、融合模块和分类模块；所述将所述空间特征和所述多尺度图像特征输入多模态融合预测模型，获得所述多模态融合预测模型输出的癌症手术切缘状态风险预测结果，包括：通过所述空间映射模块，将所述空间特征、所述局部多区域图像特征和所述全局图像特征映射至统一特征空间；通过所述融合模块，对统一特征空间的特征进行融合，得到融合后的特征；融合的方式包括残差融合、门控融合、注意力融合或多层感知机融合；通过所述分类模块，根据所述融合后的特征，确定对应所述患者特异性的计划切除平面的切缘阳性风险概率、阴性切缘概率或r0/r1辅助分类结果。

10、根据本发明提供的一种癌症手术切缘状态风险预测方法，还包括：对于同一患者，从同一区域进行多次采样，得到多个局部块集合；基于多个局部块集合，确定多个切缘状态风险预测结果，并对多个切缘状态风险预测结果进行均值处理，得到患者级切缘状态风险结果。

11、根据本发明提供的一种癌症手术切缘状态风险预测方法，还包括：对于同一患者的多个候选手术方案，确定对应的多个计划切除区域；基于多个计划切除区域，确定对应各候选手术方案的切缘状态风险结果，以对多个候选手术方案的风险进行比较或排序。

12、本发明还提供一种癌症手术切缘状态风险预测系统，包括：区域确定模块，用于获取患者术前的医学图像数据，对所述医学图像数据中的目标解剖结构和肿瘤进行三维分割，构建三维解剖模型，并基于所述三维解剖模型确定患者特异性的计划切除区域；空间特征提取模块，用于基于所述计划切除区域，从所述三维解剖模型中提取空间特征；所述空间特征用于表征肿瘤与所述计划切除平面之间的空间关系；多尺度图像特征提取模块，用于从所述医学图像数据中提取多尺度图像特征；所述多尺度图像特征中至少包括目标解剖结构、肿瘤和计划切缘区域的特征；预测结果确定模块，用于将所述空间特征和所述多尺度图像特征输入多模态融合预测模型，获得所述多模态融合预测模型输出的癌症手术切缘状态风险预测结果；所述多模态融合预测模型用于将所述空间特征和所述多尺度图像特征进行特征融合和分类预测。

13、根据本发明提供的一种癌症手术切缘状态风险预测系统，所述区域确定模块包括：模型构建模块，用于通过预设三维医学图像分割模型，对患者术前ct图像中的胆道树和主肿瘤进行三维分割，得到胆道树掩膜和主肿瘤掩膜；所述预设三维医学图像分割模型为3d nnu-net、三维卷积神经网络、三维transformer网络、mamba型三维视觉网络中的至少一种或多种的组合；基于所述胆道树掩膜和主肿瘤掩膜，构建三维胆道-肿瘤模型。

14、根据本发明提供的一种癌症手术切缘状态风险预测系统，所述区域确定模块还包括：计划切除平面确定模块，用于基于所述三维胆道-肿瘤模型和预设手术方案，将胆道树映射为拟切除胆道段和拟保留胆道段；将所述拟切除胆道段和所述拟保留胆道段之间的空间边界，得到患者特异性的计划切除平面。

15、根据本发明提供的一种癌症手术切缘状态风险预测系统，所述空间特征包括主肿瘤体积、主肿瘤最大径、计划胆道切缘位点数量、计划切缘位点到主肿瘤边界的最小距离、距离主肿瘤最近的切缘位点处胆管直径、切缘相关胆管最小直径、切缘相关胆管最大直径、拟切除胆道体积与拟保留胆道体积之比。

16、根据本发明提供的一种癌症手术切缘状态风险预测系统，所述多尺度图像特征提取模块包括：局部特征提取模块，用于通过预设三维图像编码器，从所述医学图像数据中提取局部多区域图像特征；所述预设三维图像编码器为mamba型三维视觉网络或三维卷积神经网络；全局特征提取模块，用于通过自监督学习的三维视觉模型，从所述医学图像数据中提取全局图像特征；所述全局图像特征的采样区域大于所述局部多区域图像特征的采样区域；所述三维视觉模型采用dino模型。

17、根据本发明提供的一种癌症手术切缘状态风险预测系统，所述多模态融合预测模型包括空间映射模块、融合模块和分类模块；所述预测结果确定模块用于：通过所述空间映射模块，将所述空间特征、所述局部多区域图像特征和所述全局图像特征映射至统一特征空间；通过所述融合模块，对统一特征空间的特征进行融合，得到融合后的特征；融合的方式包括残差融合、门控融合、注意力融合或多层感知机融合；通过所述分类模块，根据所述融合后的特征，确定对应所述患者特异性的计划切除平面的切缘阳性风险概率、阴性切缘概率或r0/r1辅助分类结果。

18、本发明提供的一种癌症手术切缘状态风险预测方法及系统，能够提高术前切缘状态风险评估的准确性、稳定性和临床可解释性。