一种基于MR图像的鼻咽癌识别及肿瘤分割方法及系统与流程

技术特征：
1.一种基于mr图像的鼻咽癌识别及肿瘤分割方法，其特征在于，包括：接收第一用户上传的第一图像；其中，所述第一图像包括mr平扫序列图像或mr增强序列图像；对所述第一图像进行预处理，得到所述第一图像对应的第二图像；将所述第二图像输入至肿瘤分割模型，以使所述肿瘤分割模型对所述第二图像进行区域划分，输出所述第二图像对应的肿瘤分割图；其中，所述肿瘤分割模型是根据多个第一鼻咽良恶性mr影像数据以及对应的多个带有肿瘤标记的第二鼻咽良恶性mr影像数据，对三维卷积神经网络模型训练而获得。2.如权利要求1所述的一种基于mr图像的鼻咽癌识别及肿瘤分割方法，其特征在于，在所述输出所述第二图像对应的肿瘤分割图之后，还包括：接收并响应专家对所述第二图像对应的肿瘤分割图的审核意见；若审核意见为区域划分错误，则将所述第二图像和所述第二图像对应的肿瘤分割图上传至所述肿瘤分割模型的数据库中；若审核意见为未进行区域划分，则将所述第二图像上传至所述肿瘤分割模型的数据库中；根据所述数据库中的数据，优化所述肿瘤分割模型。3.如权利要求1所述的一种基于mr图像的鼻咽癌识别及肿瘤分割方法，其特征在于，所述对所述第一图像进行预处理，得到所述第一图像的第二图像，具体为：对所述第一图像进行影像数据清洗、数据归一化、平扫与增强影像配准的预处理，得到所述第一图像对应的第二图像。4.如权利要求1所述的一种基于mr图像的鼻咽癌识别及肿瘤分割方法，其特征在于，所述将所述第二图像输入至肿瘤分割模型，以使所述肿瘤分割模型对所述第二图像进行区域划分，输出所述第二图像对应的肿瘤分割图，具体为：将所述第二图像输入至肿瘤分割模型；其中，所述肿瘤分割模型包含编码器与解码器；通过所述编码器对所述第二图像执行若干次卷积，识别并提取所述第二图像中与鼻咽癌相关的影像特征，并对所述影像特征进行抽象处理，输出所述第二图像的鼻咽癌概率；将所述编码器的每一次卷积的结果与对应的所述解码器的每一次卷积的结果共同作为所述解码器的下一次卷积的输入，逐步重构所述第二图像的肿瘤区域，并对所述解码器的最后一次卷积的结果进行上采样操作，得到并输出所述第二图像对应的肿瘤分割图。5.如权利要求1所述的一种基于mr图像的鼻咽癌识别及肿瘤分割方法，其特征在于，所述所述肿瘤分割模型是根据多个第一鼻咽良恶性mr影像数据以及对应的多个带有肿瘤标记的第二鼻咽良恶性mr影像数据，对三维卷积神经网络模型训练而获得，具体为：接收第二用户上传的多个第一鼻咽良恶性mr影像数据以及对应的多个带有肿瘤标记的第二鼻咽良恶性mr影像数据；对所述多个第一鼻咽良恶性mr影像数据以及所述对应的多个带有肿瘤标记的第二鼻咽良恶性mr影像数据进行预处理，得到所述多个第一鼻咽良恶性mr影像数据对应的多个第一训练数据，以及所述对应的多个带有肿瘤标记的第二鼻咽良恶性mr影像数据对应的多个第二训练数据；其中，所述预处理包括影像数据清洗，数据归一化，平扫与增强影像配准的操作；
构建适用于mr平扫序列与mr增强序列的三维卷积神经网络模型，将多个所述第一训练数据输入所述三维卷积神经网络模型，得到多个所述第一训练数据对应的肿瘤分割图；计算多个所述第一训练数据对应的肿瘤分割图与多个对应的第二训练数据之间的偏差值，根据所述偏差值更新所述三维卷积神经网络模型的参数，进而得到所述肿瘤分割模型。6.如权利要求1所述的一种基于mr图像的鼻咽癌识别及肿瘤分割方法，其特征在于，在所述得到所述肿瘤分割模型之后，还包括对所述肿瘤分割模型进行性能评估，具体为：根据模型评估指标，比较训练集与验证集的学习曲线，评估所述肿瘤分割模型的鲁棒性；根据模型评估指标，比较测试集与验证集的识别和分割性能，评估所述肿瘤分割模型的泛化能力；其中，评估指标包括auc、特异度、灵敏度、阳性预测值、阴性预测值、dice相似系数和表面平均距离。7.一种基于mr图像的鼻咽癌识别及肿瘤分割系统，其特征在于，包括：肿瘤分割模块和模型训练模块；其中，所述肿瘤分割模块，用于对接收第一用户上传的第一图像，对所述第一图像进行预处理，得到所述第一图像对应的第二图像，并将所述第二图像输入至肿瘤分割模型，以使所述肿瘤分割模型对所述第二图像进行区域划分，输出所述第二图像对应的肿瘤分割图；所述模型训练模块，用于根据多个第一鼻咽良恶性mr影像数据以及对应的多个带有肿瘤标记的第二鼻咽良恶性mr影像数据，对三维卷积神经网络模型进行训练，以获得肿瘤分割模型。8.如权利要求7所述的一种基于mr图像的鼻咽癌识别及肿瘤分割系统，其特征在于，还包括：模型优化模块；所述模型优化模块，用于接收并响应专家对所述第二图像对应的肿瘤分割图的审核意见；若审核意见为区域划分错误，则将所述第二图像和所述第二图像对应的肿瘤分割图上传至所述肿瘤分割模型的数据库中；若审核意见为未进行区域划分，则将所述第二图像上传至所述肿瘤分割模型的数据库中；然后根据所述数据库中的数据，优化所述肿瘤分割模型。9.如权利要求7所述的一种基于mr图像的鼻咽癌识别及肿瘤分割系统，其特征在于，所述肿瘤分割模块，还包括：第一数据上传单元、第一数据处理单元、识别提取单元和肿瘤分割单元；其中，所述第一数据上传单元，用于接收第一用户上传的第一图像；其中，所述第一图像包括mr平扫序列图像或mr增强序列图像；所述第一数据处理单元，用于对所述第一图像进行预处理，得到所述第一图像对应的第二图像；其中，所述预处理包括影像数据清洗，数据归一化，平扫与增强影像配准的操作；所述识别提取单元，用于将所述第二图像输入至肿瘤分割模型，通过编码器对所述第二图像执行若干次卷积，识别并提取所述第二图像中与鼻咽癌相关的影像特征，并对所述影像特征进行抽象处理，输出所述第二图像的鼻咽癌概率；所述肿瘤分割单元，用于将所述编码器的每一次卷积的结果与对应的解码器的每一次
卷积的结果共同作为所述解码器的下一次卷积的输入，逐步重构所述第二图像的肿瘤区域，并对所述解码器的最后一次卷积的结果进行上采样操作，得到并输出所述第二图像对应的肿瘤分割图。10.如权利要求7所述的一种基于mr图像的鼻咽癌识别及肿瘤分割系统，其特征在于，所述模型训练模块，还包括：第二数据上传单元、第二数据处理单元、初始模型构建单元和模型性能评估单元；其中，所述第二数据上传单元，用于接收第二用户上传的多个第一鼻咽良恶性mr影像数据以及对应的多个带有肿瘤标记的第二鼻咽良恶性mr影像数据；所述第二数据处理单元，用于对所述多个第一鼻咽良恶性mr影像数据以及所述对应的多个带有肿瘤标记的第二鼻咽良恶性mr影像数据进行预处理，得到所述多个第一鼻咽良恶性mr影像数据对应的多个第一训练数据，以及所述对应的多个带有肿瘤标记的第二鼻咽良恶性mr影像数据对应的多个第二训练数据；其中，所述预处理包括影像数据清洗，数据归一化，平扫与增强影像配准的操作；所述初始模型构建单元，用于构建适用于mr平扫序列与mr增强序列的三维卷积神经网络模型，将多个所述第一训练数据输入所述三维卷积神经网络模型，得到多个所述第一训练数据对应的肿瘤分割图，并计算多个所述第一训练数据对应的肿瘤分割图与多个对应的第二训练数据之间的偏差值，根据所述偏差值更新所述三维卷积神经网络模型的参数，进而得到所述肿瘤分割模型；所述模型性能评估单元，用于比较训练集和验证集的学习曲线，评估所述肿瘤分割模型的鲁棒性，并比较测试集与验证集的识别和分割性能，评估所述肿瘤分割模型的泛化能力；其中，评估指标包括auc、特异度、灵敏度、阳性预测值、阴性预测值、dice相似系数和表面平均距离。

技术总结
本发明公开了一种基于MR图像的鼻咽癌识别及肿瘤分割方法及系统，包括：接收第一用户上传的第一图像；其中，第一图像包括MR平扫序列图像或MR增强序列图像；对第一图像进行预处理，得到第一图像对应的第二图像；将第二图像输入至肿瘤分割模型，以使肿瘤分割模型对第二图像进行区域划分，输出第二图像对应的肿瘤分割图；其中，肿瘤分割模型是根据多个第一鼻咽良恶性MR影像数据以及对应的多个带有肿瘤标记的第二鼻咽良恶性MR影像数据，对三维卷积神经网络模型训练而获得。本发明采用适用于MR平扫序列和MR增强序列的肿瘤分割模型，实现对MR图像的鼻咽癌识别及肿瘤分割，并通过分割错漏的数据对模型进行优化，提升图像的分割效果。提升图像的分割效果。提升图像的分割效果。


技术研发人员：邓一术 李超峰 经秉中 李彬 陈浩华
受保护的技术使用者：中山大学肿瘤防治中心（中山大学附属肿瘤医院、中山大学肿瘤研究所）
技术研发日：2021.11.24
技术公布日：2022/3/8