一种基于乳腺DCE-MRI的药代动力学分析方法

技术特征：
1.一种基于乳腺dce-mri的药代动力学分析方法，其特征在于，包括以下步骤：步骤1：收集乳腺癌患者的数据，包括影像数据与病理信息，并从中筛选出数据完整的乳腺癌患者；步骤2：针对影像数据，采用模糊c均值聚类与马尔科夫随机场两种算法来进行肿瘤分割以获取肿瘤区域；步骤3：合成不同snr下的浓度时间序列，使用去卷积方法估计合成浓度时间序列的pk参数，并通过rmse指标来验证去卷积方法的有效性；步骤4：采用去卷积方法来估计乳腺dce-mri的pk参数，以得到对应的pk参数图，进一步分析异质性区域的pk参数；步骤5：从整个肿瘤区域与肿瘤子区域的pk参数图提取影像特征，构建诊断模型来预测分子分型、ki-67与病理分级。2.根据权利要求1所述的一种基于乳腺dce-mri的药代动力学分析方法，其特征在于，步骤3中，snr选择20、25、30和35，并为每个数值合成50个带有高斯噪声的浓度时间序列；这些序列中k
trans
和k
ep
的值分别从生理范围区间0.05-0.55和0.75-2.75中随机选取且k
trans
＜k
ep
；通过公式(1)-(3)计算得到带有高斯噪声的浓度时间序列；计算t时刻的血浆浓度c
p
(t)：c
p
(t)＝d
·
(a1·
exp(-m1·
t) a2·
exp(-m2·
t))，t＝0，1，
…
，5
ꢀꢀꢀꢀꢀꢀ
(1)其中d＝0.2mmol/kg代表示踪剂的剂量，a1＝3.99kg/l与a2＝4.78kg/l代表两个振幅常数，m1＝0.1440min-1
与m2＝0.0111min-1
代表两个速率常数；计算t时刻的组织的示踪剂浓度c
tissue
(t)：其中k
trans
代表容积转运常数，k
ep
代表速率常数；计算t时刻真实的示踪剂浓度中添加零均值高斯噪声；c
tissue_s
(t)＝c
tissue
(t) ε(t)，t＝0，1，
…
，5
ꢀꢀꢀꢀ
(3)ε的协方差矩阵为∑(0.9
|i-j|
)σ2，σ2与snr满足式(4)得到50个带有高斯噪声的浓度时间序列的像素。3.根据权利要求2所述的一种基于乳腺dce-mri的药代动力学分析方法，其特征在于，步骤3中使用去卷积方法从合成浓度时间序列中估计出对应的pk参数；对式(2)进行去卷积操作，将等式(2)重新表示为下面的向量矩阵形式：c
tissue
＝k
trans
·
h(k
ep
)c
p
这里，h(k
ep
)是一个toeplitz矩阵，l是时间序列的长度；求解式(6)最优化问题可以得到浓度时间序列的pk参数：
设定小于4的k
ep
为合理的生理值；采用rmse指标来验证去卷积方法估计出的pk参数相对于真实pk参数的准确性：k是去卷积方法估计的pk参数，k
*
是真实pk参数，n为合成的像素的总数目。4.根据权利要求3所述的一种基于乳腺dce-mri的药代动力学分析方法，其特征在于，步骤4中，在进行乳腺dce-mri的pk参数估计之前，将信号强度时间序列转换为浓度时间序列，基于乳腺肿瘤中每个像素的信号强度，采用式(8)来计算t时刻的组织的示踪剂浓度c
tissue
(t)：其中，s0是增强前的信号强度；基于式(5)与式(8)，通过求解式(6)，估计出对应的pk参数。

技术总结
本发明提出一种去卷积方法来准确地从乳腺DCE-MRI中估计出对应的药代动力学参数，分析了异质性区域的药代动力学参数，并探讨了它们在病理信息预测上的临床价值。其步骤包括：收集乳腺癌患者的数据；对图像进行肿瘤分割以获得肿瘤区域；合成带有噪声的浓度时间序列，采用去卷积方法来估计合成浓度时间序列的药代动力学参数，并采用均方根误差来验证去卷积方法的有效性；将去卷积方法用来估计乳腺DCE-MRI的药代动力学参数，进一步分析了异质性区域的药代动力学参数；提取药代动力学参数图的影像特征，构建分类模型来预测乳腺癌的病理信息，例如分子分型、Ki-67与病理分级。67与病理分级。67与病理分级。


技术研发人员：范明 张亮亮 厉力华
受保护的技术使用者：杭州电子科技大学
技术研发日：2022.08.19
技术公布日：2022/11/29