[发明专利]基于多参数磁共振影像的前列腺癌计算机辅助识别系统

权利要求书

1.一种基于磁共振图像的计算机辅助识别系统，具体是一种利用多参数磁共振影像中感兴趣区域的特征参数来辅助识别前列腺癌病灶的软件系统，其特征是包括以下部分：

1)图像预处理：将来自同一病人的多参数磁共振影像数据导入到系统内，手动提取感兴趣区域(可固定大小也可任意大小)，计算扩散加权图像的表观扩散系数和动态增强图像的动态增强曲线；

2)参数处理：分别对三个序列扫描得到的图像提取特征参数。对所提取的特征使用顺序选择方法进行优化，得到贡献较大的特征参数作为人工神经网络的输入参数；

3)预测与评价：通过人工神经网络模型达到识别前列腺癌病灶的目的。使用交叉检验的方法轮流训练和测试数据，利用ROC曲线下面积作为性能评价的指标，同时也计算该系统识别的准确率、敏感性、特异性、阳性预测率和阴性预测率等。

2.如权利要求1所述的方法，其中还包括在对图像处理之前，使用临床常规的六分区穿刺方法获得各分区内的病理信息，为本系统的性能评价作为金标准。

3.如权利要求1所述的方法，其中多参数磁共振影像包括轴位T2加权图像、扩散加权图像和动态增强图像，以及对这些影像数据的任意组合。

4.如权利要求1所述的方法，其中对参数提取的特征包括一般灰度特征、灰度直方图特征、纹理特征和功能参数，以及对这些特征的任意组合。

5.如权利要求1所述的方法，其中利用人工神经网络模型识别前列腺癌病灶的步骤包括将参数处理完之后的信息进行归一化后输入到该网络模型中，利用机器学习的方法不断训练和测试识别结果，最后比较得出最佳的识别前列腺癌的网络参数等。

6.如权利要求1所述的方法，其中评价方法中使用的交叉检验可以是多折交叉检验方法或者是leave-one-out(从数据组中去掉一个，以所有其它的数据建立模型来预测去掉的这个)检验方法。

7.如权利要求5所述的方法，该人工神经网络模型的输出结果为0到1之间的预测概率，0代表不可能是前列腺癌，1代表确定是前列腺癌。

8.如权利要求5所述的方法，其中包括连续或定期地利用新增病例数据对所述识别系统进行在训练，补充该系统的样本量，完善神经网络的结构参数等。