[发明专利]MRI病变位置检测方法、装置、计算机设备和存储介质

说明书

本申请中提供了一种MRI病变位置检测方法、装置、计算机设备和存储介质，其中方法包括：将训练样本输入至卷积神经网络中进行参数训练，通过训练计算出所述卷积神经网络的训练参数，将训练出所述训练参数的卷积神经网络作为检测MRI数据中病变位置的检测模型；将待检测样本输入至检测模型中进行预测，预测出所述待检测样本中的病变位置；通过对待检测MRI数据进行自动检测该病人MRI数据中的病变位置，全自动检测替代了专家主观诊断，充分利用已有数据，节约了大量的人力物力成本，并提高了从MRI数据中预测病变位置的准确率，具有很高的实际应用价值。

技术领域

本申请涉及计算机技术领域，特别涉及一种MRI病变位置检测方法、装置、计算机设备和存储介质。

背景技术

前列腺癌是世界范围内男士群体患病率第二高的癌症，其风险因子包括高龄、家族病史和种族等。约99％的前列腺癌病例中的患者年龄超过50岁，而父母等亲属患病时，其子发病风险较常人超出两至三倍。

尽管前列腺癌通常不是导致死亡的直接原因，但是检测癌症损伤部位非常重要。现有传统检测手段包括Prostate Specific Antigen(PSA，前列腺特异抗原)检测和Digital RectalExamination(DRE，直肠指检)检测。这些方法的检测准确率较低，而且会有过度检测(在医院接受与自身病情无关的检查)的风险。

另外，传统方法还有Prostate Imaging Reporting And Data System(PIRADS，前列腺影像报告和数据系统)，指的是用一个结构性的报告体系对前列腺进行全方位的诊断，其准确性很大程度上取决于放射专家和医疗专家的专业水平，因此有很大的局限性；同时，耗费大量的人力物力。

发明内容

本申请的主要目的为提供一种MRI病变位置检测方法、装置、计算机设备和存储介质，克服现有技术中检测准确率低，检测成本高的缺陷。

为实现上述目的，本申请提供了一种MRI病变位置检测方法，包括以下步骤：

将训练样本输入至卷积神经网络中进行参数训练，通过训练计算出所述卷积神经网络的训练参数，将训练出所述训练参数的卷积神经网络作为检测MRI数据中病变位置的检测模型；所述训练样本为已知病变位置的MRI数据；

接收待检测样本，将所述待检测样本输入至所述检测模型中进行预测，预测出所述待检测样本中的病变位置；所述待检测样本为未知病变位置的MRI数据。

进一步地，所述将训练样本输入至卷积神经网络中进行参数训练，通过训练计算出所述卷积神经网络的训练参数的步骤之前，包括：

对原始MRI数据进行预处理，得到所述训练样本；所述原始MRI数据为患者的患病部位MRI数据。

进一步地，所述对原始MRI数据进行预处理，得到所述训练样本的步骤，包括：

将所述原始MRI数据中包含的四种序列数据进行矫正对齐，消除四种所述序列数据之间的异质性；四种所述序列数据分别为扩散加权成像数据、表观扩散系数数据、动态增强定量参数数据以及加权图像数据；

在所述扩散加权成像数据、表观扩散系数数据、动态增强定量参数数据以及加权图像数据中随机选出三种不同的数据组合成RGB三通道图像，得到所述训练样本；所述RGB三通道图像为3D图像。

进一步地，所述对原始MRI数据进行预处理，得到所述训练样本的步骤之后，包括：

对所述训练样本进行数据增广处理，以增加所述训练样本的数据量。

进一步地，所述对所述训练样本进行数据增广处理，以增加所述训练样本的数据量的步骤，包括：

针对所述RGB三通道图像，从多个不同方向进行切片；