[发明专利]在mpMRI上自动分割和定位前列腺癌的系统及方法有效

专利信息
申请号: 201910920345.1 申请日: 2019-09-26
公开(公告)号: CN112545481B 公开(公告)日: 2022-07-15
发明(设计)人: 张晓东;王霄英;岳新;贺长征;张虽虽 申请(专利权)人: 北京赛迈特锐医疗科技有限公司
主分类号: A61B5/055 分类号: A61B5/055
代理公司: 暂无信息 代理人: 暂无信息
地址: 100011 北京市西*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: mpmri 自动 分割 定位 前列腺癌 系统 方法
【权利要求书】:

1.一种在mpMRI上自动分割和定位前列腺癌的系统,其特征在于,包括:AI调度模块、前列腺分割模块、前列腺癌智能检出模块和结构化报告模块,其中,

所述AI调度模块,分别与所述前列腺分割模块、所述前列腺癌智能检出模块和所述结构化报告模块相连,用于当患者扫描完检查项目为前列腺多参数磁共振成像(multiparametric MRI,mpMRI)的检查时,提取DICOM图像的头文件信息,基于所述头文件信息,查找ADC序列图像,并将所述ADC序列图像发送给所述前列腺分割模块和所述前列腺癌智能检出模块;

所述前列腺分割模块,与所述AI调度模块相连,用于接收所述ADC序列图像,识别前列腺腺体,将所述前列腺腺体分割出来,基于前列腺系统穿刺的分区标准,将所述前列腺腺体分割成复数块不同的分区,将每个所述分区设置唯一分区编号,并将分区后的图像数据以及所述分区编号发送给所述AI调度模块;此时,AI调度模块还用于将所述分区后的图像数据以及所述分区编号发送给所述前列腺癌智能检出模块;

所述前列腺癌智能检出模块,与所述AI调度模块相连,用于接收所述ADC序列图像,识别所述ADC序列图像中前列腺的所有癌灶,测量每个所述癌灶的三维径线和癌灶体积;基于所述分区后的图像数据,计算所述癌灶与每个所述分区重合部分的体积占该癌灶体积的百分比数值,当所述百分比数值最大时,即判断该分区为该癌灶的位置,并将每个所述癌灶所对应的分区编号、每个所述癌灶的三维径线和每个所述癌灶体积发送给所述AI调度模块,此时,所述AI调度模块还用于将每个所述癌灶所对应的分区编号、每个所述癌灶的三维径线和每个所述癌灶体积发送给所述结构化报告模块;其中,

所述前列腺癌智能检出模块还包括判断单元,与所述AI调度模块相连,用于计算所有分区的所述百分比数值之和,当所述百分比数值之和等于1时,则判断该癌灶在前列腺内部,当所述百分比数值之和小于1且大于0时,则判断该癌灶存在前列腺外侵犯,当所述百分比数值之和等于0时,则判断该癌灶不在前列腺;并将判断数据发送给所述AI调度模块;

所述结构化报告模块,与所述AI调度模块相连,用于基于所述分区编号,输出所述癌灶所在的分区,并激活该分区对应的控件;基于所述癌灶的三维径线和所述癌灶体积,输出PI-RADS评分。

2.根据权利要求1所述的在mpMRI上自动分割和定位前列腺癌的系统,其特征在于,所述前列腺癌智能检出模块还包括标志病灶识别单元,分别与所述判断单元和所述AI调度模块相连,用于当接收到所述前列腺外侵犯数据时,基于所述前列腺外侵犯数据,识别与之对应的癌灶数据,判断该癌灶为标志癌灶;当未接收到所述前列腺外侵犯数据时,基于每个所述癌灶的三维径线和每个所述癌灶体积,识别所述癌灶体积最大的癌灶,则该癌灶判断为所述标志病灶,并将所述标志病灶对应的关键图像、所述三维径线和所述癌灶体积发送给所述AI调度模块;此时,所述结构化报告模块还用于当接收到所述关键图像时,激活标志病灶相关控件,并将所述关键图像显示在结构化报告界面相应位置。

3.根据权利要求1所述的在mpMRI上自动分割和定位前列腺癌的系统,其特征在于,所述前列腺腺体分割成复数块不同的分区,包括:6分区、12分区、39分区和41分区。

4.根据权利要求1所述的在mpMRI上自动分割和定位前列腺癌的系统,其特征在于,所述结构化报告模块还包括导航图生成单元,与所述AI调度模块相连,用于当接收到每个所述癌灶所对应的分区编号、每个所述癌灶的三维径线和每个所述癌灶体积时,将所有癌灶体积从大到小排列,提取排在前三的所述癌灶数据,自动在导航图上标注癌灶的位置,并将标注后的导航图显示在结构化报告界面的相应位置。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京赛迈特锐医疗科技有限公司,未经北京赛迈特锐医疗科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910920345.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top