[发明专利]一种肿瘤消融疗效预测方法、装置、设备及计算机介质

权利要求书

1.一种肿瘤消融疗效预测装置，其特征在于，包括：

第一获取模块，用于获取包含肿瘤的超声图像；

第一处理模块，用于对所述超声图像进行处理，得到肿瘤病灶实质图像；

第二处理模块，用于对所述肿瘤病灶实质图像进行影像组学特征提取和筛选，得到目标影像组学特征；

第二获取模块，用于获取除所述超声图像外、与所述肿瘤相关的参量特征；

预测模块，用于基于所述目标影像组学特征、所述参量特征进行肿瘤消融疗效预测，得到肿瘤消融疗效预测结果。

2.根据权利要求1所述的方法，其特征在于，还包括：

扩展模块，用于在所述超声图像中，对所述肿瘤病灶实质图像进行区域扩展，得到肿瘤病灶扩展图像；

所述预测模块包括：

第一预测子模块，用于基于所述肿瘤病灶扩展图像、所述目标影像组学特征、所述参量特征进行肿瘤消融疗效预测，得到所述肿瘤消融疗效预测结果。

3.根据权利要求2所述的装置，其特征在于，所述扩展模块包括：

扩展单元，用于在所述超声图像中，将所述肿瘤病灶实质图像及所述肿瘤病灶实质图像周边预设范围内的图像确定为所述肿瘤病灶扩展图像。

4.根据权利要求1所述的装置，其特征在于，所述参量特征的类型包括临床参量特征、生物学参量特征、临床经验参量特征。

5.根据权利要求1所述的装置，其特征在于，所述第二处理模块包括：

第一提取子模块，用于根据预设的特征类型从所述肿瘤病灶实质图像中提取出初步的影像组学特征；

第一筛选子模块，用于对所述初步的影像组学特征进行筛选，得到所述目标影像组学特征。

6.根据权利要求5所述的装置，其特征在于，所述第一筛选子模块包括：

第一获取单元，用于获取表征影像组学特征有无特异性的一维矩阵；

处理单元，用于将所述初步的影像组学特征与所述一维矩阵进行运算，得到所述目标影像组学特征。

7.根据权利要求6所述的装置，其特征在于，还包括：

第二获取单元，用于获取超声图像样本的影像组学特征的的正样本和负样本；

判断单元，用于判断所述正样本和所述负样本是否符合正态分布要求，若否，则采用曼-惠特尼U检验方法判断所述超声图像样本的影像组学特征是否有特异性；若所述正样本和所述负样本符合所述正态分布要求，则判断所述正样本和所述负样本是否符合方差齐次要求，若所述正样本和所述负样本符合所述方差齐次要求，则采用双样本T校验方法判断所述超声图像样本的影像组学特征是否有特异性；若所述正样本和所述负样本不符合所述方差齐次要求，则采用Welch’s T校验方法判断所述超声图像样本的影像组学特征是否有特异性；

生成单元，用于生成与所述超声图像样本的所有影像组学特征对应的一维矩阵，并且所述超声图像样本的影像组学特征有特异性时，将所述超声图像样本的影像组学特征在所述一维矩阵中的值设为1；所述超声图像样本的影像组学特征无特异性时，将所述超声图像样本的影像组学特征在所述一维矩阵中的值设为0。

8.根据权利要求5所述的装置，其特征在于，所述初步的影像组学特征的类型包括：形状特征、强度特征、纹理特征、小波特征；

所述形状特征的类型包括：紧密度、直径、面积；所述强度特征的类型包括：最值、方差、能量；所述纹理特征的类型包括：局部灰度差分矩阵、灰度区域矩阵、灰度游程矩阵、灰度共生矩阵。

9.根据权利要求2或3所述的装置，其特征在于，所述第一预测子模块包括：

第二提取子模块，用于基于主干神经网络模型对所述肿瘤病灶扩展图像进行特征提取，得到神经网络特征；

第二预测子模块，用于基于所述神经网络特征、所述目标影像组学特征、所述参量特征进行肿瘤消融疗效预测，得到所述肿瘤消融疗效预测结果。