[发明专利]基于深度学习的核素骨显像中骨转移瘤的诊断方法

说明书

本发明提供一种基于深度学习的核素骨显像中骨转移瘤的诊断方法。所述方法涉及骨扫描诊断分类模型、骨转移瘤区域分割模型、骨转移瘤负荷评估及自动报告生成模型。采用本发明的方法能够判别骨转移瘤并进行自动区域分割，识别准确率较高，初步实现了从原始图像输入到报告生成的全自动分析。

技术领域

本发明涉及医疗影像处理技术领域，尤其涉及基于深度学习的核素骨显像中 骨转移瘤的诊断方法。

背景技术

骨转移瘤的发生率是骨原发恶性肿瘤的35～40倍。癌症骨转移是癌性疼痛的 主要原因之一，它所造成的病理性骨折、脊髓压迫、高钙血症和骨髓衰竭等并发 症，加速了病情的发展，严重影响了癌症患者的生存质量。近十余年来，许多学 科在骨转移瘤的发生机理、防治方法等方面进行了不懈的努力，但迄今为止尚未 找到有效的根治方法。

目前，骨扫描是骨转移瘤分析和疗效评估最常用的检查手段，所采用的放射 性核素^99mTc-MDP通过化学吸附原理显像，局部的异常浓聚能够反映病灶的成 骨活性和局部血流量。单次骨扫描即可显示全身骨质代谢情况，能敏感的检出病 灶，且价格低廉，因此，骨扫描广泛的用于恶性肿瘤患者的临床分期、系统性随 访和治疗反应的监测。临床上治疗有效的患者表现为转移灶核素摄取减低，无效 或进展则表现为核素摄取增高。

目前，全身骨扫描图像分析主要依靠核医学医师的人工阅片，并且根据医师 的个人经验，通过检查全身骨扫描图像寻找异常病变位置进行诊断，医师为此要 做大量重复性工作。由于图像采集复杂程度高、患者之间差异性大、图像质量差， 以及人工阅片存在较大主观因素等影响，使得全身骨扫描图像的分析诊断结果存 在偏差，容易出现误诊、漏诊的情况。此外，在产生最终图像之前，技术人员可 以对原始图像进行亮度和对比度的调整，然而不同的技术人员可能为图像的显示 系统设置不同的参数，这就会使医生在确定细微的骨骼病变时遇到困难。与此同 时，在产生最终图像之前，技术人员可以对原始图像进行亮度和对比度的调整， 然而不同的技术人员可能为图像的显示系统设置不同的参数，这就会使医生在确 定细微的骨骼病变时遇到困难。

发明内容

为了克服上述现有技术的不足，本发明提供一种基于深度学习的核素骨显像 中骨转移瘤的诊断方法，所述方法涉及骨扫描诊断分类模型、骨转移瘤区域分割 模型、骨转移瘤负荷评估及自动报告生成模型。

一种基于深度学习的核素骨显像中骨转移瘤的诊断方法，其特征在于，包括 如下步骤：

1)对原始核素骨显像图进行预处理；

2)建立骨扫描诊断分类模型和骨转移瘤区域分割模型、建立骨转移瘤负荷 评估方法、建立自动报告生成模型；

3)对步骤2)中的骨扫描诊断分类模型、骨转移瘤区域分割模型、自动报 告生成模型进行训练，最终得到训练后的骨扫描诊断分类模型、骨转移瘤区域分 割模型和自动报告生成模型；

4)将待测试原始核素骨显像图进行预处理，输入到训练后的骨扫描诊断分 类模型和骨转移瘤区域分割模型中，获得骨扫描诊断分类结果和骨转移瘤区域分 割结果，进行骨转移瘤负荷评估，根据自动报告生成模型结合骨扫描诊断分类结 果、骨转移瘤区域分割结果和骨转移瘤负荷评估结果生成诊断报告。

步骤1)所述对原始核素骨显像图进行预处理包括：(1)获得不同灰度值下 的前位与后位图像，具体如图2a所示；(2)原始图像尺寸使用双线性差值的方 式将图像尺寸统一到1024×1024。

步骤1)中所述对原始核素骨显像图进行预处理还包括，由专业医师协同诊 断骨转移瘤并使用Labelme在图像中勾勒出骨转移瘤区域及膀胱区域，具体如图 2b所示。