[发明专利]基于分形理论的肿瘤异质性分析方法、系统、终端及介质

说明书

本发明公开的基于分形理论的肿瘤异质性分析方法，包括：在患者的CT或MRI影像的肿瘤最大截面上标注出肿瘤范围；将患者的CT或MRI影像进行灰度处理，标注肿瘤部位；将术后切除的肿瘤最大截面的标准照图像进行灰度处理，对肿瘤内部进行标注；将灰度处理后的CT或MRI肿瘤影像和标准照图像采用盒维数法进行计算，计算出肿瘤术前充血状态的分形维数和术后无血状态的分形维数；将分形维数和患者临床资料输入肿瘤评估模型中进行评估，输出经过加权处理后的肿瘤分形维数；根据肿瘤分形维数评估肿瘤的特征，评估治疗的效果；根据肿瘤分形维数评估肿瘤的异质性。方法可准确提供病灶的肿瘤异质性信息，辅助医生准确分析肿瘤病灶的肿瘤内异质性。

技术领域

本发明涉图像处理技术领域，具体涉及一种基于分形理论的肿瘤异质性分析方法、系统、终端及介质。

背景技术

肿瘤的异质性成为肝癌治疗领域的热点，包括空间异质性、时间异质性、肿瘤间和肿瘤内部的异质性、免疫微环境的异质性等，如何客观全面的量化肿瘤的异质性是目前治疗肝癌的突破口，也是难点和焦点。目前国内外研究集中于模拟肝癌细胞的一些体内和体外模型上，诸如“来源肿瘤细胞系的模型”、人源肿瘤异种移植模型(PDTX)以及人源肿瘤类器官(PDTO)等，但都只能在有限的层面上反应肿瘤在生物学上的多态性，无法全面真实的衡量肿瘤的异质性和个体化差异。而肝癌的异质性与治疗密切相关，不同个体，同一个体肝内不同部位、不同发生时间的恶性肿瘤的治疗应该有不同标准。

作为能够量化肿瘤异质性的分形理论，是基于将肿瘤的发生发展作为一个复杂体来研究，而不是深入肿瘤的基因、转录、表观及蛋白表达修饰等细节，绕开了复杂生物信息网络中的节点和通路，从生物进化观来研究肿瘤的发生、发展以及面对人体免疫系统和各种治疗攻击所产生的变异、迭代优选直到最终免疫逃逸的过程。

在分形研究中，分形维数(Fractal Dimension,FD)是定量描述分形的基本参量，是一个介于整数间的分数或小数，又称分数维。肿瘤的分数维分形维数越大，则肿瘤的异质性越大。包膜完整的肿瘤，FD趋近1，而浸润型生长的肿瘤，与正常组织之间犬牙交错，FD接近2。医学上，最常用的FD计算法是盒维数法，过去的几十年，已运用于心脏病学、肺部肿瘤、胎儿脐血流多普勒信号等非线性医学医学领域，但目前只停留在影像诊断层次，尚未深入针对肿瘤异质性的研究深度，而制约分形研究拓展的瓶颈正是针对复杂数据的综合分析和计算能力。

发明内容

针对现有技术中的缺陷，本发明实施例提供一种基于分形理论的肿瘤异质性分析方法、系统、终端及介质，通过人工智能深度学习临床数据结合肿瘤图像分析计算出分形维数来评估肿瘤的异质性，可准确提供病灶的肿瘤异质性信息。

第一方面，本发明实施例提供的一种基于分形理论的肿瘤异质性分析方法，包括以下步骤：

在患者的CT或MRI肿瘤影像的肿瘤最大截面上标注出肿瘤范围；

将患者的CT或MRI肿瘤影像进行灰度处理，标注肿瘤部位；

将患者术后切除的肿瘤最大截面的标准照图像进行灰度处理，对肿瘤内部进行标注；

将进行灰度处理的CT或MRI肿瘤影像和标准照图像采用盒维数法进行计算，计算出肿瘤术前充血状态的分形维数和术后无血状态的分形维数；

将肿瘤术前充血状态的分形维数、术后无血状态的分形维数和患者临床资料输入肿瘤评估模型中进行评估，输出经过加权处理后的肿瘤分形维数；

根据肿瘤分形维数评估肿瘤的异质性。

第二方面，本发明实施例提供的一种基于分形理论的肿瘤异质性分析系统，包括：第一标注模块、第二标注模块、第三标注模块、分形维数分析模块和肿瘤评估模块；

所述第一标注模块在患者的CT或MRI肿瘤影像的肿瘤最大截面上标注出肿瘤范围；