[发明专利]基于多期相肿瘤影像的直径自动测量方法及系统

权利要求书

1.一种基于多期相肿瘤影像的直径自动测量方法，所述方法包括：

构建肿瘤分割网络架构；

利用构建好的肿瘤分割网络架构训练肿瘤分割模型；

获取四期相的肿瘤影像；

将所述四期相的肿瘤影像输入所述肿瘤分割模型，分别获取四期相的肿瘤分割二值结果；所述四个期相分别为平扫期、动脉期、静脉期以及延迟期；

选取其中一个期相的肿瘤分割二值结果计算肿瘤直径。

2.根据权利要求1所述的方法，其特征在于：所述选取其中一个期相的肿瘤分割二值结果包括：选取延迟期的肿瘤分割二值结果。

3.根据权利要求1或2所述的方法，其特征在于：所述肿瘤分割网络采用改进的U-Net为基础网络架构；

所述网络架构包括四个期相独立的子网络，每个单独的子网络分别包含四个独立的下采样模块和四个独立的上采样模块，并在编码模块和解码模块中嵌入了多个BL子模块，四个子网络共享最后一次下采样后的输出特征；四个下采样模块分别提取各自期相的影像特征之后将各自的特征在最后一次下采样后进行融合。

4.根据权利要求3所述的方法，其特征在于：所述利用构建好的肿瘤分割网络架构训练肿瘤分割模型包括：

数据预处理步骤，获取肿瘤bbox，选取四个期相bbox中最大的X、Y、Z方向的物理尺寸作为四个期相共同的bbox的尺寸；以各自期相原始的bbox的中心，共同的物理尺寸去裁剪出各个期相的ROI区域,同时对各个期相图像自适应的做归一化处理，将裁剪出的ROI区域重采样；

模型训练步骤，将四个期相的图像分别输入各自的子网络进行前向传播，获取每个子网络分别输出的前景的概率图和背景的概率图，分别计算各期相肿瘤分割的Dice损失系数及整个分割网络的最终Dice损失系数，将此损失系数进行反向传播，进行神经网络权重的更新。

5.根据权利要求4所述的方法，其特征在于：所述计算各期相肿瘤分割的Dice损失系数为：

其中，B，W，H分别为原始图像的长宽高，p为预测的概率，gt为对应的二值groundtruth；

所述整个分割网络的最终Dice损失系数具体为：将四个期相的Dice损失系数相加作为整个分割网络的最终Dice损失系数。

6.根据权利要求5所述的方法，其特征在于：所述进行神经网络权重的更新为：

其中，W'为更新后的卷积核权重，W为更新前的权重，η为神经网络的学习率，为权重梯度。

7.根据权利要求6所述的方法，其特征在于：所述选取延迟期的肿瘤分割二值结果计算肿瘤的直径包括：

基于选取的延迟期的肿瘤分割的二值化结果计算肿瘤在Z方向上的最大平面；

采用PCA方法计算肿瘤形状上的最大特征值对应的特征矢量，将肿瘤上的所有点投影在特征矢量的方向上；

肿瘤直径等于最大的投影长度减去最小的投影长度。

8.一种基于多期相肿瘤影像的直径自动测量系统，其特征在于，所述系统包括：

模型训练模块，被配置为构建肿瘤分割网络架构，并利用构建好的肿瘤分割网络架构训练肿瘤分割模型；

获取模块，被配置为获取四期相的肿瘤影像；将其输入所述肿瘤分割模型，分别获取肿瘤分割结果；所述四个期相分别为平扫期、动脉期、静脉期以及延迟期；

计算模块，被配置为选取其中一个期相的肿瘤分割二值结果计算肿瘤直径。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。