[发明专利]基于多序列MRI的克罗恩病纤维化分级方法及相关设备

权利要求书

1.一种基于多序列MRI的克罗恩病纤维化分级方法，其特征在于，所述方法应用经过训练的分类网络模型，所述分类网络模型包括影像组学特征模块和分类模块，所述方法包括：

控制所述影像组学特征模块获取预设的若干腹腔MRI图像中的各腹腔MRI图像中肠道纤维组织的第一影像组学特征，并将各第一影像组学特征融合得到融合影像组学特征，其中，若干腹腔MRI图像为同一目标对象的MRI图像；

控制所述分类模块基于融合影像组学特征确定所述目标对象的克罗恩病纤维化类别；

所述影像组学特征模块包括特征融合单元，所述将各第一影像组学特征融合得到融合影像组学特征具体包括：

将各第一影像组学特征输入特征融合单元，控制所述特征融合单元采用随机有回放方式将各第一影像组学特征组合，并获取组合得到的影像组学特征中各特征的重要程度；以及，

按照重要程度从高到低的顺序在组合影像组学特征选取预设数量的特征，并将选取到的预设数量的特征作为融合影像组学特征；

所述分类网络模型包括筛选模块，所述筛选模块位于影像组学特征模块和分类模块之间，所述控制所述分类模块基于融合影像组学特征确定所述目标对象的克罗恩病纤维化类别之前，所述方法还包括：

将所述融合影像组学输入所述筛选模块，控制所述筛选模块采用递归式特征清除方式对所述融合影像组学特征进行筛选，并将筛选后的融合影像组学特征作为融合影像组学特征，其中，筛选后的融合影像组学特征的特征数量小于筛选前的融合影像组学特征的特征数量。

2.根据权利要求1所述基于多序列MRI的克罗恩病纤维化分级方法，其特征在于，所述影像组学特征模块包括影像组学特征提取单元，所述控制所述影像组学特征模块获取各腹腔MRI图像中肠道纤维组织的第一影像组学特征具体包括：

将若干腹腔MRI图像输入影像组学特征提取单元，通过影像组学特征提取单元提取各腹腔MRI图像中的肠道纤维化组织区域图；以及，

基于各肠道纤维化组织区域图，提取各腹腔MRI图像各自对应的第一影像组学特征。

3.根据权利要求1所述基于多序列MRI的克罗恩病纤维化分级方法，其特征在于，所述第一影像组学特征包括形状特征、一阶特征、灰度游走矩阵、灰度游程矩阵、灰度区域矩阵、领域灰度矩阵、灰度相关矩阵、小波特征以及拉普拉斯高斯滤波特征。

4.根据权利要求1所述基于多序列MRI的克罗恩病纤维化分级方法，其特征在于，若干腹腔MRI图像中的各腹腔MRI图像各自对应的扫描序列不同。

5.一种基于多序列MRI的克罗恩病纤维化分级系统，其特征在于，所述的系统包括：

影像组学特征模块，用于获取若干腹腔MRI图像中的各腹腔MRI图像中肠道纤维组织的第一影像组学特征，并将各第一影像组学特征融合得到融合影像组学特征，其中，若干腹腔MRI图像为同一目标对象的MRI图像；

分类模块，用于控制所述分类模块基于融合影像组学特征确定所述目标对象的克罗恩病纤维化类别；

所述影像组学特征模块包括特征融合单元，所述影像组学特征模块用于：

将各第一影像组学特征输入特征融合单元，控制所述特征融合单元采用随机有回放方式将各第一影像组学特征组合，并获取组合得到的影像组学特征中各特征的重要程度；以及，

按照重要程度从高到低的顺序在组合影像组学特征选取预设数量的特征，并将选取到的预设数量的特征作为融合影像组学特征；

所述系统包括筛选模块，所述筛选模块位于影像组学特征模块和分类模块之间，所述筛选模块用于：

将所述融合影像组学输入所述筛选模块，控制所述筛选模块采用递归式特征清除方式对所述融合影像组学特征进行筛选，并将筛选后的融合影像组学特征作为融合影像组学特征，其中，筛选后的融合影像组学特征的特征数量小于筛选前的融合影像组学特征的特征数量。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-4任意一项所述的基于多序列MRI的克罗恩病纤维化分级方法中的步骤。

7.一种终端设备，其特征在于，包括：处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序；

所述通信总线实现处理器和存储器之间的连接通信；

所述处理器执行所述计算机可读程序时实现如权利要求1-4任意一项所述的基于多序列MRI的克罗恩病纤维化分级方法中的步骤。