[发明专利]一种结直肠癌放化疗反应自动预测系统

说明书

本发明涉及一种结直肠癌放化疗反应自动预测系统。该系统包括：图像获取模块，用于采集结直肠癌放化疗相关的医学图像；预处理模块，用于对图像获取模块采集的图像进行预处理；图像分类模块，用于将预处理后的图像使用一级级联网络进行图像分类，得到的分类结果为3类，包括非肿瘤图像、PCR图像、非PCR图像；语义分割模块，用于对分类得到的非PCR图像使用二级级联网络进行语义分割，以提取肿瘤区域；预测模块，用于对提取出的肿瘤区域使用三级级联网络分别进行T分期预测以及TRG分期预测，得到基于T的分期预测结果以及基于TRG的分期预测结果。本发明能够对放化疗反应进行有效预测，对结直肠癌患者后期治疗方案的决策具有重要意义。

技术领域

本发明属于信息技术、医疗技术领域，具体涉及一种基于级联Transformer网络的结直肠癌放化疗反应自动预测系统。

背景技术

对于局部进展期直肠癌（LARC）患者，新辅助放化疗（nCRT）加全直肠系膜切除手术(TME)已经成为标准治疗方法。大量临床实验证实，在进行新辅助放化疗（nCRT）后，约70%患者的肿瘤会出现降期或退缩，约20%患者能达到病理完全缓解（PCR）。因此，对放化疗反应进行有效预测，对结直肠癌患者后期治疗方案的决策具有重要意义。

目前，常规的放化疗反应预测方法主要基于影像组学的方法，通过提取影像特征指标，结合支持向量机、贝叶斯网络、决策树、随机森林等机器学习算法，构建预测模型。该流程存在以下几点问题：（1）组学指标的确定与筛选依赖医生的临床经验，或者医生加特征提取软件的配合。（2）建模过程中图像特征信息丢失信息过多，导致一般ROC曲线的AUC值无法达到很高。（3）现有的预测方法实际上是半自动化过程，耗费时间长。（4）对于接近病理完全缓解（PCR）的患者，医生描述病灶区域存在困难。

发明内容

本发明针对上述问题，提供一种基于级联Transformer网络的结直肠癌放化疗反应自动预测系统。

本发明采用的技术方案如下：

一种结直肠癌放化疗反应自动预测系统，其包括：

图像获取模块，用于采集结直肠癌放化疗相关的医学图像；

预处理模块，用于对图像获取模块采集的图像进行预处理；

图像分类模块，用于将预处理后的图像使用一级级联网络进行图像分类，得到的分类结果为3类，包括非肿瘤图像、PCR图像、非PCR图像；

语义分割模块，用于对分类得到的非PCR图像使用二级级联网络进行语义分割，以提取肿瘤区域；

预测模块，用于对提取出的肿瘤区域使用三级级联网络分别进行T分期预测以及TRG分期预测，得到基于T的分期预测结果以及基于TRG的分期预测结果。

进一步地，所述采集结直肠癌放化疗相关的医学图像，包括：

采集局部进展期直肠癌患者在接受新辅助放化疗nCRT前一周的T2-MRI图像；

采集局部进展期直肠癌患者在接受新全直肠系膜切除手术TME前一周的T2-MRI图像。

进一步地，所述一级级联网络、所述二级级联网络、所述三级级联网络采用SwinTransformer网络实现，分别称为Swin Transformer一级级联网络、Swin Transformer二级级联网络、Swin Transformer三级级联网络；所述Swin Transformer二级级联网络为SwinTransformer Unet网络；所述Swin Transformer三级级联网络包括T分期预测网络和TRG分期预测网络。

进一步地，所述Swin Transformer一级级联网络的处理过程包括：

获得预处理好的待分类图像，将其构建好训练集输入到所述Swin Transformer一级级联网络中；