[发明专利]乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法

权利要求书

1.一种乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法，其特征是，全乳腺信息分析方法的步骤为：S1，收集并整理乳腺癌患者接受新辅助治疗前后的DCE-MRI乳腺成像；S2，将S1收集并整理好的图像，进行像素矩阵运算并采用区域生长算法保留乳腺病理区图像与腋窝图像；S3，整理S2得到的图像，再将整理后的图像输入到神经网络中，进行模型训练，得到预测模型；S4，对S3得到的乳腺癌患者接受新辅助治疗前后的模型数据进行特征融合并进行分类预测得到有效的病理完全缓解的预测和淋巴结是否转移的预测。

2.根据权利要求1所述的乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法，其特征是，所述S4的淋巴结是否转移的预测中，包括的对腋窝淋巴结和前哨淋巴结的预测。

3.根据权利要求2所述的乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法，其特征是，所述S1中包括：S11，对乳腺癌患者未经过新辅助治疗和经过新辅助治疗后的DCE-MRI乳腺成像，选取在TIC曲线上选取扫描开始的第一个时间窗图像和在信号强度达峰值时的图像；S12，对S11得到的图像采用Z-score方式进行规范化；S13，将规范化后的图像中各像素点的灰度值范围归一化。

4.根据权利要求3所述的乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法，其特征是，所述S13中灰度值范围归一化的方式为计算灰度直方图并进行灰度直方图的均衡化。

5.根据权利要求4所述的乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法，其特征是，所述S2中包括：S21，将S1收集并整理好的乳腺癌患者的图像，对在TIC曲线上第一个时间窗图像与信号强度达峰值图像的像素矩阵求差值，像素值变化较大的一侧为病灶侧，删除未有肿瘤的一侧乳房图像；S22通过区域生长算法处理S21得到的图像，保留病理乳腺与腋窝的图像矩阵像素，或S22通过梯度矢量流算法处理S21得到的图像，保留病理乳腺的图像矩阵像素，或S22通过分水岭算法处理S21得到的图像，保留病理乳腺的图像矩阵像素。

6.根据权利要求5所述的乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法，其特征是，所述S22中区域生长算法处理时，用图像像素间的相似性进行分割，调用regiongrow函数处理S21得到的图像。

7.根据权利要求6所述的乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法，其特征是，所述S3包括：S31，将S2得到图像矩阵，采用Z-score方式规范化并将各像素点的灰度值范围归一化；S32，将S31得到的图像输入到孪生网络，构建神经网络模型，通过两个神经网络传递两个输入，使其具有相同的架构、超参数和权重。

8.根据权利要求7所述的乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法，其特征是，所述构建孪生网络中的卷积神经网络时，基础网络框架使用密集连接卷积网络，或基础网络框架使用VGG16。

9.根据权利要求8所述的乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法，其特征是，所述S4包括，S41，利用双线性池化的方法融合特征后接两个独立的全连接层，S42，使用SoftMax分类处理S41得到的图像数据，得到乳腺癌患者有效的病理完全缓解的预测和淋巴结是否转移的预测。