本發(fā)明涉及影像組學(xué)輔助診斷的技術(shù)，特別是涉及一種開放式定量分析方法，還涉及開放式定量分析系統(tǒng)。

背景技術(shù)：

近年來，在醫(yī)療影像領(lǐng)域，大量的醫(yī)學(xué)圖像帶來了新的研究機(jī)遇：

a)他們可以給出強(qiáng)大和可靠的醫(yī)學(xué)圖像分析報(bào)告是基于上大量圖像得來的；

b)他們可以開發(fā)依賴于很多樣本和實(shí)例，如數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的，這些可以被引入到醫(yī)學(xué)圖像分析領(lǐng)域更先進(jìn)的方法。

醫(yī)學(xué)影像的快速發(fā)展促進(jìn)了影像組學(xué)醫(yī)學(xué)圖像的綜合分析方法。影像組學(xué)一般指使用計(jì)算機(jī)斷層掃描(CT)，正電子發(fā)射斷層掃描(PET)或磁共振成像(MRI)高質(zhì)量熒光圖像進(jìn)行先進(jìn)的特征分析的方法。

在利用醫(yī)療圖像進(jìn)行診斷時(shí)，現(xiàn)有技術(shù)中主要是采用目視檢查影像的傳統(tǒng)做法，僅僅依靠經(jīng)驗(yàn)進(jìn)行判斷，可能因獲得的信息存在差別，各人的判斷存在差別，在輔助診斷、預(yù)后和預(yù)測(cè)精度上存在欠缺。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于，提出一種基于醫(yī)學(xué)影像的開放式定量分析方法及分析系統(tǒng)，以解決現(xiàn)有技術(shù)中的至少一項(xiàng)技術(shù)問題。

根據(jù)本發(fā)明的一方面，提供一種基于醫(yī)學(xué)影像的開放式定量分析方法，包括以下步驟：

S1、獲取醫(yī)學(xué)影像數(shù)據(jù)，對(duì)醫(yī)學(xué)影像的病灶組織進(jìn)行分割，對(duì)病灶組織進(jìn)行自動(dòng)或輔助定位和腫瘤提取，實(shí)現(xiàn)病變部位的分割；

S2、根據(jù)分割出的病灶組織進(jìn)行特征提取，挖掘影像特征，建立病變組織影像特征數(shù)據(jù)庫；

S3、在病變組織影像特征數(shù)據(jù)庫的基礎(chǔ)上，結(jié)合患者的臨床信息與病灶影像特征，利用計(jì)算機(jī)分析算法，建立輔助診斷、預(yù)后和預(yù)測(cè)精度的模型。

優(yōu)選的，步驟S1中，采用隨意游走自動(dòng)分割算法對(duì)病灶組織進(jìn)行分割：以初始含腫瘤區(qū)域?yàn)榛A(chǔ)，采用一種遞歸的直方圖均衡化算法實(shí)現(xiàn)病灶腫瘤的粗提取，然后進(jìn)行種子點(diǎn)的前景和背景選取。

優(yōu)選的，所述種子點(diǎn)的選取個(gè)數(shù)為4個(gè)。

優(yōu)選的，步驟S2中，所述特征體提取方式包括：根據(jù)特征所在空間維度不同圖像特征分為一階統(tǒng)計(jì)特征和多維統(tǒng)計(jì)特征，和/或根據(jù)特征提取時(shí)基于的不同方向和不同步長(zhǎng)提取多方向多尺度的影像特征。

優(yōu)選的，步驟S2中，所述影像特征包括灰度共生矩陣和游程矩陣高維紋理特征。

優(yōu)選的，步驟S3中，所述計(jì)算機(jī)分析算法包括數(shù)據(jù)挖掘方法和/或機(jī)器學(xué)習(xí)方法。

優(yōu)選的，步驟S3中，重點(diǎn)提取多維度和多方向的紋理特征，從不同尺度提取三維空間中的灰度共生矩陣，游程矩陣等高維紋理特征，建立完備的特征庫對(duì)于后續(xù)關(guān)鍵特征篩選以及預(yù)后分析能夠提供更全面的數(shù)據(jù)支持。

優(yōu)選的，步驟S3中，患者的臨床信息與病灶影像特征包括患者的臨床病理、臨床分期、基因突變和/或隨訪生存時(shí)間參數(shù)。

優(yōu)選的，步驟S3具體為：將數(shù)據(jù)庫內(nèi)不同類型癌變數(shù)據(jù)進(jìn)行“訓(xùn)練數(shù)據(jù)集”和“測(cè)試數(shù)據(jù)集”的分類，對(duì)訓(xùn)練數(shù)據(jù)集中不同類別的病變數(shù)據(jù)分別采用數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的方法進(jìn)行模型訓(xùn)練，并將一個(gè)完備的訓(xùn)練模型用于測(cè)試數(shù)據(jù)集實(shí)現(xiàn)未知病變的分析和預(yù)測(cè)，得到患者的病理，臨床分期，基因信息和生存期的分析結(jié)果。

根據(jù)本發(fā)明的另一方面，提供一種基于醫(yī)學(xué)影像的開放式定量分析系統(tǒng)，包括：

病灶組織分割單元：用于獲取醫(yī)學(xué)影像數(shù)據(jù)，對(duì)醫(yī)學(xué)影像的病灶組織進(jìn)行分割，對(duì)病灶組織進(jìn)行自動(dòng)或輔助定位和腫瘤提取，實(shí)現(xiàn)病變部位的分割；

特征提取單元：根據(jù)分割出的病灶組織進(jìn)行特征提取，挖掘影像特征，建立病變組織影像特征數(shù)據(jù)庫；以及

建模單元：在病變組織影像特征數(shù)據(jù)庫的基礎(chǔ)上，結(jié)合患者的臨床信息與病灶影像特征，利用計(jì)算機(jī)分析算法，建立輔助診斷、預(yù)后和預(yù)測(cè)精度的模型。

通過上述技術(shù)方案，可知本發(fā)明的醫(yī)學(xué)影像的開放式定量分析方法與系統(tǒng)具有以下有益效果：

(1)影像組學(xué)試圖使大量的圖像，從數(shù)據(jù)采集，識(shí)別病變部位，病變分割，特征提取和信息發(fā)現(xiàn)，從而基于所開采的特征提供更全面的信息；

(2)在利用醫(yī)療圖像進(jìn)行診斷時(shí)，與僅用于目視檢查影像的傳統(tǒng)做法相比，影像組學(xué)分析的目的是醫(yī)學(xué)圖像轉(zhuǎn)化為可挖掘信息與其他病人的臨床資料結(jié)合起來，使用先進(jìn)的生物信息學(xué)工具，研究人員能夠開發(fā)出可潛在地提高診斷，預(yù)后和預(yù)測(cè)精度的模型。

附圖說明

圖1是本發(fā)明具體實(shí)施方式的開放式定量分析方法的流程圖。

圖2是本發(fā)明具體實(shí)施方式的開放式定量分析系統(tǒng)的方框圖。

具體實(shí)施方式

下面通過實(shí)施例，并結(jié)合附圖，對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步具體的說明。在說明書中，相同或相似的附圖標(biāo)號(hào)指示相同或相似的部件。下述參照附圖對(duì)本發(fā)明實(shí)施方式的說明旨在對(duì)本發(fā)明的總體發(fā)明構(gòu)思進(jìn)行解釋，而不應(yīng)當(dāng)理解為對(duì)本發(fā)明的一種限制。

根據(jù)本發(fā)明的基本構(gòu)思，提供一種開放式定量分析方法，通過對(duì)收集到的影像數(shù)據(jù)進(jìn)行病灶組織的分割、特征提取，以及利用提取分析得到的特征，利用計(jì)算機(jī)分析算法進(jìn)行分析與預(yù)測(cè)。

圖1是本發(fā)明具體實(shí)施方式的開放式定量分析方法的流程圖。

本發(fā)明的一種具體實(shí)施方式，提供一種基于醫(yī)學(xué)影像的開放式定量分析方法，包括如下步驟：

S1、獲取醫(yī)學(xué)影像數(shù)據(jù)，對(duì)醫(yī)學(xué)影像的病灶組織進(jìn)行分割，對(duì)病灶組織進(jìn)行自動(dòng)或輔助定位和腫瘤提取，實(shí)現(xiàn)病變部位的分割；

其中，采用一種基于隨意游走自動(dòng)分割算法對(duì)數(shù)據(jù)庫中病變組織完成分割。算法以初始含腫瘤區(qū)域?yàn)榛A(chǔ)采用一種遞歸的直方圖均衡化實(shí)現(xiàn)病灶腫瘤的粗提取，進(jìn)而進(jìn)行種子點(diǎn)的前景背景選取。

通過實(shí)驗(yàn)得知，四種子點(diǎn)可以得到最好的效果，通過隨機(jī)游走的計(jì)算方法可以得到需要的腫瘤，能夠?qū)崿F(xiàn)分割良好的實(shí)時(shí)性和魯棒性。

S2、根據(jù)分割出的病灶組織進(jìn)行特征提取，挖掘影像特征，建立病變組織影像特征數(shù)據(jù)庫；

根據(jù)特征所在空間維度不同圖像特征可分為一階統(tǒng)計(jì)特征和多維統(tǒng)計(jì)特征；根據(jù)特征提取時(shí)基于的不同方向和不同步長(zhǎng)可提取多方向多尺度的影像特征。重點(diǎn)提取多維度和多方向的紋理特征，從不同尺度提取三維空間中的灰度共生矩陣，游程矩陣等高維紋理特征，建立完備的特征庫對(duì)于后續(xù)關(guān)鍵特征篩選以及預(yù)后分析能夠提供更全面的數(shù)據(jù)支持。

S3、在病變組織影像特征數(shù)據(jù)庫的基礎(chǔ)上，結(jié)合患者的臨床信息與病灶影像特征，利用計(jì)算機(jī)分析算法，建立輔助診斷、預(yù)后和預(yù)測(cè)精度的模型。

基于已經(jīng)完成的數(shù)據(jù)庫內(nèi)所有影像特征集與患者的臨床病理，臨床分期，基因突變和隨訪生存時(shí)間等參數(shù)，將數(shù)據(jù)庫內(nèi)不同類型癌變數(shù)據(jù)進(jìn)行“訓(xùn)練數(shù)據(jù)集”和“測(cè)試數(shù)據(jù)集”的分類，對(duì)訓(xùn)練數(shù)據(jù)集中不同類別的病變數(shù)據(jù)分別采用數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的方法進(jìn)行模型訓(xùn)練，并將一個(gè)完備的訓(xùn)練模型用于測(cè)試數(shù)據(jù)集實(shí)現(xiàn)未知病變的分析和預(yù)測(cè)，得到患者的病理，臨床分期，基因信息和生存期的定性以及定量的分析結(jié)果。

在利用醫(yī)療圖像進(jìn)行診斷時(shí)，與僅用于目視檢查影像的傳統(tǒng)做法相比，影像組學(xué)分析的目的是醫(yī)學(xué)圖像轉(zhuǎn)化為可挖掘信息與其他病人的臨床資料結(jié)合起來。使用先進(jìn)的生物信息學(xué)工具，研究人員能夠開發(fā)出可潛在地提高診斷，預(yù)后和預(yù)測(cè)精度的模型。

與上述分析方法相對(duì)應(yīng)的，參見圖2所示，本發(fā)明還提供一種基于醫(yī)學(xué)影像的開放式定量分析系統(tǒng)100，包括：

病灶組織分割單元101：用于獲取醫(yī)學(xué)影像數(shù)據(jù)，對(duì)醫(yī)學(xué)影像的病灶組織進(jìn)行分割，對(duì)病灶組織進(jìn)行自動(dòng)或輔助定位和腫瘤提取，實(shí)現(xiàn)病變部位的分割；

特征提取單元102：根據(jù)分割出的病灶組織進(jìn)行特征提取，挖掘影像特征，建立病變組織影像特征數(shù)據(jù)庫；以及

建模單元103：在病變組織影像特征數(shù)據(jù)庫的基礎(chǔ)上，結(jié)合患者的臨床信息與病灶影像特征，利用計(jì)算機(jī)分析算法，建立輔助診斷、預(yù)后和預(yù)測(cè)精度的模型。

根據(jù)本發(fā)明各實(shí)施例的上述方法或系統(tǒng)可以通過有計(jì)算能力的電子設(shè)備執(zhí)行包含計(jì)算機(jī)指令的軟件來實(shí)現(xiàn)。所述有計(jì)算能力的電子設(shè)備可以是通用處理器、數(shù)字信號(hào)處理器、專用處理器、可重新配置處理器等，但不限于此。執(zhí)行這樣的指令使得電子設(shè)備被配置為執(zhí)行根據(jù)本發(fā)明的上述各項(xiàng)操作。上述各設(shè)備和/或部件可以在一個(gè)電子設(shè)備中實(shí)現(xiàn)，也可以在不同電子設(shè)備中實(shí)現(xiàn)。這些軟件可以存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中。計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)一個(gè)或多個(gè)程序(軟件模塊)，所述一個(gè)或多個(gè)程序包括指令，當(dāng)電子設(shè)備中的一個(gè)或多個(gè)處理器執(zhí)行所述指令時(shí)，所述指令使得電子設(shè)備執(zhí)行本發(fā)明的方法。

這些軟件可以存儲(chǔ)為易失性存儲(chǔ)器或非易失性存儲(chǔ)裝置的形式(比如類似ROM等存儲(chǔ)設(shè)備)，不論是可擦除的還是可重寫的，或者存儲(chǔ)為存儲(chǔ)器的形式(例如RAM、存儲(chǔ)器芯片、設(shè)備或集成電路)，或者被存儲(chǔ)在光可讀介質(zhì)或磁可讀介質(zhì)上(比如，CD、DVD、磁盤或磁帶等等)。應(yīng)該意識(shí)到，存儲(chǔ)設(shè)備和存儲(chǔ)介質(zhì)是適于存儲(chǔ)一個(gè)或多個(gè)程序的機(jī)器可讀存儲(chǔ)裝置的實(shí)施例，所述一個(gè)程序或多個(gè)程序包括指令，當(dāng)所述指令被執(zhí)行時(shí)，實(shí)現(xiàn)本發(fā)明的實(shí)施例。實(shí)施例提供程序和存儲(chǔ)這種程序的機(jī)器可讀存儲(chǔ)裝置，所述程序包括用于實(shí)現(xiàn)本發(fā)明的任何一項(xiàng)權(quán)利要求所述的裝置或方法的代碼。此外，可以經(jīng)由任何介質(zhì)(比如，經(jīng)由有線連接或無線連接攜帶的通信信號(hào))來電傳遞這些程序，多個(gè)實(shí)施例適當(dāng)?shù)匕ㄟ@些程序。

根據(jù)本發(fā)明各實(shí)施例的方法或系統(tǒng)還可以使用例如現(xiàn)場(chǎng)可編程門陣列(FPGA)、可編程邏輯陣列(PLA)、片上系統(tǒng)、基板上的系統(tǒng)、封裝上的系統(tǒng)、專用集成電路(ASIC)或可以以用于對(duì)電路進(jìn)行集成或封裝的任何其他的合理方式等硬件或固件來實(shí)現(xiàn)，或以軟件、硬件以及固件三種實(shí)現(xiàn)方式的適當(dāng)組合來實(shí)現(xiàn)。在以這些方式實(shí)現(xiàn)時(shí)，所使用的的軟件、硬件和/或固件被編程或設(shè)計(jì)為執(zhí)行根據(jù)本發(fā)明的相應(yīng)上述方法、步驟和/或功能。本領(lǐng)域技術(shù)人員可以根據(jù)實(shí)際需要來適當(dāng)?shù)貙⑦@些系統(tǒng)和模塊中的一個(gè)或多個(gè)，或其中的一部分或多個(gè)部分使用不同的上述實(shí)現(xiàn)方式來實(shí)現(xiàn)。這些實(shí)現(xiàn)方式均落入本發(fā)明的保護(hù)范圍。

以上所述的具體實(shí)施例，對(duì)本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說明，應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。