CN106355023A - 基于医学影像的开放式定量分析方法与系统 - Google Patents

Abstract

一种基于医学影像的开放式定量分析方法，包括步骤：S1、获取医学影像数据，对医学影像的病灶组织进行分割，对病灶组织进行自动或辅助定位和肿瘤提取，实现病变部位的分割；S2、根据分割出的病灶组织进行特征提取，挖掘影像特征，建立病变组织影像特征数据库；S3、在病变组织影像特征数据库的基础上，结合患者的临床信息与病灶影像特征，利用计算机分析算法，建立辅助诊断、预后和预测精度的模型。本发明的分析方法通过将大数据的分析方法应用于影像组学，更好的辅助医生进行诊断。

Description

基于医学影像的开放式定量分析方法与系统

技术领域

本发明涉及影像组学辅助诊断的技术，特别是涉及一种开放式定量分析方法，还涉及开放式定量分析系统。

背景技术

近年来，在医疗影像领域，大量的医学图像带来了新的研究机遇：

a)他们可以给出强大和可靠的医学图像分析报告是基于上大量图像得来的；

b)他们可以开发依赖于很多样本和实例，如数据挖掘和机器学习的，这些可以被引入到医学图像分析领域更先进的方法。

医学影像的快速发展促进了影像组学医学图像的综合分析方法。影像组学一般指使用计算机断层扫描(CT)，正电子发射断层扫描(PET)或磁共振成像(MRI)高质量荧光图像进行先进的特征分析的方法。

在利用医疗图像进行诊断时，现有技术中主要是采用目视检查影像的传统做法，仅仅依靠经验进行判断，可能因获得的信息存在差别，各人的判断存在差别，在辅助诊断、预后和预测精度上存在欠缺。

发明内容

本发明的目的在于，提出一种基于医学影像的开放式定量分析方法及分析系统，以解决现有技术中的至少一项技术问题。

根据本发明的一方面，提供一种基于医学影像的开放式定量分析方法，包括以下步骤：

S1、获取医学影像数据，对医学影像的病灶组织进行分割，对病灶组织进行自动或辅助定位和肿瘤提取，实现病变部位的分割；

S2、根据分割出的病灶组织进行特征提取，挖掘影像特征，建立病变组织影像特征数据库；

S3、在病变组织影像特征数据库的基础上，结合患者的临床信息与病灶影像特征，利用计算机分析算法，建立辅助诊断、预后和预测精度的模型。

优选的，步骤S1中，采用随意游走自动分割算法对病灶组织进行分割：以初始含肿瘤区域为基础，采用一种递归的直方图均衡化算法实现病灶肿瘤的粗提取，然后进行种子点的前景和背景选取。

优选的，所述种子点的选取个数为4个。

优选的，步骤S2中，所述特征体提取方式包括：根据特征所在空间维度不同图像特征分为一阶统计特征和多维统计特征，和/或根据特征提取时基于的不同方向和不同步长提取多方向多尺度的影像特征。

优选的，步骤S2中，所述影像特征包括灰度共生矩阵和游程矩阵高维纹理特征。

优选的，步骤S3中，所述计算机分析算法包括数据挖掘方法和/或机器学习方法。

优选的，步骤S3中，重点提取多维度和多方向的纹理特征，从不同尺度提取三维空间中的灰度共生矩阵，游程矩阵等高维纹理特征，建立完备的特征库对于后续关键特征筛选以及预后分析能够提供更全面的数据支持。

优选的，步骤S3中，患者的临床信息与病灶影像特征包括患者的临床病理、临床分期、基因突变和/或随访生存时间参数。

优选的，步骤S3具体为：将数据库内不同类型癌变数据进行“训练数据集”和“测试数据集”的分类，对训练数据集中不同类别的病变数据分别采用数据挖掘和机器学习的方法进行模型训练，并将一个完备的训练模型用于测试数据集实现未知病变的分析和预测，得到患者的病理，临床分期，基因信息和生存期的分析结果。

根据本发明的另一方面，提供一种基于医学影像的开放式定量分析系统，包括：

病灶组织分割单元：用于获取医学影像数据，对医学影像的病灶组织进行分割，对病灶组织进行自动或辅助定位和肿瘤提取，实现病变部位的分割；

特征提取单元：根据分割出的病灶组织进行特征提取，挖掘影像特征，建立病变组织影像特征数据库；以及

建模单元：在病变组织影像特征数据库的基础上，结合患者的临床信息与病灶影像特征，利用计算机分析算法，建立辅助诊断、预后和预测精度的模型。

通过上述技术方案，可知本发明的医学影像的开放式定量分析方法与系统具有以下有益效果：

(1)影像组学试图使大量的图像，从数据采集，识别病变部位，病变分割，特征提取和信息发现，从而基于所开采的特征提供更全面的信息；

(2)在利用医疗图像进行诊断时，与仅用于目视检查影像的传统做法相比，影像组学分析的目的是医学图像转化为可挖掘信息与其他病人的临床资料结合起来，使用先进的生物信息学工具，研究人员能够开发出可潜在地提高诊断，预后和预测精度的模型。

附图说明

图1是本发明具体实施方式的开放式定量分析方法的流程图。

图2是本发明具体实施方式的开放式定量分析系统的方框图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。在说明书中，相同或相似的附图标号指示相同或相似的部件。下述参照附图对本发明实施方式的说明旨在对本发明的总体发明构思进行解释，而不应当理解为对本发明的一种限制。

根据本发明的基本构思，提供一种开放式定量分析方法，通过对收集到的影像数据进行病灶组织的分割、特征提取，以及利用提取分析得到的特征，利用计算机分析算法进行分析与预测。

图1是本发明具体实施方式的开放式定量分析方法的流程图。

本发明的一种具体实施方式，提供一种基于医学影像的开放式定量分析方法，包括如下步骤：

S1、获取医学影像数据，对医学影像的病灶组织进行分割，对病灶组织进行自动或辅助定位和肿瘤提取，实现病变部位的分割；

其中，采用一种基于随意游走自动分割算法对数据库中病变组织完成分割。算法以初始含肿瘤区域为基础采用一种递归的直方图均衡化实现病灶肿瘤的粗提取，进而进行种子点的前景背景选取。

通过实验得知，四种子点可以得到最好的效果，通过随机游走的计算方法可以得到需要的肿瘤，能够实现分割良好的实时性和鲁棒性。

S2、根据分割出的病灶组织进行特征提取，挖掘影像特征，建立病变组织影像特征数据库；

根据特征所在空间维度不同图像特征可分为一阶统计特征和多维统计特征；根据特征提取时基于的不同方向和不同步长可提取多方向多尺度的影像特征。重点提取多维度和多方向的纹理特征，从不同尺度提取三维空间中的灰度共生矩阵，游程矩阵等高维纹理特征，建立完备的特征库对于后续关键特征筛选以及预后分析能够提供更全面的数据支持。

S3、在病变组织影像特征数据库的基础上，结合患者的临床信息与病灶影像特征，利用计算机分析算法，建立辅助诊断、预后和预测精度的模型。

基于已经完成的数据库内所有影像特征集与患者的临床病理，临床分期，基因突变和随访生存时间等参数，将数据库内不同类型癌变数据进行“训练数据集”和“测试数据集”的分类，对训练数据集中不同类别的病变数据分别采用数据挖掘和机器学习的方法进行模型训练，并将一个完备的训练模型用于测试数据集实现未知病变的分析和预测，得到患者的病理，临床分期，基因信息和生存期的定性以及定量的分析结果。

在利用医疗图像进行诊断时，与仅用于目视检查影像的传统做法相比，影像组学分析的目的是医学图像转化为可挖掘信息与其他病人的临床资料结合起来。使用先进的生物信息学工具，研究人员能够开发出可潜在地提高诊断，预后和预测精度的模型。

与上述分析方法相对应的，参见图2所示，本发明还提供一种基于医学影像的开放式定量分析系统100，包括：

病灶组织分割单元101：用于获取医学影像数据，对医学影像的病灶组织进行分割，对病灶组织进行自动或辅助定位和肿瘤提取，实现病变部位的分割；

特征提取单元102：根据分割出的病灶组织进行特征提取，挖掘影像特征，建立病变组织影像特征数据库；以及

建模单元103：在病变组织影像特征数据库的基础上，结合患者的临床信息与病灶影像特征，利用计算机分析算法，建立辅助诊断、预后和预测精度的模型。

根据本发明各实施例的上述方法或系统可以通过有计算能力的电子设备执行包含计算机指令的软件来实现。所述有计算能力的电子设备可以是通用处理器、数字信号处理器、专用处理器、可重新配置处理器等，但不限于此。执行这样的指令使得电子设备被配置为执行根据本发明的上述各项操作。上述各设备和/或部件可以在一个电子设备中实现，也可以在不同电子设备中实现。这些软件可以存储在计算机可读存储介质中。计算机可读存储介质存储一个或多个程序(软件模块)，所述一个或多个程序包括指令，当电子设备中的一个或多个处理器执行所述指令时，所述指令使得电子设备执行本发明的方法。

这些软件可以存储为易失性存储器或非易失性存储装置的形式(比如类似ROM等存储设备)，不论是可擦除的还是可重写的，或者存储为存储器的形式(例如RAM、存储器芯片、设备或集成电路)，或者被存储在光可读介质或磁可读介质上(比如，CD、DVD、磁盘或磁带等等)。应该意识到，存储设备和存储介质是适于存储一个或多个程序的机器可读存储装置的实施例，所述一个程序或多个程序包括指令，当所述指令被执行时，实现本发明的实施例。实施例提供程序和存储这种程序的机器可读存储装置，所述程序包括用于实现本发明的任何一项权利要求所述的装置或方法的代码。此外，可以经由任何介质(比如，经由有线连接或无线连接携带的通信信号)来电传递这些程序，多个实施例适当地包括这些程序。

根据本发明各实施例的方法或系统还可以使用例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)或可以以用于对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式的适当组合来实现。在以这些方式实现时，所使用的的软件、硬件和/或固件被编程或设计为执行根据本发明的相应上述方法、步骤和/或功能。本领域技术人员可以根据实际需要来适当地将这些系统和模块中的一个或多个，或其中的一部分或多个部分使用不同的上述实现方式来实现。这些实现方式均落入本发明的保护范围。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于医学影像的开放式定量分析方法，其特征在于，包括以下步骤：

S1、获取医学影像数据，对医学影像的病灶组织进行分割，对病灶组织进行自动或辅助定位和肿瘤提取，实现病变部位的分割；

S2、根据分割出的病灶组织进行特征提取，挖掘影像特征，建立病变组织影像特征数据库；

S3、在病变组织影像特征数据库的基础上，结合患者的临床信息与病灶影像特征，利用计算机分析算法，建立辅助诊断、预后和预测精度的模型。

2.根据权利要求1所述的分析方法，其特征在于，步骤S1中，采用随意游走自动分割算法对病灶组织进行分割：以初始含肿瘤区域为基础，采用一种递归的直方图均衡化算法实现病灶肿瘤的粗提取，然后进行种子点的前景和背景选取。

3.根据权利要求2所述的分析方法，其特征在于，所述种子点的选取个数为4个。

4.根据权利要求1所述的分析方法，其特征在于，步骤S2中，所述特征体提取方式包括：根据特征所在空间维度不同图像特征分为一阶统计特征和多维统计特征，和/或根据特征提取时基于的不同方向和不同步长提取多方向多尺度的影像特征。

5.根据权利要求1所述的分析方法，其特征在于，步骤S2中，所述影像特征包括灰度共生矩阵和游程矩阵高维纹理特征。

6.根据权利要求1所述的分析方法，其特征在于，步骤S3中，所述计算机分析算法包括数据挖掘方法和/或机器学习方法。

7.根据权利要求1所述的分析方法，其特征在于，步骤S3中，重点提取多维度和多方向的纹理特征，从不同尺度提取三维空间中的灰度共生矩阵，游程矩阵等高维纹理特征，建立完备的特征库对于后续关键特征筛选以及预后分析能够提供更全面的数据支持。

8.根据权利要求1所述的分析方法，其特征在于，步骤S3中，患者的临床信息与病灶影像特征包括患者的临床病理、临床分期、基因突变和/或随访生存时间参数。

9.根据权利要求1所述的分析方法，其特征在于，步骤S3具体为：将数据库内不同类型癌变数据进行“训练数据集”和“测试数据集”的分类，对训练数据集中不同类别的病变数据分别采用数据挖掘和机器学习的方法进行模型训练，并将一个完备的训练模型用于测试数据集实现未知病变的分析和预测，得到患者的病理，临床分期，基因信息和生存期的分析结果。

10.一种基于医学影像的开放式定量分析系统，其特征在于包括：

病灶组织分割单元：用于获取医学影像数据，对医学影像的病灶组织进行分割，对病灶组织进行自动或辅助定位和肿瘤提取，实现病变部位的分割；

特征提取单元：根据分割出的病灶组织进行特征提取，挖掘影像特征，建立病变组织影像特征数据库；以及

建模单元：在病变组织影像特征数据库的基础上，结合患者的临床信息与病灶影像特征，利用计算机分析算法，建立辅助诊断、预后和预测精度的模型。