CN110648346A - 肿瘤网络构建的方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种肿瘤网络构建的方法，所述方法包括：获取肿瘤对应的磁共振图像集，所述磁共振图像集是具有时间序列的磁共振图像集；根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像；根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列；计算两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数，根据所述两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数得到肿瘤相关矩阵；根据肿瘤相关矩阵建立肿瘤网络。此外，还提出了一种肿瘤网络构建的装置、计算机设备及存储介质。

Description

肿瘤网络构建的方法、装置、计算机设备和存储介质

技术领域

本发明涉及医学图像处理与分析技术领域，尤其涉及一种肿瘤网络构建的方法、装置、计算机设备和存储介质。

背景技术

磁共振(Magnetic Resonance Imaging，MRI)可以通过不同成像方式从多个方面反映胶质瘤的特性，包括解剖图像、增强扫描图像、弥散图像、波谱成像、灌注图像、弹性成像等，这些方法各有优缺点。然而，肿瘤是一个有机整体，肿瘤亚区域间密切联系，有的在解剖结构上组织连接，有的因为生长阶段相似，受相同级别的神经和血管支配，有的因为生长阶段相似，受相同级别的神经和血管支配，有相似的基因变异。而这些关联，可能具有重要的生物学信息。所有这些成像图像的分析都是基于肿瘤局部区域的测量，这种测量方式在瘤体内不同部位(肿瘤亚区域)是相互独立的，目前尚未有一种方法可以解决所有的难题。

发明内容

基于此，有必要针对上述问题，提供一种全局反映肿瘤内部关联的一种肿瘤网络构建的方法及装置。

第一方面，本发明实施例提供一种肿瘤网络构建的方法，所述的方法包括：

获取肿瘤对应的磁共振图像集，所述磁共振图像集是具有时间序列的磁共振图像集；

根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像；

根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列时间序列；

计算两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数，根据所述两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数得到肿瘤相关矩阵；

根据肿瘤相关矩阵建立肿瘤网络。

在其中一个实施例中，所述根据肿瘤相关矩阵建立肿瘤网络，包括：对所述相关矩阵采用多个二值化阈值进行二值化处理得到多个二值化矩阵；根据所述多个二值化矩阵建立多个肿瘤网络。

在其中一个实施例中，所述方法还包括：根据所述肿瘤网络计算得到预设属性对应的属性值；根据所述肿瘤网络对应的二值化阈值得到二值化阈值与所述属性值之间的特征关系。

在其中一个实施例中，所述根据所述肿瘤网络对应的二值化阈值得到二值化阈值与所述属性值之间的特征关系，包括：将所述二值化阈值作为横坐标，将所述二值化阈值对应的预设属性的属性值作为纵坐标生成所述二值化阈值与所述预设属性之间的分析图像。

在其中一个实施例中，所述预设属性包括：网络聚类系数、网络最短路径长度、网络全局效率、网络平局局部效率中的至少一个。

在其中一个实施例中，所述多个肿瘤图像中包括：增强扫描时间点之前的图像和增强扫描时间点之后的图像；所述根据所述具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列，包括：提取每个肿瘤图像中同一预设肿瘤单位对应的信号强度；按照每个所述肿瘤图像对应的时间点得到所述同一预设肿瘤单位对应的磁共振灌注成像的时间序列。

在其中一个实施例中，所述根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像，包括：识别所述磁共振图像中肿瘤的边界；根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像。

第二方面，本发明实施例提供一种肿瘤网络构建的装置，所述装置包括：

第一获取模块，用于获取肿瘤对应的磁共振图像集，所述磁共振图像集是具有时间序列的磁共振图像集；根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像；

第二获取模块，用于根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列；

计算模块，用于计算两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数，根据所述两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数得到肿瘤相关矩阵；

建立模块，用于根据肿瘤相关矩阵建立肿瘤网络。

第三方面，本发明实施例提供一种计算机设备，所述设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：获取肿瘤对应的磁共振图像集，所述磁共振图像集是具有时间序列的磁共振图像集；根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像；根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列时间序列；计算两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数，根据所述两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数得到肿瘤相关矩阵；根据肿瘤相关矩阵建立肿瘤网络。

第四方面，本发明实施例提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：获取肿瘤对应的磁共振图像集，所述磁共振图像集是具有时间序列的磁共振图像集；根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像；根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列时间序列；计算两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数，根据所述两两预设肿瘤单位的磁共振灌注成像的时间序列时间序列之间的相关系数得到肿瘤相关矩阵；根据肿瘤相关矩阵建立肿瘤网络。

上述肿瘤网络构建的方法、装置、计算机设备及存储介质，通过获取肿瘤对应的磁共振图像集，所述磁共振图像集是具有时间序列的磁共振图像集；根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像；根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列时间序列；计算两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数，根据所述两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数得到肿瘤相关矩阵；根据肿瘤相关矩阵建立肿瘤网络。通过对肿瘤图像进行处理，建立肿瘤网络，反映肿瘤区域间的相互关系，从整体的角度提取肿瘤的信息。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为一个实施例中肿瘤网络构建的方法的流程图；

图2为一个实施例中根据肿瘤网络对应的二值化阈值得到二值化阈值与所述属性值之间的特征关系的流程图；

图3为一个实施例中根据肿瘤网络对应的二值化阈值与对应的预设属性的属性值的特征关系的分析图像的示意图；

图4为一个实施例中提取出预设肿瘤单位对应的磁共振灌注成像的时间序列的流程图；

图5为一个实施例中得到具有时间序列的多个肿瘤图像的流程图；

图6为一个实施例中肿瘤网络构建的装置的结构框图；

图7为一个实施例中计算机设备的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，在一个实施例中，提出了一种肿瘤网络构建的方法，该检测方法既可以应用于终端，也可以应用于服务器，本实施例中以应用于终端为例说明，该肿瘤网络构建的方法具体包括以下步骤：

步骤102，获取肿瘤对应的磁共振图像集，所述磁共振图像集是具有时间序列的磁共振图像集。

其中，磁共振图像集中包括多个磁共振图像，每个磁共振图像都对应一个时间点，不同的磁共振图像对应不同的时间点，将多个磁共振图像按照时间先后顺序进行排列就构成了具有时间序列的磁共振图像集。

磁共振图像集的获取可以通过对包含有肿瘤的区域进行采集得到，每次采集对应的时间点不同，故，得到的磁共振图像集是具有时间序列的磁共振图像集。

在一个实施例中，为了便于后续看出肿瘤图像的变化，首先采集得到增强前的磁共振图像，然后通过静脉注射对比剂，记录随着时间变化的肿瘤对应的磁共振图像，最终得到磁共振图像集。

步骤104，根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像。

其中，磁共振图像由于针对采集的面积比较大，所以包含了除了肿瘤以外的其他区域，故，获取肿瘤对应的磁共振图像集后，还需根据肿瘤的边界，从具有时间序列的磁共振图像集中提取出肿瘤图像，从而得到具有时间序列的多个肿瘤图像。

步骤106，根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列。

其中，预设肿瘤单位是指肿瘤图像上的、用于提取磁共振灌注成像的时间序列的一个单位，该预设肿瘤单位可以是肿瘤图像上的任一体素，也可以是肿瘤图像上若干个体素构成的一个肿瘤亚区。

预设肿瘤单位对应的磁共振灌注成像的时间序列是指按照时间先后顺序排列的多个肿瘤图像中同一预设肿瘤单位对应的信号强度变化情况。通过获得预设肿瘤单位对应磁共振灌注成像的时间序列，用随着时间变化的同一预设肿瘤单位的信号强度变化，可以反应肿瘤内部组织特性。磁共振灌注成像的时间序列可以是DCE-MRI(动态对比增强磁共振成像)时间序列，也可以是DSC-MRI(动态磁敏感对比成像)时间序列，或者ASL(动脉自旋标记成像)时间序列。基于这些特性，可用于构建肿瘤网络，从整体的角度提取肿瘤的信息，进而可分析肿瘤整体上的联系。

步骤108，计算两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数，根据所述两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数得到肿瘤相关矩阵。

其中，相关系数是指每两预设肿瘤单位的磁共振灌注成像的时间序列的相关系数，比如，可以是Pearson相关系数。Pearson相关系数是用来衡量两个数据集合是否在一条线上面，它用来衡量定距变量间的线性关系，其计算公式为：

上述Pearson相关系数的绝对值越大，相关性越强：相关系数越接近1或-1，相关度越强；相关系数越接近于0，相关度越弱。计算两两预设肿瘤单位的磁共振灌注成像的时间序列之间的Pearson相关系数，可得到两两预设肿瘤单位之间的相关强度。由于预设肿瘤单位只是肿瘤图像的一部分，每两两预设肿瘤单位之间的相关强度也反映了肿瘤整体之间的相关强度，从而可得到肿瘤整体之间的相关情况。

由于每两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数反映两两预设肿瘤单位之间的相关强度，将两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数记录为一个矩阵，可以得到肿瘤内部所有预设单位之间的相关强度，该矩阵即为肿瘤相关矩阵，该肿瘤相关矩阵记录了肿瘤内部整体之间的相关强度关系。

步骤110，根据肿瘤相关矩阵建立肿瘤网络。

在一个实施例中，肿瘤网络是指通过肿瘤内不同部位之间的关联采用网络的方式展现的肿瘤关联形态，比如，肿瘤网络可以通过无向图的形式来构建。无向图的顶点和边分别代表肿瘤的信息，通过无向图来反映肿瘤内部的关联，即可成为肿瘤网络。

在另一个实施例中，根据肿瘤相关矩阵来建立肿瘤网络，包括：设置相关矩阵中的相关系数的阈值，阈值可以为H＝{0.1，0.2，……0.9}，阈值H作为相关系数的取值范围，对相关矩阵分别进行二值化，获得对应的二值化矩阵。以上述二值化矩阵作为邻接矩阵定义无向图，每一个二值化矩阵得到一个对应的无向图，该无向图即为肿瘤网络。

上述肿瘤网络构建的方法，通过获取磁共振图像中的肿瘤图像，并提取具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列时间序列，计算两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数，根据所述两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数得到肿瘤相关矩阵，再根据肿瘤相关矩阵建立肿瘤网络。由于肿瘤网络能够从整体的角度提取肿瘤的信息，可据此得到肿瘤之间的关联，针对性地解决无法构建肿瘤这样一个有机整体之间的关联性的问题。

在一个实施例中，根据肿瘤相关矩阵建立肿瘤网络，包括：对所述相关矩阵采用多个二值化阈值进行二值化处理得到多个二值化矩阵；根据所述多个二值化矩阵建立多个肿瘤网络。

其中，二值化阈值是指自定义的、用于进行二值化处理的阈值。每个二值化阈值对应一个二值化矩阵，设置多个二值化阈值，相应地可以得到多个二值化矩阵。当相关矩阵中的元素大于该二值化阈值时，保留该元素；当相关矩阵中的元素小于该二值化阈值时，舍弃该元素。由于肿瘤相关矩阵记录了肿瘤内所有两两预设肿瘤单位的相关系数，该肿瘤相关矩阵过于庞大；而部分两两预设肿瘤单位之间的相关系数很小，对反映肿瘤整体信息的作用甚小。所以，设置预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数的阈值，对上述肿瘤相关矩阵进行二值化筛选，只保留相关强度大的相关系数、排除相关强度小的相关系数，有助于更好地处理预设肿瘤单位之间的的磁共振灌注成像的时间序列的相关系数，得到多个二值化矩阵。多个二值化矩阵也可以通过不同的阈值限定，反映出预设肿瘤单位之间的相关强度。

其中，根据所述多个二值化矩阵建立多个肿瘤网络，还包括：过根据上述相关矩阵中的相关系数的阈值，得到多个二值化矩阵。一个二值化矩阵可建立一个无向图，多个二值化矩阵可得到多个无向图。无向图可以直观地反映矩阵的含义，即反映预设肿瘤单位之间的相关强度。所以，该无向图即为肿瘤网络，多个无向图对应多个肿瘤网络。通过建立肿瘤网络，可提取肿瘤网络中的肿瘤信息，分析肿瘤整体信息。

如图2所示，在一个实施例中，根据所述肿瘤网络计算得到预设属性对应的属性值；根据所述肿瘤网络对应的二值化阈值得到二值化阈值与所述属性值之间的特征关系：

步骤202，根据所述肿瘤网络计算得到预设属性对应的属性值。

在一个实施例中，预设属性是指肿瘤网络的属性，包括：网络聚类系数、网络最短路径长度、网络全局效率、网络平局局部效率中的至少一个。预设属性是预设的肿瘤网络的待分析属性，通过设置预设属性，可针对性地提取肿瘤网络的信息。根据肿瘤网络计算得到预设属性对应的属性值，在一个实施例中，其中几个预设属性的计算方式如下：

网络最短路径长度：

网络聚类系数：

网络全局效率：

根据上述预设属性计算方式，计算肿瘤网络中预设属性对应的属性值。

步骤204，根据所述肿瘤网络对应的二值化阈值得到二值化阈值与所述属性值之间的特征关系。

在一个实施例中，根据所述肿瘤网络对应的二值化阈值得到二值化阈值与所述属性值之间的特征关系。由于根据二值化阈值得到二值化矩阵，而二值化矩阵对应无向图，无向图即为肿瘤网络；所以根据肿瘤网络提取到预设属性，可以一一对应二值化阈值。根据二值化阈值与预设属性的属性值之间的对应关系，可以得到二者之间的特征关系。

在一个实施例中，根据所述肿瘤网络对应的二值化阈值得到二值化阈值与所述属性值之间的特征关系，包括：将所述二值化阈值作为横坐标，将所述二值化阈值对应的预设属性的属性值作为纵坐标生成所述二值化阈值与所述预设属性之间的分析图像。

其中，特征关系是指二值化阈值与预设属性的属性值一一对应的对应关系。将二值化阈值作为横坐标，将与上述二值化阈值一一对应的预设属性的属性值作为纵坐标，参照图3，横坐标为阈值，纵坐标为网络全局效率。根据二者的特征关系，生成分析图象。

在一个实施例中，预设属性包括：网络聚类系数、网络最短路径长度、网络全局效率、网络平局局部效率中的至少一个。

其中，预设属性是指肿瘤网络的属性，预设属性包括：网络聚类系数、网络最短路径长度、网络全局效率、网络平局局部效率中的至少一个。预设属性是预设的肿瘤网络的待分析属性，通过设置预设属性，可针对性地提取肿瘤网络的信息。

在一个实施例中，如图4所示，多个肿瘤图像中包括：增强扫描时间点之前的图像和增强扫描时间点之后的图像；根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列：

步骤402，获取的多个肿瘤图像中包括：增强扫描时间点之前的图像和增强扫描时间点之后的图像。

其中，增强扫描时间点是指注射对比剂的时间点。通过获得增强前的平扫图像和注射对比剂后的图像，随着时间变化，可以通过对比所述图像得到肿瘤中对比剂动态增强特性，反映肿瘤上的预设肿瘤单位的特性。比如，设扫描时间点为t∈{0，1，2，3，……}表示DCE-MRI的增强扫描时间点，t＝0表示增强前的平扫，t∈{1，2，3，……}表示注射对比剂后的各个扫描时间点。通过时间点t来获取多个肿瘤图像，则可得到随着增强扫描时间点的变化、对应的肿瘤图像上的预设肿瘤单位的信号强度也随之变化的关系，得到预设肿瘤单位的时间序列。

步骤404，提取每个肿瘤图像中同一预设肿瘤单位对应的信号强度。

其中，预设肿瘤单位对应的磁共振灌注成像的时间序列是指按照时间先后顺序排列的多个每个肿瘤图像中同一预设肿瘤单位的信号强度及其对应的时间点对应的信号强度变化情况。提取随着时间先后顺序排列的多个每个肿瘤图像中的同一预设肿瘤单位对应的信号强度，用随着时间变化的同一磁共振图像预设肿瘤单位的信号强度变化，可以反应肿瘤内部组织特性。

步骤406，根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列。

由于磁共振灌注成像的时间序列是指按照时间先后顺序排列的多个每个肿瘤图像中同一预设肿瘤单位的信号强度及其对应的时间点对应的信号强度变化情况，所以，每个时间点与其对应的信号强度的变化关系，构成具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列。

在一个实施例中，如图5所示，根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像，包括：识别所述磁共振图像中肿瘤的边界；根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像。

步骤502，识别所述磁共振图像中肿瘤的边界。

其中，肿瘤的边界是指磁共振图像上的肿瘤图像与磁共振图像其他部分的交界线。由于磁共振图像由于针对采集的面积比较大，所以包含了除了肿瘤以外的其他区域，故，获取肿瘤对应的磁共振图像集后，还需根据肿瘤的边界，从具有时间序列的磁共振图像集中提取出肿瘤图像，从而得到具有时间序列的多个肿瘤图像。

步骤504，根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像。

识别肿瘤的边界后，根据肿瘤的边界分割出肿瘤图像。从具有时间序列的磁共振图像集中，识别出肿瘤的边界，根据边界提取出肿瘤图像，得到具有时间序列的多个肿瘤图像，用于进行肿瘤图像的处理。

如图6所示，本发明实施例提供一种肿瘤网络构建的装置，该装置包括：

第一获取模块602，用于获取肿瘤对应的磁共振图像集，所述磁共振图像集是具有时间序列的磁共振图像集；根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像；

第二获取模块604，用于根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列时间序列；

计算模块606，用于计算两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数，根据所述两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数得到肿瘤相关矩阵；

建立模块608，用于根据肿瘤相关矩阵建立肿瘤网络。

在一个实施例中，计算模块606还用于对所述相关矩阵采用多个二值化阈值进行二值化处理得到多个二值化矩阵；建立模块608，还用于根据所述多个二值化矩阵建立多个肿瘤网络。

在一个实施例中，计算模块606还用于根据所述肿瘤网络计算得到预设属性对应的属性值；建立模块608还用于根据所述肿瘤网络对应的二值化阈值得到二值化阈值与所述属性值之间的特征关系。

在一个实施例中，建立模块608还用于将所述二值化阈值作为横坐标，将所述二值化阈值对应的预设属性的属性值作为纵坐标生成所述二值化阈值与所述预设属性之间的分析图像。

在一个实施例中，所述预设属性包括：网络聚类系数、网络最短路径长度、网络全局效率、网络平局局部效率中的至少一个。计算模块606还用于计算肿瘤网络的预设属性。

在一个实施例中，所述多个肿瘤图像中包括：增强扫描时间点之前的图像和增强扫描时间点之后的图像；第二获取模块604还用于根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列，包括：提取每个肿瘤图像中同一预设肿瘤单位对应的肿瘤图像位置；按照每个所述肿瘤图像对应的时间点得到所述同一预设肿瘤单位对应的磁共振灌注成像的时间序列。

在一个实施例中，第一获取模块602还用于根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像，包括：识别所述磁共振图像中肿瘤的边界；根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像。

图7示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器和终端设备，所述服务器包括但不限于高性能计算机和高性能计算机集群；所述终端设备包括但不限于移动终端设备和台式终端设备，所述移动终端设备包括但不限于手机、平板电脑、智能手表和笔记本电脑，所述台式终端设备包括但不限于台式电脑和车载电脑。如图7所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现肿瘤网络构建的方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行肿瘤网络构建的方法。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的肿瘤网络构建的方法可以实现为一种计算机程序的形式，计算机程序可在如图7所示的计算机设备上运行。计算机设备的存储器中可存储组成肿瘤网络构建的装置的各个程序模板。比如，第一获取模块602，第二获取模块604，计算模块606，建立模块608。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：获取肿瘤对应的磁共振图像集，所述磁共振图像集是具有时间序列的磁共振图像集；根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像；根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列；计算两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数，根据所述两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数得到肿瘤相关矩阵；根据肿瘤相关矩阵建立肿瘤网络。

在一个实施例中，所述根据肿瘤相关矩阵建立肿瘤网络，包括：对所述相关矩阵采用多个二值化阈值进行二值化处理得到多个二值化矩阵；根据所述多个二值化矩阵建立多个肿瘤网络。

在一个实施例中，计算机程序被所述处理器执行时，还用于执行以下步骤：根据所述肿瘤网络计算得到预设属性对应的属性值；根据所述肿瘤网络对应的二值化阈值得到二值化阈值与所述属性值之间的特征关系。

在一个实施例中，所述根据所述肿瘤网络对应的二值化阈值得到二值化阈值与所述属性值之间的特征关系，包括：将所述二值化阈值作为横坐标，将所述二值化阈值对应的预设属性的属性值作为纵坐标生成所述二值化阈值与所述预设属性之间的分析图像。

在一个实施例中，所述预设属性包括：网络聚类系数、网络最短路径长度、网络全局效率、网络平局局部效率中的至少一个。

在一个实施例中，所述多个肿瘤图像中包括：增强扫描时间点之前的图像和增强扫描时间点之后的图像；所述根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列，包括：提取每个肿瘤图像中同一预设肿瘤单位对应的肿瘤图像信号强度；按照每个所述肿瘤图像对应的时间点得到所述同一预设肿瘤单位对应的磁共振灌注成像的时间序列。

在一个实施例中，所述根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像，包括：识别所述磁共振图像中肿瘤的边界；根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如下步骤：获取肿瘤对应的磁共振图像集，所述磁共振图像集是具有时间序列的磁共振图像集；根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像；根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列时间序列；计算两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数，根据所述两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数得到肿瘤相关矩阵；根据肿瘤相关矩阵建立肿瘤网络。

在一个实施例中，所述根据肿瘤相关矩阵建立肿瘤网络，包括：对所述相关矩阵采用多个二值化阈值进行二值化处理得到多个二值化矩阵；根据所述多个二值化矩阵建立多个肿瘤网络。

在一个实施例中，计算机程序被所述处理器执行时，还用于执行以下步骤：根据所述肿瘤网络计算得到预设属性对应的属性值；根据所述肿瘤网络对应的二值化阈值得到二值化阈值与所述属性值之间的特征关系。

在一个实施例中，所述根据所述肿瘤网络对应的二值化阈值得到二值化阈值与所述属性值之间的特征关系，包括：将所述二值化阈值作为横坐标，将所述二值化阈值对应的预设属性的属性值作为纵坐标生成所述二值化阈值与所述预设属性之间的分析图像。

在一个实施例中，所述预设属性包括：网络聚类系数、网络最短路径长度、网络全局效率、网络平局局部效率中的至少一个。

在一个实施例中，所述多个肿瘤图像中包括：增强扫描时间点之前的图像和增强扫描时间点之后的图像；所述根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列，包括：提取每个肿瘤图像中同一预设肿瘤单位对应的肿瘤图像信号强度；按照每个所述肿瘤图像对应的时间点得到所述同一预设肿瘤单位对应的磁共振灌注成像的时间序列。

在一个实施例中，所述根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像，包括：识别所述磁共振图像中肿瘤的边界；根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像。

需要说明的是，上述肿瘤网络构建的方法、肿瘤网络构建的装置、计算机设备及计算机可读存储介质属于一个总的发明构思，肿瘤网络构建的方法、肿瘤网络构建的装置、计算机设备及计算机可读存储介质实施例中的内容可相互适用。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种肿瘤网络的构建方法，其特征在于，所述的方法：

获取肿瘤对应的磁共振图像集，所述磁共振图像集是具有时间序列的磁共振图像集；

根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像；

根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列；

计算两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数，根据所述两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数得到肿瘤相关矩阵；

根据肿瘤相关矩阵建立肿瘤网络。

2.根据权利要求1所述的方法，其特征在于，所述根据肿瘤相关矩阵建立肿瘤网络，包括：

对所述相关矩阵采用多个二值化阈值进行二值化处理得到多个二值化矩阵；

根据所述多个二值化矩阵建立多个肿瘤网络。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述肿瘤网络计算得到预设属性对应的属性值；

根据所述肿瘤网络对应的二值化阈值得到二值化阈值与所述属性值之间的特征关系。

4.根据权利要求3所述的方法，其特征在于，所述根据所述肿瘤网络对应的二值化阈值得到二值化阈值与所述属性值之间的特征关系，包括：

将所述二值化阈值作为横坐标，将所述二值化阈值对应的预设属性的属性值作为纵坐标生成所述二值化阈值与所述预设属性之间的分析图像。

5.根据权利要求1所述的方法，其特征在于，所述预设属性包括：网络聚类系数、网络最短路径长度、网络全局效率、网络平局局部效率中的至少一个。

6.根据权利要求1所述的方法，其特征在于，所述多个肿瘤图像中包括：增强扫描时间点之前的图像和增强扫描时间点之后的图像；所述根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列，包括：

提取每个肿瘤图像中同一预设肿瘤单位对应的信号强度；

按照每个所述肿瘤图像对应的时间点得到所述同一预设肿瘤单位对应的磁共振灌注成像的时间序列。

7.根据权利要求1所述的方法，其特征在于，所述根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像，包括：

识别所述磁共振图像中肿瘤的边界；

根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像。

8.一种肿瘤网络构建的装置，其特征在于，所述装置包括：

第一获取模块，用于获取肿瘤对应的磁共振图像集，所述磁共振图像集是具有时间序列的磁共振图像集；根据肿瘤在磁共振图像中的边界从所述具有时间序列的磁共振图像集中提取出肿瘤图像，得到具有时间序列的多个肿瘤图像；

第二获取模块，用于根据具有时间序列的多个肿瘤图像提取出预设肿瘤单位对应的磁共振灌注成像的时间序列；

计算模块，用于计算两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数，根据所述两两预设肿瘤单位的磁共振灌注成像的时间序列之间的相关系数得到肿瘤相关矩阵；

建立模块，用于根据肿瘤相关矩阵建立肿瘤网络。

9.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述肿瘤网络构建的方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述肿瘤网络构建的方法的步骤。

Images