CN112545476A - 在mpMRI上检出前列腺癌包膜外侵犯的系统及方法 - Google Patents
在mpMRI上检出前列腺癌包膜外侵犯的系统及方法 Download PDFInfo
- Publication number
- CN112545476A CN112545476A CN201910919722.XA CN201910919722A CN112545476A CN 112545476 A CN112545476 A CN 112545476A CN 201910919722 A CN201910919722 A CN 201910919722A CN 112545476 A CN112545476 A CN 112545476A
- Authority
- CN
- China
- Prior art keywords
- invasion
- data
- prostate cancer
- module
- cancer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4375—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the male reproductive system
- A61B5/4381—Prostate evaluation or disorder diagnosis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Gynecology & Obstetrics (AREA)
- Reproductive Health (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提供一种在mpMRI上检出前列腺癌包膜外侵犯的系统,包括前列腺癌智能检出模块对患者的图像进行癌灶诊断;当接收癌灶数据时,AI调度模块查找T2WI序列图像;当接收非癌灶数据时,将非癌灶数据发给结构化报告模块;前列腺癌包膜外侵犯评估模块识别T2WI序列图像中前列腺癌包膜外侵犯的分类层数,基于分类层数判断是否存在包膜外侵犯;当结构化报告模块接收非癌灶数据或有癌灶且无包膜外侵犯时,激活未发现包膜外侵犯控件,有癌灶且无包膜外侵犯时生成T2分期;当接收有包膜外侵犯时,激活有发现控件,生成T3及以上分期。本发明还公开一种在mpMRI上检出前列腺癌包膜外侵犯的方法。本发明提高了诊断的准确性,提升了效率。
Description
技术领域
本发明涉及医疗信息领域,更具体地,涉及一种在mpMRI上检出前列腺癌包膜外侵犯的系统及方法。
背景技术
前列腺癌是否有包膜外侵犯(Extracapsular extension,ECE)是判断局部分期的最重要指标。局限于包膜内的肿瘤为T2期以下,有可能行根治性前列腺切除术进行治疗;有ECE的肿瘤为T3期以上,不适合行根治切除手术,而应采取内分泌治疗等保守治疗方法。
对于PSA无显著升高的患者,术前评价ECE主要靠影像检查。因MRI的软组织分辨率高,故成为术前评估ECE的最主要方法。前列腺影像报告和数据系统(prostate imagingreporting and data system,PI-RADS)指南要求书写MRI报告时,对高度怀疑前列腺癌的患者必须报告有无ECE。医生凭经验读片做判断,敏感性、特异性均不高,且读片者间一致性差。
发明内容
有鉴于此,本发明的主要目的在于提供一种在mpMRI上检出前列腺癌包膜外侵犯的系统及方法,能够解决现有技术中存在的诊断敏感性低、准确率低的问题。
为达到上述目的,本发明的技术方案是这样实现的:
一方面,本发明提供了一种在mpMRI上检出前列腺癌包膜外侵犯的系统,包括前列腺癌智能检出模块、AI调度模块、前列腺癌包膜外侵犯评估模块和结构化报告模块,其中,前列腺癌智能检出模块,与AI调度模块相连,用于当患者扫描完检查项目为前列腺多参数磁共振成像(multiparametric MRI,mpMRI)的检查时,对该DICOM图像进行是否存在癌灶的诊断,并将诊断数据发送给AI调度模块;AI调度模块,分别与前列腺癌智能检出模块、前列腺癌包膜外侵犯评估模块和结构化报告模块相连,用于当接收到的诊断数据为癌灶数据时,提取DICOM图像的头文件信息,基于头文件信息,查找T2WI序列图像,并将T2WI序列图像发送给前列腺癌包膜外侵犯评估模块;当接收到的诊断数据为非癌灶数据时,将非癌灶数据发送给结构化报告模块;前列腺癌包膜外侵犯评估模块,与AI调度模块相连,用于识别T2WI序列图像中前列腺癌包膜外侵犯的分类层数,基于分类层数判断是否存在包膜外侵犯,并将判断数据发送给AI调度模块,此时,AI调度模块还用于将判断数据发送给结构化报告模块;结构化报告模块,与AI调度模块相连,用于当接收到非癌灶数据或判断数据为无包膜外侵犯数据时,则激活结构化报告界面中的未发现前列腺癌包膜外侵犯相关控件,有癌灶且无包膜外侵犯时生成T2分期;当接收到判断数据为有包膜外侵犯数据时,则激活结构化报告界面中有发现相关控件,生成T3及以上分期。
优选地,前列腺癌包膜外侵犯评估模块还包括:前列腺分割单元和包膜外侵犯分类单元,其中,前列腺分割单元,分别与AI调度模块和包膜外侵犯分类单元相连,用于将T2WI序列图像进行中心裁剪,将处理后的T2WI序列图像进行解剖分割,输出前列腺体积的数据,将前列腺体积的数据发送给包膜外侵犯分类单元;包膜外侵犯分类单元,分别与前列腺分割单元和AI调度模块相连,用于基于前列腺体积的数据,将T2WI序列图像所在的外接矩形之外的区域像素去除,得出处理后的图像,并将处理后的图像进行数据标准化处理后输入到分类网络,输出该T2WI序列图像中前列腺癌包膜外侵犯的分类层数,当分类层数大于等于预设阈值时,则生成有包膜外侵犯数据,同时输出面积最大的一层图像做为关键图像;当分类层数小于预设阈值时,则生成无包膜外侵犯数据;并将有包膜外侵犯数据、关键图像和无包膜外侵犯数据发送给AI调度模块。
优选地,结构化报告模块还包括关键图像显示单元,用于当接收到有包膜外侵犯数据、关键图像时,自动将关键图像显示在结构化报告界面的相应位置。
优选地,结构化报告模块还包括导航图生成单元,与AI调度模块相连,用于当接收到有包膜外侵犯数据、关键图像时,自动在导航图上标注包膜外侵犯的位置,并将标注后的导航图显示在结构化报告界面的相应位置。
另一方面,本发明还提供了一种在mpMRI上检出前列腺癌包膜外侵犯的方法,包括:当患者扫描完检查项目为前列腺多参数磁共振成像(multiparametric MRI,mpMRI)的检查时,前列腺癌智能检出模块对该DICOM图像进行是否存在癌灶的诊断,并将诊断数据发送给AI调度模块;当AI调度模块接收到的诊断数据为癌灶数据时,提取DICOM图像的头文件信息,基于头文件信息,查找T2WI序列图像,并将T2WI序列图像发送给前列腺癌包膜外侵犯评估模块;当接收到的诊断数据为非癌灶数据时,将非癌灶数据发送给结构化报告模块;前列腺癌包膜外侵犯评估模块识别T2WI序列图像中前列腺癌包膜外侵犯的分类层数,基于分类层数判断是否存在包膜外侵犯,并将判断数据发送给AI调度模块,此时,AI调度模块还用于将判断数据发送给结构化报告模块;当结构化报告模块接收到非癌灶数据或判断数据为有癌灶且无包膜外侵犯数据时,则激活结构化报告界面中的未发现前列腺癌包膜外侵犯相关控件,有癌灶且无包膜外侵犯时生成T2分期;当接收到判断数据为有包膜外侵犯数据时,则激活结构化报告界面中有发现相关控件,生成T3及以上分期。
优选地,该方法还包括:前列腺癌包膜外侵犯评估模块中的前列腺分割单元将T2WI序列图像进行中心裁剪,将处理后的T2WI序列图像进行解剖分割,输出前列腺体积的数据,将前列腺体积的数据发送给前列腺癌包膜外侵犯评估模块中的包膜外侵犯分类单元;包膜外侵犯分类单元基于前列腺体积的数据,将T2WI序列图像所在的外接矩形之外的区域像素去除,得出处理后的图像,并将处理后的图像进行数据标准化处理后输入到分类网络,输出该T2WI序列图像中前列腺癌包膜外侵犯的分类层数,当分类层数大于等于预设阈值时,则生成有包膜外侵犯数据,同时输出面积最大的一层图像做为关键图像;当分类层数小于预设阈值时,则生成无包膜外侵犯数据;并将有包膜外侵犯数据、关键图像和无包膜外侵犯数据发送给AI调度模块。
优选地,该方法还包括:当结构化报告模块中的关键图像显示单元接收到有包膜外侵犯数据、关键图像时,自动将关键图像显示在结构化报告界面的相应位置。
优选地,该方法还包括:当结构化报告模块中的导航图生成单元接收到有包膜外侵犯数据、关键图像时,自动在导航图上标注包膜外侵犯的位置,并将标注后的导航图显示在结构化报告界面的相应位置。
本发明的技术效果:
1.由于本发明中设置了AI调度模块、前列腺癌包膜外侵犯评估模块和结构化报告模块,能够对患有前列腺癌患者的DICOM图像的前列腺癌包膜外侵犯的分类层数做出识别,将分类层数大于等于2的图像被判断为有包膜外侵犯的诊断,并将面积最大的一层作为关键图像显示在结构化报告界面的相应位置,该系统可以准确检出包膜外侵犯并定位,对前列腺癌包膜外侵犯的诊断,是分期的重要指标,对治疗计划的制定、预后的判断都有重要意义。同时,结构化报告模块基于接收到的数据,自动激活可见包膜外侵犯的相关控件,自动生成T3及以上分期,提高了诊断的敏感性和准确性,提升了报告的效率;
2.由于本发明设置了关键图像显示单元,当接收到有包膜外侵犯数据、关键图像时,自动将关键图像显示在结构化报告界面的相应位置,使医生更好的了解癌灶的位置,使得该系统的流程更人性化;
3.由于本发明设置了导航图生成单元,可以基于接收到的测量数据及关键图像,自动在导航图上标注包膜外侵犯的位置,生成标注后的导航图,显示在结构化报告界面的相应位置,不仅可以用于影像的辅助诊断,还可以用于泌尿外科和放疗科医生的辅助治疗决策,在认知融合引导穿刺、制定手术治疗计划、制定放疗计划等方面都能提供帮助。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了根据本发明实施例一的在mpMRI上检出前列腺癌包膜外侵犯的系统结构示意图;
图2示出了根据本发明实施例一的在mpMRI上检出前列腺癌包膜外侵犯的系统中结构化报告界面显示包膜外侵犯阳性发现的示意图;
图3示出了根据本发明实施例二的在mpMRI上检出前列腺癌包膜外侵犯的系统结构示意图;
图4示出了根据本发明实施例三的在mpMRI上检出前列腺癌包膜外侵犯的系统结构示意图;
图5示出了根据本发明实施例四的在mpMRI上检出前列腺癌包膜外侵犯的系统结构示意图;
图6示出了根据本发明实施例五的在mpMRI上检出前列腺癌包膜外侵犯的方法的流程图;
图7示出了根据本发明实施例五的在mpMRI上检出前列腺癌包膜外侵犯的方法中结构化报告界面显示包膜外侵犯阳性发现的示意图。
具体实施方式
下面将参考附图并结合实施例,来详细说明本发明。
实施例一
图1示出了根据本发明实施例一的在mpMRI上检出前列腺癌包膜外侵犯的系统结构示意图;如图1所示,该系统包括:包括前列腺癌智能检出模块10、AI调度模块20、前列腺癌包膜外侵犯评估模块30和结构化报告模块40,其中,
前列腺癌智能检出模块10,与AI调度模块20相连,用于当患者扫描完检查项目为前列腺多参数磁共振成像(multiparametric MRI,mpMRI)的检查时,对该DICOM图像进行是否存在癌灶的诊断,并将诊断数据发送给AI调度模块20;
AI调度模块20,分别与前列腺癌智能检出模块10、前列腺癌包膜外侵犯评估模块30和结构化报告模块40相连,用于当接收到的诊断数据为癌灶数据时,提取DICOM图像的头文件信息,基于头文件信息,查找T2WI序列图像,并将T2WI序列图像发送给前列腺癌包膜外侵犯评估模块30;当接收到的诊断数据为非癌灶数据时,将非癌灶数据发送给结构化报告模块40;
前列腺癌包膜外侵犯评估模块30,与AI调度模块20相连,用于识别T2WI序列图像中前列腺癌包膜外侵犯的分类层数,基于分类层数判断是否存在包膜外侵犯,并将判断数据发送给AI调度模块,此时,
AI调度模块20还用于将判断数据发送给结构化报告模块40;
结构化报告模块40,与AI调度模块20相连,用于当接收到非癌灶数据或判断数据为有癌灶且无包膜外侵犯数据时,则激活结构化报告界面中的未发现前列腺癌包膜外侵犯相关控件,有癌灶且无包膜外侵犯时生成T2分期;当接收到判断数据为有包膜外侵犯数据时,则激活结构化报告界面中有发现相关控件,生成T3及以上分期。
图2示出了根据本发明实施例一的在mpMRI上检出前列腺癌包膜外侵犯的系统中结构化报告界面显示包膜外侵犯阳性发现的示意图;如图2所示,在结构化报告界面显示了可见包膜外侵犯,并将关键图像显示在结构化报告界面的相应位置。
患者在泌尿外科有症状就诊时,临床医生怀疑有前列腺癌的可能性,申请mpMRI检查。检查项目为:mpMRI,盆腔平扫或盆腔平扫+增强,扫描范围:前列腺局部高分辨。病人类型:门诊病人,住院病人穿刺前。
患者在RIS登记后行MR扫描,mpMRI图像传入前列腺癌智能检出模块,诊断是否存在癌灶,如果诊断为癌灶,则通过AI调度模块查找的T2WI序列图像,将T2WI序列图像传给前列腺癌包膜外侵犯评估模块进行是否有包膜外侵犯的诊断。
前列腺癌ECE的判断,是分期的重要指标,对治疗计划的制定、预后的判断都有重要意义。MR是术前诊断ECE的最佳影像方法。PI-RADS指南要求在MRI图像上发现高度可疑癌灶时,应报告ECE的有无。对ECE的诊断要求有较高的经验,即使是专家诊断也仍有敏感性、特异性都不高的问题。本系统可以准确地判断ECE,且可以按照PI-RADS指南的要求自动生成诊断和相应的分期报告,这是既往其它CAD或AI系统从来没有过的。
本发明的实施例设置了AI调度模块、前列腺癌包膜外侵犯评估模块和结构化报告模块,能够对患有前列腺癌患者的DICOM图像的前列腺癌包膜外侵犯的分类层数做出识别,将分类层数大于等于2的图像被判断为有包膜外侵犯的诊断,并将面积最大的一层作为关键图像显示在结构化报告界面的相应位置,该系统可以准确检出包膜外侵犯并定位,对前列腺癌包膜外侵犯的诊断,是分期的重要指标,对治疗计划的制定、预后的判断都有重要意义。同时,结构化报告模块基于接收到的数据,自动激活可见包膜外侵犯的相关控件,自动生成T3及以上分期,提高了诊断的敏感性和准确性,提升了报告的效率。
实施例二
图3示出了根据本发明实施例二的在mpMRI上检出前列腺癌包膜外侵犯的系统结构示意图,如图3所示,前列腺癌包膜外侵犯评估模块30还包括:前列腺分割单元302和包膜外侵犯分类单元304,其中,
前列腺分割单元302,分别与AI调度模块20和包膜外侵犯分类单元304相连,用于将T2WI序列图像进行中心裁剪,将处理后的T2WI序列图像进行解剖分割,输出前列腺体积的数据,将前列腺体积的数据发送给包膜外侵犯分类单元304;
包膜外侵犯分类单元304,分别与前列腺分割单元302和AI调度模块20相连,用于基于前列腺体积的数据,将T2WI序列图像所在的外接矩形之外的区域像素去除,得出处理后的图像,并将处理后的图像进行数据标准化处理后输入到分类网络,输出该T2WI序列图像中前列腺癌包膜外侵犯的分类层数,当分类层数大于等于预设阈值时,则生成有包膜外侵犯数据,同时输出面积最大的一层图像做为关键图像;当分类层数小于预设阈值时,则生成无包膜外侵犯数据;并将有包膜外侵犯数据、关键图像和无包膜外侵犯数据发送给AI调度模块20。
其中,预设阈值一般为2,当分类层数大于等于2时,则判断为有包膜外侵犯,当分类层数小于2时,则判断为无包膜外侵犯。
其中,T2WI序列图像的大小从512*512变成256*256。
实施例三
图4示出了根据本发明实施例三的在mpMRI上检出前列腺癌包膜外侵犯的系统结构示意图;如图4所示,结构化报告模块40还包括关键图像显示单元402,用于当接收到有包膜外侵犯数据、关键图像时,自动将关键图像显示在结构化报告界面的相应位置。
本发明的实施例设置了关键图像显示单元,当接收到有包膜外侵犯数据、关键图像时,自动将关键图像显示在结构化报告界面的相应位置,使医生更好的了解癌灶的位置,使得该系统的流程更人性化。
实施例四
图5示出了根据本发明实施例四的在mpMRI上检出前列腺癌包膜外侵犯的系统结构示意图;如图5所示,结构化报告模块40还包括导航图生成单元404,与AI调度模块20相连,用于当接收到有包膜外侵犯数据、关键图像时,自动在导航图上标注包膜外侵犯的位置,并将标注后的导航图显示在结构化报告界面的相应位置。
本发明的实施例设置了导航图生成单元,可以基于接收到的测量数据及关键图像,自动在导航图上标注包膜外侵犯的位置,生成标注后的导航图,显示在结构化报告界面的相应位置,不仅可以用于影像的辅助诊断,还可以用于泌尿外科和放疗科医生的辅助治疗决策,在认知融合引导穿刺、制定手术治疗计划、制定放疗计划等方面都能提供帮助。
实施例五
图6示出了根据本发明实施例五的在mpMRI上检出前列腺癌包膜外侵犯的方法的流程图;如图6所示,该方法包括以下步骤:
步骤S501,当患者扫描完检查项目为前列腺多参数磁共振成像(multiparametricMRI,mpMRI)的检查时,前列腺癌智能检出模块对该DICOM图像进行是否存在癌灶的诊断,并将诊断数据发送给AI调度模块;
其中,影像信息管理模块为RIS(Radiology Information System)系统;患者的类型为门诊病人。
步骤S502,当AI调度模块接收到的诊断数据为癌灶数据时,提取DICOM图像的头文件信息,基于头文件信息,查找T2WI序列图像,并将T2WI序列图像发送给前列腺癌包膜外侵犯评估模块;当接收到的诊断数据为非癌灶数据时,将非癌灶数据发送给结构化报告模块;
步骤S503,前列腺癌包膜外侵犯评估模块识别T2WI序列图像中前列腺癌包膜外侵犯的分类层数,基于分类层数判断是否存在包膜外侵犯,并将判断数据发送给AI调度模块,此时,AI调度模块还用于将判断数据发送给结构化报告模块;
步骤S504,当结构化报告模块接收到非癌灶数据或判断数据为有癌灶且无包膜外侵犯数据时,则激活结构化报告界面中的未发现前列腺癌包膜外侵犯相关控件,有癌灶且无包膜外侵犯时生成T2分期;当接收到判断数据为有包膜外侵犯数据时,则激活结构化报告界面中有发现相关控件,生成T3及以上分期;
图7示出了根据本发明实施例五的在mpMRI上检出前列腺癌包膜外侵犯的方法中结构化报告界面显示包膜外侵犯阳性发现的示意图;如图7所示,在结构化报告界面显示了可见包膜外侵犯,并将关键图像显示在结构化报告界面的相应位置。
患者在泌尿外科有症状就诊时,临床医生怀疑有前列腺癌的可能性,申请mpMRI检查。检查项目为:mpMRI,盆腔平扫或盆腔平扫+增强,扫描范围:前列腺局部高分辨。病人类型:门诊病人,住院病人穿刺前。
患者在RIS登记后行MR扫描,mpMRI图像传入前列腺癌智能检出模块,诊断是否存在癌灶,如果诊断为癌灶,则通过AI调度模块查找的T2WI序列图像,将T2WI序列图像传给前列腺癌包膜外侵犯评估模块进行是否有包膜外侵犯的诊断。
前列腺癌ECE的判断,是分期的重要指标,对治疗计划的制定、预后的判断都有重要意义。MR是术前诊断ECE的最佳影像方法。PI-RADS指南要求在MRI图像上发现高度可疑癌灶时,应报告ECE的有无。对ECE的诊断要求有较高的经验,即使是专家诊断也仍有敏感性、特异性都不高的问题。本系统可以准确地判断ECE,且可以按照PI-RADS指南的要求自动生成诊断和相应的分期报告,这是既往其它CAD或AI系统从来没有过的。
其中,该方法还包括:前列腺癌包膜外侵犯评估模块中的前列腺分割单元将T2WI序列图像进行中心裁剪,将处理后的T2WI序列图像进行解剖分割,输出前列腺体积的数据,将前列腺体积的数据发送给前列腺癌包膜外侵犯评估模块中的包膜外侵犯分类单元;
包膜外侵犯分类单元基于前列腺体积的数据,将T2WI序列图像所在的外接矩形之外的区域像素去除,得出处理后的图像,并将处理后的图像进行数据标准化处理后输入到分类网络,输出该T2WI序列图像中前列腺癌包膜外侵犯的分类层数,当分类层数大于等于预设阈值时,则生成有包膜外侵犯数据,同时输出面积最大的一层图像做为关键图像;当分类层数小于预设阈值时,则生成无包膜外侵犯数据;并将有包膜外侵犯数据、关键图像和无包膜外侵犯数据发送给AI调度模块。
其中,预设阈值一般为2,当分类层数大于等于2时,则判断为有包膜外侵犯,当分类层数小于2时,则判断为无包膜外侵犯。
其中,T2WI序列图像的大小从512*512变成256*256。
其中,该方法还包括:当结构化报告模块中的关键图像显示单元接收到有包膜外侵犯数据、关键图像时,自动将关键图像显示在结构化报告界面的相应位置。
其中,该方法还包括:当结构化报告模块中的导航图生成单元接收到有包膜外侵犯数据、关键图像时,自动在导航图上标注包膜外侵犯的位置,并将标注后的导航图显示在结构化报告界面的相应位置。
本发明实施例中的AI调度模块、前列腺癌包膜外侵犯评估模块和结构化报告模块,能够对患有前列腺癌患者的DICOM图像的前列腺癌包膜外侵犯的分类层数做出识别,将分类层数大于等于2的图像被判断为有包膜外侵犯的诊断,并将面积最大的一层作为关键图像显示在结构化报告界面的相应位置,该系统可以准确检出包膜外侵犯并定位,对前列腺癌包膜外侵犯的诊断,是分期的重要指标,对治疗计划的制定、预后的判断都有重要意义。同时,结构化报告模块基于接收到的数据,自动激活可见包膜外侵犯的相关控件,自动生成T3及以上分期,提高了诊断的敏感性和准确性,提升了报告的效率;本发明实施例中的关键图像显示单元,当接收到有包膜外侵犯数据、关键图像时,自动将关键图像显示在结构化报告界面的相应位置,使医生更好的了解癌灶的位置,使得该系统的流程更人性化;本发明实施例中的导航图生成单元,可以基于接收到的测量数据及关键图像,自动在导航图上标注包膜外侵犯的位置,生成标注后的导航图,显示在结构化报告界面的相应位置,不仅可以用于影像的辅助诊断,还可以用于泌尿外科和放疗科医生的辅助治疗决策,在认知融合引导穿刺、制定手术治疗计划、制定放疗计划等方面都能提供帮助。
从以上描述中,可以看出,本发明的上述实施例实现了如下技术效果:由于本发明实施例设置了AI调度模块、前列腺癌包膜外侵犯评估模块和结构化报告模块,能够对患有前列腺癌患者的DICOM图像的前列腺癌包膜外侵犯的分类层数做出识别,将分类层数大于等于2的图像被判断为有包膜外侵犯的诊断,并将面积最大的一层作为关键图像显示在结构化报告界面的相应位置,该系统可以准确检出包膜外侵犯并定位,对前列腺癌包膜外侵犯的诊断,是分期的重要指标,对治疗计划的制定、预后的判断都有重要意义。同时,结构化报告模块基于接收到的数据,自动激活可见包膜外侵犯的相关控件,自动生成T3及以上分期,提高了诊断的敏感性和准确性,提升了报告的效率;由于本发明实施例设置了关键图像显示单元,当接收到有包膜外侵犯数据、关键图像时,自动将关键图像显示在结构化报告界面的相应位置,使医生更好的了解癌灶的位置,使得该系统的流程更人性化;由于本发明实施例设置了导航图生成单元,可以基于接收到的测量数据及关键图像,自动在导航图上标注包膜外侵犯的位置,生成标注后的导航图,显示在结构化报告界面的相应位置,不仅可以用于影像的辅助诊断,还可以用于泌尿外科和放疗科医生的辅助治疗决策,在认知融合引导穿刺、制定手术治疗计划、制定放疗计划等方面都能提供帮助。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种在mpMRI上检出前列腺癌包膜外侵犯的系统,其特征在于,包括前列腺癌智能检出模块、AI调度模块、前列腺癌包膜外侵犯评估模块和结构化报告模块,其中,
所述前列腺癌智能检出模块,与所述AI调度模块相连,用于当患者扫描完检查项目为前列腺多参数磁共振成像(multiparametric MRI,mpMRI)的检查时,对该DICOM图像进行是否存在癌灶的诊断,并将诊断数据发送给所述AI调度模块;
所述AI调度模块,分别与所述前列腺癌智能检出模块、所述前列腺癌包膜外侵犯评估模块和所述结构化报告模块相连,用于当接收到的所述诊断数据为癌灶数据时,提取所述DICOM图像的头文件信息,基于所述头文件信息,查找T2WI序列图像,并将所述T2WI序列图像发送给所述前列腺癌包膜外侵犯评估模块;当接收到的所述诊断数据为非癌灶数据时,将所述非癌灶数据发送给所述结构化报告模块;
所述前列腺癌包膜外侵犯评估模块,与所述AI调度模块相连,用于识别所述T2WI序列图像中前列腺癌包膜外侵犯的分类层数,基于所述分类层数判断是否存在包膜外侵犯,并将判断数据发送给所述AI调度模块,此时,所述AI调度模块还用于将所述判断数据发送给所述结构化报告模块;
所述结构化报告模块,与所述AI调度模块相连,用于当接收到所述非癌灶数据或所述判断数据为有癌灶且无包膜外侵犯数据时,则激活结构化报告界面中的未发现前列腺癌包膜外侵犯相关控件,有癌灶且无包膜外侵犯时生成T2分期;当接收到所述判断数据为有包膜外侵犯数据时,则激活结构化报告界面中有发现相关控件,生成T3及以上分期。
2.根据权利要求1所述的在mpMRI上检出前列腺癌包膜外侵犯的系统,其特征在于,所述前列腺癌包膜外侵犯评估模块还包括:前列腺分割单元和包膜外侵犯分类单元,其中,
所述前列腺分割单元,分别与所述AI调度模块和所述包膜外侵犯分类单元相连,用于将所述T2WI序列图像进行中心裁剪,将处理后的所述T2WI序列图像进行解剖分割,输出前列腺体积的数据,将所述前列腺体积的数据发送给所述包膜外侵犯分类单元;
所述包膜外侵犯分类单元,分别与所述前列腺分割单元和所述AI调度模块相连,用于基于所述前列腺体积的数据,将所述T2WI序列图像所在的外接矩形之外的区域像素去除,得出处理后的图像,并将所述处理后的图像进行数据标准化处理后输入到分类网络,输出该T2WI序列图像中前列腺癌包膜外侵犯的分类层数,当所述分类层数大于等于预设阈值时,则生成所述有包膜外侵犯数据,同时输出面积最大的一层图像做为关键图像;当所述分类层数小于所述预设阈值时,则生成无包膜外侵犯数据;并将所述有包膜外侵犯数据、所述关键图像和所述无包膜外侵犯数据发送给所述AI调度模块。
3.根据权利要求2所述的在mpMRI上检出前列腺癌包膜外侵犯的系统,其特征在于,所述结构化报告模块还包括关键图像显示单元,用于当接收到所述有包膜外侵犯数据、所述关键图像时,自动将所述关键图像显示在所述结构化报告界面的相应位置。
4.根据权利要求1所述的在mpMRI上检出前列腺癌包膜外侵犯的系统,其特征在于,所述结构化报告模块还包括导航图生成单元,与所述AI调度模块相连,用于当接收到所述有包膜外侵犯数据、所述关键图像时,自动在导航图上标注包膜外侵犯的位置,并将标注后的导航图显示在结构化报告界面的相应位置。
5.一种在mpMRI上检出前列腺癌包膜外侵犯的方法,其特征在于,包括:
当患者扫描完检查项目为前列腺多参数磁共振成像(multiparametric MRI,mpMRI)的检查时,前列腺癌智能检出模块对该DICOM图像进行是否存在癌灶的诊断,并将诊断数据发送给AI调度模块;
当所述AI调度模块接收到的所述诊断数据为癌灶数据时,提取所述DICOM图像的头文件信息,基于所述头文件信息,查找T2WI序列图像,并将所述T2WI序列图像发送给前列腺癌包膜外侵犯评估模块;当接收到的所述诊断数据为非癌灶数据时,将所述非癌灶数据发送给结构化报告模块;
所述前列腺癌包膜外侵犯评估模块识别所述T2WI序列图像中前列腺癌包膜外侵犯的分类层数,基于所述分类层数判断是否存在包膜外侵犯,并将判断数据发送给所述AI调度模块,此时,所述AI调度模块还用于将所述判断数据发送给所述结构化报告模块;
当所述结构化报告模块接收到所述非癌灶数据或所述判断数据为有癌灶且无包膜外侵犯数据时,则激活结构化报告界面中的未发现前列腺癌包膜外侵犯相关控件,有癌灶且无包膜外侵犯时生成T2分期;当接收到所述判断数据为有包膜外侵犯数据时,则激活结构化报告界面中有发现相关控件,生成T3及以上分期。
6.根据权利要求5所述的在mpMRI上检出前列腺癌包膜外侵犯的方法,其特征在于,该方法还包括:
所述前列腺癌包膜外侵犯评估模块中的前列腺分割单元将所述T2WI序列图像进行中心裁剪,将处理后的所述T2WI序列图像进行解剖分割,输出前列腺体积的数据,将所述前列腺体积的数据发送给所述前列腺癌包膜外侵犯评估模块中的包膜外侵犯分类单元;
所述包膜外侵犯分类单元基于所述前列腺体积的数据,将所述T2WI序列图像所在的外接矩形之外的区域像素去除,得出处理后的图像,并将所述处理后的图像进行数据标准化处理后输入到分类网络,输出该T2WI序列图像中前列腺癌包膜外侵犯的分类层数,当所述分类层数大于等于预设阈值时,则生成所述有包膜外侵犯数据,同时输出面积最大的一层图像做为关键图像;当所述分类层数小于所述预设阈值时,则生成无包膜外侵犯数据;并将所述有包膜外侵犯数据、所述关键图像和所述无包膜外侵犯数据发送给所述AI调度模块。
7.根据权利要求5所述的在mpMRI上检出前列腺癌包膜外侵犯的方法,其特征在于,该方法还包括:当所述结构化报告模块中的关键图像显示单元接收到所述有包膜外侵犯数据、所述关键图像时,自动将所述关键图像显示在所述结构化报告界面的相应位置。
8.根据权利要求5所述的在mpMRI上检出前列腺癌包膜外侵犯的方法,其特征在于,该方法还包括:当所述结构化报告模块中的导航图生成单元接收到所述有包膜外侵犯数据、所述关键图像时,自动在导航图上标注包膜外侵犯的位置,并将标注后的导航图显示在结构化报告界面的相应位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910919722.XA CN112545476B (zh) | 2019-09-26 | 2019-09-26 | 在mpMRI上检出前列腺癌包膜外侵犯的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910919722.XA CN112545476B (zh) | 2019-09-26 | 2019-09-26 | 在mpMRI上检出前列腺癌包膜外侵犯的系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112545476A true CN112545476A (zh) | 2021-03-26 |
CN112545476B CN112545476B (zh) | 2022-07-15 |
Family
ID=75030147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910919722.XA Active CN112545476B (zh) | 2019-09-26 | 2019-09-26 | 在mpMRI上检出前列腺癌包膜外侵犯的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112545476B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114240839A (zh) * | 2021-11-17 | 2022-03-25 | 东莞市人民医院 | 基于深度学习的膀胱肿瘤肌层侵犯预测方法及相关装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104424386A (zh) * | 2013-08-23 | 2015-03-18 | 北京大学 | 基于多参数磁共振影像的前列腺癌计算机辅助识别系统 |
US20160196647A1 (en) * | 2015-01-05 | 2016-07-07 | Case Western Reserve University | Differential Atlas For Cancer Assessment |
US20170032090A1 (en) * | 2015-07-30 | 2017-02-02 | Siemens Medical Solutions Usa, Inc. | Virtual biopsy techniques for analyzing diseases |
CN108573490A (zh) * | 2018-04-25 | 2018-09-25 | 王成彦 | 一种针对肿瘤影像数据的智能读片系统 |
CN108596894A (zh) * | 2018-04-25 | 2018-09-28 | 王成彦 | 一种用于多参数磁共振影像的前列腺自动分区方法 |
CN109754007A (zh) * | 2018-12-27 | 2019-05-14 | 武汉唐济科技有限公司 | 前列腺手术中外包膜智能检测和预警方法及系统 |
-
2019
- 2019-09-26 CN CN201910919722.XA patent/CN112545476B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104424386A (zh) * | 2013-08-23 | 2015-03-18 | 北京大学 | 基于多参数磁共振影像的前列腺癌计算机辅助识别系统 |
US20160196647A1 (en) * | 2015-01-05 | 2016-07-07 | Case Western Reserve University | Differential Atlas For Cancer Assessment |
US20170032090A1 (en) * | 2015-07-30 | 2017-02-02 | Siemens Medical Solutions Usa, Inc. | Virtual biopsy techniques for analyzing diseases |
CN108573490A (zh) * | 2018-04-25 | 2018-09-25 | 王成彦 | 一种针对肿瘤影像数据的智能读片系统 |
CN108596894A (zh) * | 2018-04-25 | 2018-09-28 | 王成彦 | 一种用于多参数磁共振影像的前列腺自动分区方法 |
CN109754007A (zh) * | 2018-12-27 | 2019-05-14 | 武汉唐济科技有限公司 | 前列腺手术中外包膜智能检测和预警方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114240839A (zh) * | 2021-11-17 | 2022-03-25 | 东莞市人民医院 | 基于深度学习的膀胱肿瘤肌层侵犯预测方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112545476B (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lakhman et al. | Differentiation of uterine leiomyosarcoma from atypical leiomyoma: diagnostic accuracy of qualitative MR imaging features and feasibility of texture analysis | |
US6697506B1 (en) | Mark-free computer-assisted diagnosis method and system for assisting diagnosis of abnormalities in digital medical images using diagnosis based image enhancement | |
US8452613B2 (en) | Multiple modality computer aided diagnostic system and method | |
EP3806744B1 (en) | Immediate workup | |
US20220254023A1 (en) | System and Method for Interpretation of Multiple Medical Images Using Deep Learning | |
CN113272915B (zh) | 用于医疗保健应用中的机器学习定位模型的交互式阴性解释的系统、用户接口和方法 | |
WO2014030092A1 (en) | Automatic detection and retrieval of prior annotations relevant for an imaging study for efficient viewing and reporting | |
Patel-Lippmann et al. | Comparison of international ovarian tumor analysis simple rules to society of radiologists in ultrasound guidelines for detection of malignancy in adnexal cysts | |
CN112802000A (zh) | 多模态医学影像智能辅助诊疗系统 | |
WO2007109704A2 (en) | Medical imaging visibility index system and method for cancer lesions | |
CN112545476B (zh) | 在mpMRI上检出前列腺癌包膜外侵犯的系统及方法 | |
Elmahdy et al. | Radiomics analysis in medical imaging research | |
Sheng et al. | Feasibility of using improved convolutional neural network to classify BI-RADS 4 breast lesions: compare deep learning features of the lesion itself and the minimum bounding cube of lesion | |
Oh et al. | Developing and evaluating deep learning algorithms for object detection: key points for achieving superior model performance | |
CN112545480B (zh) | 在mri上检测前列腺和精囊腺良性病变的系统及方法 | |
CN113096132A (zh) | 图像处理的方法、装置、存储介质和电子设备 | |
JP2004283188A (ja) | 画像診断支援装置、画像診断支援方法、プログラム及び記憶媒体 | |
Wang et al. | Quality in MR reporting (include improvements in acquisition using AI) | |
CN112562847B (zh) | 在mpMRI图像上自动检出前列腺癌转移的系统及方法 | |
Bunnell | EARLY BREAST CANCER DIAGNOSIS VIA BREAST ULTRASOUND AND DEEP LEARNING | |
Jing | Advancing breast cancer screening through the integration of artificial intelligence and ultrafast MRI | |
US20230317293A1 (en) | System and method for detecting recurrence of a disease | |
Wang et al. | Localization and Risk Stratification of Thyroid Nodules in Ultrasound Images Through Deep Learning | |
WO2020093987A1 (zh) | 医学图像处理方法、系统、计算机设备以及可读存储介质 | |
von Busch PhD | Prediction of upgrade to clinically significant prostate cancer in patients under active surveillance: Performance of a fully automated AI‐algorithm for lesion detection and classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |