CN112545481B - 在mpMRI上自动分割和定位前列腺癌的系统及方法 - Google Patents
在mpMRI上自动分割和定位前列腺癌的系统及方法 Download PDFInfo
- Publication number
- CN112545481B CN112545481B CN201910920345.1A CN201910920345A CN112545481B CN 112545481 B CN112545481 B CN 112545481B CN 201910920345 A CN201910920345 A CN 201910920345A CN 112545481 B CN112545481 B CN 112545481B
- Authority
- CN
- China
- Prior art keywords
- cancer
- prostate
- focus
- module
- partition
- 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.)
- Active
Links
- 206010060862 Prostate cancer Diseases 0.000 title claims abstract description 101
- 208000000236 Prostatic Neoplasms Diseases 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title abstract description 25
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 252
- 201000011510 cancer Diseases 0.000 claims abstract description 252
- 238000005192 partition Methods 0.000 claims abstract description 144
- 210000002307 prostate Anatomy 0.000 claims abstract description 106
- 238000001514 detection method Methods 0.000 claims abstract description 46
- 230000011218 segmentation Effects 0.000 claims abstract description 27
- 230000009545 invasion Effects 0.000 claims description 19
- 230000003902 lesion Effects 0.000 claims description 16
- 230000003213 activating effect Effects 0.000 claims description 5
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 description 48
- 230000002093 peripheral effect Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 13
- 239000000284 extract Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000001574 biopsy Methods 0.000 description 5
- 230000001149 cognitive effect Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000003416 augmentation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013188 needle biopsy Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 210000003903 pelvic floor Anatomy 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
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)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供一种在mpMRI上自动分割和定位前列腺癌的系统，包括AI调度模块当患者扫描完检查项目为前列腺mpMRI的检查时，查找ADC序列图像；前列腺分割模块将前列腺腺体分割出来，将前列腺腺体分割成复数块不同的分区；前列腺癌智能检出模块识别ADC序列图像中前列腺的所有癌灶，测量每个癌灶的三维径线和癌灶体积；基于分区后的图像数据，计算癌灶与每个分区重合部分的体积占该癌灶体积的百分比数值，将百分比数值最大的分区判断为该癌灶的位置；结构化报告模块基于返回的结果，输出癌灶所在的分区并输出PI‑RADS评分(4分或5分)。本发明还公开一种在mpMRI上自动分割和定位前列腺癌的方法。本发明能准确定位癌灶位置，判断癌灶是否侵犯到前列腺外，提高工作效率。
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上自动分割和定位前列腺癌的系统及方法。
背景技术
前列腺mpMRI检查的最主要任务是检出癌并定位，以引导穿刺活检。临床对mpMRI报告的要求是：明确写出每个癌灶的大小、位置。根据临床常规或国际指南，每个癌灶均应提供按模板标注的定位信息。缺乏定位信息，或定位信息不明确，未按照模板给出定位信息等，都是不规范的，此时影像报告的价值有限。
另外，由于前列腺癌基本都是多发，穿刺时应关注最重要的癌灶，这个癌灶常常是影响患者预后的决定性病灶，也是临床诊断时最关心的。所以，在多个病灶中确定标志病灶也是报告的重要任务。现有技术的不足是没有对癌灶按模板要求精确定位，也没有确定标志病灶，不利于引导穿刺活检，影像报告的价值很有限。
发明内容
有鉴于此，本发明的主要目的在于提供一种在mpMRI上自动分割和定位前列腺癌的系统及方法，能够解决现有技术中存在的缺乏癌灶定位信息导致的不利于引导穿刺活检、降低医生工作效率的问题。
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上自动分割和定位前列腺癌的系统，包括：AI调度模块、前列腺分割模块、前列腺癌智能检出模块和结构化报告模块，其中，AI调度模块，分别与前列腺分割模块、前列腺癌智能检出模块和结构化报告模块相连，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，提取该DICOM图像的头文件信息，基于头文件信息，查找ADC序列图像，并将ADC序列图像发送给前列腺分割模块和前列腺癌智能检出模块；前列腺分割模块，与AI调度模块相连，用于接收ADC序列图像，识别前列腺腺体，将前列腺腺体分割出来，基于前列腺系统穿刺的分区标准，将前列腺腺体分割成复数块不同的分区，将每个分区设置唯一分区编号，并将分区后的图像数据以及分区编号发送给AI调度模块；此时，AI调度模块还用于将分区后的图像数据以及分区编号发送给前列腺癌智能检出模块；前列腺癌智能检出模块，与AI调度模块相连，用于接收ADC序列图像，识别ADC序列图像中前列腺的所有癌灶，测量每个癌灶的三维径线和癌灶体积；基于分区后的图像数据，计算癌灶与每个分区重合部分的体积占该癌灶体积的百分比数值，当百分比数值最大时，即判断该分区为该癌灶的位置，并将每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积发送给AI调度模块，此时，AI调度模块还用于将每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积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，用于基于分区编号，输出癌灶所在的分区，并激活该分区对应的控件；基于癌灶的三维径线和癌灶体积，输出PI-RADS评分。
优选地，前列腺癌智能检出模块还包括判断单元，与AI调度模块相连，用于计算所有分区的百分比数值之和，当百分比数值之和等于1时，则判断该癌灶在前列腺内部，当百分比数值之和小于1且大于0时，则判断该癌灶存在前列腺外侵犯，当百分比数值之和等于0时，则判断该癌灶不在前列腺；并将判断数据发送给AI调度模块。
优选地，前列腺癌智能检出模块还包括标志病灶识别单元，分别与判断单元和AI调度模块相连，用于当接收到前列腺外侵犯数据时，基于前列腺外侵犯数据，识别与之对应的癌灶数据，判断该癌灶为标志癌灶；当未接收到前列腺外侵犯数据时，基于每个癌灶的三维径线和每个癌灶体积，识别癌灶体积最大的癌灶，则该癌灶判断为标志病灶，并将标志病灶对应的关键图像、三维径线和癌灶体积发送给AI调度模块；此时，结构化报告模块还用于当接收到关键图像时，激活标志病灶相关控件，并将关键图像显示在结构化报告界面相应位置。
优选地，前列腺腺体分割成复数块不同的分区，包括：6分区、12分区、39分区和41分区。
优选的，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，用于当接收到每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积时，将所有癌灶体积从大到小排列，提取排在前三的癌灶数据，自动在导航图上标注癌灶的位置，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上自动分割和定位前列腺癌的方法，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，AI调度模块提取该DICOM图像的头文件信息，基于头文件信息，查找ADC序列图像，并将ADC序列图像发送给前列腺分割模块和前列腺癌智能检出模块；前列腺分割模块接收ADC序列图像，识别前列腺腺体，将前列腺腺体分割出来，基于前列腺系统穿刺的分区标准，将前列腺腺体分割成复数块不同的分区，将每个分区设置唯一分区编号，并将分区后的图像数据以及分区编号发送给AI调度模块；此时，AI调度模块还用于将分区后的图像数据以及分区编号发送给前列腺癌智能检出模块；前列腺癌智能检出模块识别ADC序列图像中前列腺的所有癌灶，测量每个癌灶的三维径线和癌灶体积；基于分区后的图像数据，计算癌灶与每个分区重合部分的体积占该癌灶体积的百分比数值，当百分比数值最大时，即判断该分区为该癌灶的位置，并将每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积发送给AI调度模块，此时，AI调度模块还用于将每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积发送给结构化报告模块；结构化报告模块基于分区编号，输出癌灶所在的分区，并激活该分区对应的控件；基于癌灶的三维径线和癌灶体积，输出PI-RADS评分。
优选地，该方法还包括：前列腺癌智能检出模块中的判断单元计算所有分区的百分比数值之和，当百分比数值之和等于1时，则判断该癌灶在前列腺内部，当百分比数值之和小于1且大于0时，则判断该癌灶存在前列腺外侵犯，当百分比数值之和等于0时，则判断该癌灶不在前列腺；并将判断数据发送给AI调度模块。
优选地，该方法还包括：当接收到前列腺外侵犯数据时，前列腺癌智能检出模块中的标志病灶识别单元识别与之对应的癌灶数据，判断该癌灶为标志癌灶；当未接收到存在前列腺外侵犯数据时，基于每个癌灶的三维径线和每个癌灶体积，识别癌灶体积最大的癌灶，则该癌灶判断为标志病灶，并将标志病灶对应的关键图像、三维径线和癌灶体积发送给AI调度模块；此时，结构化报告模块还用于当接收到关键图像时，激活标志病灶相关控件，并将关键图像显示在结构化报告界面相应位置。
优选地，该方法还包括：前列腺腺体分割成复数块不同的分区，包括：6分区、12分区、39分区和41分区。
优选地，该方法还包括：当接收到每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积时，结构化报告模块中的导航图生成单元将所有癌灶体积从大到小排列，提取排在前三的癌灶数据，自动在导航图上标注癌灶的位置，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、前列腺癌分割模块、前列腺癌智能检出模块和结构化报告模块，能够在ADC序列图像中分割出前列腺腺体以及对前列腺腺体进行6分区、12分区、39分区和41分区的智能分割，前列腺癌智能检出模块识别ADC序列图像中前列腺的所有癌灶，测量每个癌灶的三维径线和癌灶体积；基于分区后的图像数据，计算癌灶与每个分区重合部分的体积占该癌灶体积的百分比数值，当百分比数值最大时，即判断该分区为该癌灶的位置，能够自动、准确定位每个癌灶所在的分区，结构化报告模块将前列腺癌的相关数据显示在结构化报告界面，对每个癌灶进行PI-RADS评分，可以显示前列腺癌的大小、定位，解决了癌灶检出的重要问题，使得报告内容完整、准确，节省了医生的标注时间，提高了工作效率；
2.由于本发明设置了判断单元，可以判断每个癌灶是否在前列腺内部，是否存在存在前列腺外侵犯，使得结构化数据更加完整，为后期判断标志病灶做出基础，使得该系统的流程更人性化；
3.由于本发明设置了标志病灶识别单元，当前列腺癌是多发时，可以根据前列腺癌病灶的大小、周围外侵犯情况来确定哪个癌灶是标志病灶，将标志病灶检出，可以引导穿刺活检，给医生带来了方便；
4.由于本发明设置了导航图生成单元，可以基于接收到的每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积，将所有癌灶体积从大到小排列，提取排在前三的癌灶数据，自动在导航图上标注癌灶的位置，并将标注后的导航图显示在结构化报告界面的相应位置，使得报告更加直观，有利于后续的认知融合穿刺。
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上自动分割和定位前列腺癌的系统结构示意图；
图2示出了根据本发明实施例一的在mpMRI上自动分割和定位前列腺癌的系统中结构化报告界面示意图；
图3示出了根据本发明实施例二的在mpMRI上自动分割和定位前列腺癌的系统结构示意图；
图4示出了根据本发明实施例三的在mpMRI上自动分割和定位前列腺癌的系统结构示意图；
图5示出了根据本发明实施例四的在mpMRI上自动分割和定位前列腺癌的系统结构示意图；
图6示出了根据本发明实施例四的在mpMRI上自动分割和定位前列腺癌的系统中结构化报告界面上导航图的示意图；
图7示出了根据本发明实施例五的在mpMRI上自动分割和定位前列腺癌的方法的流程图；
图8示出了根据本发明实施例五的在mpMRI上自动分割和定位前列腺癌的方法中结构化报告界面示意图；
图9示出了根据本发明实施例五的在mpMRI上自动分割和定位前列腺癌的方法中结构化报告界面上导航图的示意图。
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上自动分割和定位前列腺癌的系统结构示意图；如图1所示，该系统包括：AI调度模块10、前列腺分割模块20、前列腺癌智能检出模块30和结构化报告模块40，其中，
AI调度模块10，分别与前列腺分割模块20、前列腺癌智能检出模块30和结构化报告模块40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(multiparametricMRI，mpMRI)的检查时，提取该DICOM图像的头文件信息，基于头文件信息，查找ADC序列图像，并将ADC序列图像发送给前列腺分割模块20和前列腺癌智能检出模块30；
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盆腔增强或盆腔平扫，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。
前列腺分割模块20，与AI调度模块10相连，用于接收ADC序列图像，识别前列腺腺体，将前列腺腺体分割出来，基于前列腺系统穿刺的分区标准，将前列腺腺体分割成复数块不同的分区，将每个分区设置唯一分区编号，并将分区后的图像数据以及分区编号发送给AI调度模块10；此时，
AI调度模块10还用于将分区后的图像数据以及分区编号发送给前列腺癌智能检出模块30；
前列腺腺体分割成复数块不同的分区，可以包括：6分区、12分区、39分区和41分区，根据医生的需求或者报告的要求进行个性化分区，分区数越多，癌灶的定位越精确，更能满足临床的需求。
下面以12分区为例，说明一下前列腺腺体分割的规则：将前列腺腺体分为12个分区，如下：
A101左侧基底部外周带
A102左侧基底部移行带
A104右侧基底部外周带
A105右侧基底部移行带
A201左侧中部外周带
A202左侧中部移行带
A204右侧中部外周带
A205右侧中部移行带
A301左侧尖部外周带
A302左侧尖部移行带
A304右侧尖部外周带
A305右侧尖部移行带
每个分区名称前面的编号为该分区的唯一编号，例如A101代表左侧基底部外周带，在分割模型预测结果中，前列腺首先被分割为移行带和外周带。移行带和外周带再根据以下规则分别划分为六部分，划分规则为侧视图方向对前列腺进行三等分，将前列腺划分为基底部，中部和尖部。主视图方向上将前列腺进行二等分，分为左侧和右侧。至此，前列腺被划分为十二分区。
前列腺癌智能检出模块30，与AI调度模块10相连，用于接收ADC序列图像，识别ADC序列图像中前列腺的所有癌灶，测量每个癌灶的三维径线和癌灶体积；基于分区后的图像数据，计算癌灶与每个分区重合部分的体积占该癌灶体积的百分比数值，当百分比数值最大时，即判断该分区为该癌灶的位置，并将每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积发送给AI调度模块10，此时，
AI调度模块10还用于将每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积发送给结构化报告模块40；
由于前列腺癌几乎都是多发的，影像检查能发现多个癌灶，例如，某个ADC序列图像检出3个癌灶，则前列腺癌智能检出模块分别识别每个癌灶所在分区，首先计算癌灶1在每个分区重合部分的体积，再用重合部分的体积除以该癌灶的总体积，得出的百分比数值，在哪个分区最大，就确定该癌灶在该分区内，以此类推，分别计算癌灶2和癌灶3。
结构化报告模块40，与AI调度模块10相连，用于基于分区编号，输出癌灶所在的分区，并激活该分区对应的控件；基于癌灶的三维径线和癌灶体积，输出PI-RADS评分。
其中，PI-RADS评分一般都是4分或5分。
图2示出了根据本发明实施例一的在mpMRI上自动分割和定位前列腺癌的系统中结构化报告界面示意图，如图2所示，该结构化报告界面显示了癌灶在右侧体部外周带，显示了癌灶的三维径线和PI-RADS评分为5分。
本发明的实施例设置了AI调度模块、前列腺癌分割模块、前列腺癌智能检出模块和结构化报告模块，能够在ADC序列图像中分割出前列腺腺体以及对前列腺腺体进行6分区、12分区、39分区和41分区的智能分割，前列腺癌智能检出模块识别ADC序列图像中前列腺的所有癌灶，测量每个癌灶的三维径线和癌灶体积；基于分区后的图像数据，计算癌灶与每个分区重合部分的体积占该癌灶体积的百分比数值，当百分比数值最大时，即判断该分区为该癌灶的位置，能够自动、准确定位每个癌灶所在的分区，结构化报告模块将前列腺癌的相关数据显示在结构化报告界面，对每个癌灶进行PI-RADS评分，可以显示前列腺癌的大小、定位，解决了癌灶检出的重要问题，使得报告内容完整、准确，节省了医生的标注时间，提高了工作效率。
实施例二
图3示出了根据本发明实施例二的在mpMRI上自动分割和定位前列腺癌的系统结构示意图，如图3所示，前列腺癌智能检出模块30还包括判断单元302，与AI调度模块10相连，用于计算所有分区的百分比数值之和，当百分比数值之和等于1时，则判断该癌灶在前列腺内部，当百分比数值之和小于1且大于0时，则判断该癌灶存在前列腺外侵犯，当百分比数值之和等于0时，则判断该癌灶不在前列腺；并将判断数据发送给AI调度模块10。
本发明的实施例设置了判断单元，可以判断每个癌灶是否在前列腺内部，是否存在存在前列腺外侵犯，使得结构化数据更加完整，为后期判断标志病灶做出基础，使得该系统的流程更人性化。
实施例三
图4示出了根据本发明实施例三的在mpMRI上自动分割和定位前列腺癌的系统结构示意图；如图4所示，前列腺癌智能检出模块30还包括标志病灶识别单元304，分别与判断单元302和AI调度模块10相连，用于当接收到前列腺外侵犯数据时，基于前列腺外侵犯数据，识别与之对应的癌灶数据，判断该癌灶为标志癌灶；当未接收到前列腺外侵犯数据时，基于每个癌灶的三维径线和每个癌灶体积，识别癌灶体积最大的癌灶，则该癌灶判断为标志病灶，并将标志病灶对应的关键图像、三维径线和癌灶体积发送给AI调度模块10；此时，
结构化报告模块40还用于当接收到关键图像时，激活标志病灶相关控件，并将关键图像显示在结构化报告界面相应位置。
本发明的实施例设置了标志病灶识别单元，当前列腺癌是多发时，可以根据前列腺癌病灶的大小、周围外侵犯情况来确定哪个癌灶是标志病灶，将标志病灶检出，可以引导穿刺活检，给医生带来了方便。
实施例四
图5示出了根据本发明实施例四的在mpMRI上自动分割和定位前列腺癌的系统结构示意图；如图5所示，结构化报告模块40还包括导航图生成单元402，与AI调度模块10相连，用于当接收到每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积时，将所有癌灶体积从大到小排列，提取排在前三的癌灶数据，自动在导航图上标注癌灶的位置，并将标注后的导航图显示在结构化报告界面的相应位置。
图6示出了根据本发明实施例四的在mpMRI上自动分割和定位前列腺癌的系统中结构化，如图6所示，结构化报告界面的右侧显示了前列腺癌导航图，在导航图上能一步了然的看到癌灶所在的位置和分区，该患者的前列腺癌灶有1个。
本发明的实施例设置了导航图生成单元，可以基于接收到的每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积，将所有癌灶体积从大到小排列，提取排在前三的癌灶数据，自动在导航图上标注癌灶的位置，并将标注后的导航图显示在结构化报告界面的相应位置，使得报告更加直观，有利于后续的认知融合穿刺。
实施例五
图7示出了根据本发明实施例五的在mpMRI上自动分割和定位前列腺癌的方法的流程图；如图7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，AI调度模块提取该DICOM图像的头文件信息，基于头文件信息，查找ADC序列图像，并将ADC序列图像发送给前列腺分割模块和前列腺癌智能检出模块；
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，盆腔增强或盆腔平扫，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。
步骤S502，前列腺分割模块接收ADC序列图像，识别前列腺腺体，将前列腺腺体分割出来，基于前列腺系统穿刺的分区标准，将前列腺腺体分割成复数块不同的分区，将每个分区设置唯一分区编号，并将分区后的图像数据以及分区编号发送给AI调度模块；此时，
AI调度模块还用于将分区后的图像数据以及分区编号发送给前列腺癌智能检出模块；
前列腺腺体分割成复数块不同的分区，可以包括：6分区、12分区、39分区和41分区，根据医生的需求或者报告的要求进行个性化分区，分区数越多，癌灶的定位越精确，更能满足临床的需求。
下面以12分区为例，说明一下前列腺腺体分割的规则：将前列腺腺体分为12个分区，如下：
A101左侧基底部外周带
A102左侧基底部移行带
A104右侧基底部外周带
A105右侧基底部移行带
A201左侧中部外周带
A202左侧中部移行带
A204右侧中部外周带
A205右侧中部移行带
A301左侧尖部外周带
A302左侧尖部移行带
A304右侧尖部外周带
A305右侧尖部移行带
每个分区名称前面的编号为该分区的唯一编号，例如A101代表左侧基底部外周带，在分割模型预测结果中，前列腺首先被分割为移行带和外周带。移行带和外周带再根据以下规则分别划分为六部分，划分规则为侧视图方向对前列腺进行三等分，将前列腺划分为基底部，中部和尖部。主视图方向上将前列腺进行二等分，分为左侧和右侧。至此，前列腺被划分为十二分区。
步骤S503，前列腺癌智能检出模块识别ADC序列图像中前列腺的所有癌灶，测量每个癌灶的三维径线和癌灶体积；基于分区后的图像数据，计算癌灶与每个分区重合部分的体积占该癌灶体积的百分比数值，当百分比数值最大时，即判断该分区为该癌灶的位置，并将每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积发送给AI调度模块，此时，AI调度模块还用于将每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积发送给结构化报告模块；
由于前列腺癌几乎都是多发的，影像检查能发现多个癌灶，例如，某个ADC序列图像检出3个癌灶，则前列腺癌智能检出模块分别识别每个癌灶所在分区，首先计算癌灶1在每个分区重合部分的体积，再用重合部分的体积除以该癌灶的总体积，得出的百分比数值，在哪个分区最大，就确定该癌灶在该分区内，以此类推，分别计算癌灶2和癌灶3。
步骤S504，结构化报告模块基于分区编号，输出癌灶所在的分区，并激活该分区对应的控件；基于癌灶的三维径线和癌灶体积，输出PI-RADS评分；
其中，PI-RADS评分一般都是4分或5分。
图8示出了根据本发明实施例五的在mpMRI上自动分割和定位前列腺癌的方法中结构化报告界面示意图，如图8所示，该结构化报告界面显示了癌灶在右侧体部外周带，显示了癌灶的三维径线和PI-RADS评分为5分。
其中，该方法还包括：前列腺癌智能检出模块中的判断单元计算所有分区的百分比数值之和，当百分比数值之和等于1时，则判断该癌灶在前列腺内部，当百分比数值之和小于1且大于0时，则判断该癌灶存在前列腺外侵犯，当百分比数值之和等于0时，则判断该癌灶不在前列腺；并将判断数据发送给AI调度模块。
其中，当接收到前列腺外侵犯数据时，前列腺癌智能检出模块中的标志病灶识别单元识别与之对应的癌灶数据，判断该癌灶为标志癌灶；当未接收到存在前列腺外侵犯数据时，基于每个癌灶的三维径线和每个癌灶体积，识别癌灶体积最大的癌灶，则该癌灶判断为标志病灶，并将标志病灶对应的关键图像、三维径线和癌灶体积发送给AI调度模块；此时，
结构化报告模块还用于当接收到关键图像时，激活标志病灶相关控件，并将关键图像显示在结构化报告界面相应位置。
其中，该方法还包括：当接收到每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积时，结构化报告模块中的导航图生成单元将所有癌灶体积从大到小排列，提取排在前三的癌灶数据，自动在导航图上标注癌灶的位置，并将标注后的导航图显示在结构化报告界面的相应位置。
图9示出了根据本发明实施例五的在mpMRI上自动分割和定位前列腺癌的方法中结构化，如图9所示，结构化报告界面的右侧显示了前列腺癌导航图，在导航图上能一步了然的看到癌灶所在的位置和分区，该患者的前列腺癌灶有1个。
本发明的实施例中的AI调度模块、前列腺癌分割模块、前列腺癌智能检出模块和结构化报告模块，能够在ADC序列图像中分割出前列腺腺体以及对前列腺腺体进行6分区、12分区、39分区和41分区的智能分割，前列腺癌智能检出模块识别ADC序列图像中前列腺的所有癌灶，测量每个癌灶的三维径线和癌灶体积；基于分区后的图像数据，计算癌灶与每个分区重合部分的体积占该癌灶体积的百分比数值，当百分比数值最大时，即判断该分区为该癌灶的位置，能够自动、准确定位每个癌灶所在的分区，结构化报告模块将前列腺癌的相关数据显示在结构化报告界面，对每个癌灶进行PI-RADS评分，可以显示前列腺癌的大小、定位，解决了癌灶检出的重要问题，使得报告内容完整、准确，节省了医生的标注时间，提高了工作效率；本发明实施例中的判断单元，可以判断每个癌灶是否在前列腺内部，是否存在存在前列腺外侵犯，使得结构化数据更加完整，为后期判断标志病灶做出基础，使得该系统的流程更人性化；本发明实施例中的标志病灶识别单元，当前列腺癌是多发时，可以根据前列腺癌病灶的大小、周围外侵犯情况来确定哪个癌灶是标志病灶，将标志病灶检出，可以引导穿刺活检，给医生带来了方便；本发明实施例中的导航图生成单元，可以基于接收到的每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积，将所有癌灶体积从大到小排列，提取排在前三的癌灶数据，自动在导航图上标注癌灶的位置，并将标注后的导航图显示在结构化报告界面的相应位置，使得报告更加直观，有利于后续的认知融合穿刺。
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、前列腺癌分割模块、前列腺癌智能检出模块和结构化报告模块，能够在ADC序列图像中分割出前列腺腺体以及对前列腺腺体进行6分区、12分区、39分区和41分区的智能分割，前列腺癌智能检出模块识别ADC序列图像中前列腺的所有癌灶，测量每个癌灶的三维径线和癌灶体积；基于分区后的图像数据，计算癌灶与每个分区重合部分的体积占该癌灶体积的百分比数值，当百分比数值最大时，即判断该分区为该癌灶的位置，能够自动、准确定位每个癌灶所在的分区，结构化报告模块将前列腺癌的相关数据显示在结构化报告界面，对每个癌灶进行PI-RADS评分，可以显示前列腺癌的大小、定位，解决了癌灶检出的重要问题，使得报告内容完整、准确，节省了医生的书写时间，提高了工作效率。由于本发明实施例设置了判断单元，可以判断每个癌灶是否在前列腺内部，是否存在存在前列腺外侵犯，使得结构化数据更加完整，为后期判断标志病灶做出基础，使得该系统的流程更人性化；由于本发明实施例设置了标志病灶识别单元，当前列腺癌是多发时，可以根据前列腺癌病灶的大小、周围外侵犯情况来确定哪个癌灶是标志病灶，将标志病灶检出，可以引导穿刺活检，给医生带来了方便；由于本发明实施例设置了导航图生成单元，可以基于接收到的每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积，将所有癌灶体积从大到小排列，提取排在前三的癌灶数据，自动在导航图上标注癌灶的位置，并将标注后的导航图显示在结构化报告界面的相应位置，使得报告更加直观，有利于后续的认知融合穿刺。
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 (4)
1.一种在mpMRI上自动分割和定位前列腺癌的系统，其特征在于，包括：AI调度模块、前列腺分割模块、前列腺癌智能检出模块和结构化报告模块，其中，
所述AI调度模块，分别与所述前列腺分割模块、所述前列腺癌智能检出模块和所述结构化报告模块相连，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，提取DICOM图像的头文件信息，基于所述头文件信息，查找ADC序列图像，并将所述ADC序列图像发送给所述前列腺分割模块和所述前列腺癌智能检出模块；
所述前列腺分割模块，与所述AI调度模块相连，用于接收所述ADC序列图像，识别前列腺腺体，将所述前列腺腺体分割出来，基于前列腺系统穿刺的分区标准，将所述前列腺腺体分割成复数块不同的分区，将每个所述分区设置唯一分区编号，并将分区后的图像数据以及所述分区编号发送给所述AI调度模块；此时，AI调度模块还用于将所述分区后的图像数据以及所述分区编号发送给所述前列腺癌智能检出模块；
所述前列腺癌智能检出模块，与所述AI调度模块相连，用于接收所述ADC序列图像，识别所述ADC序列图像中前列腺的所有癌灶，测量每个所述癌灶的三维径线和癌灶体积；基于所述分区后的图像数据，计算所述癌灶与每个所述分区重合部分的体积占该癌灶体积的百分比数值，当所述百分比数值最大时，即判断该分区为该癌灶的位置，并将每个所述癌灶所对应的分区编号、每个所述癌灶的三维径线和每个所述癌灶体积发送给所述AI调度模块，此时，所述AI调度模块还用于将每个所述癌灶所对应的分区编号、每个所述癌灶的三维径线和每个所述癌灶体积发送给所述结构化报告模块；其中，
所述前列腺癌智能检出模块还包括判断单元，与所述AI调度模块相连，用于计算所有分区的所述百分比数值之和，当所述百分比数值之和等于1时，则判断该癌灶在前列腺内部，当所述百分比数值之和小于1且大于0时，则判断该癌灶存在前列腺外侵犯，当所述百分比数值之和等于0时，则判断该癌灶不在前列腺；并将判断数据发送给所述AI调度模块；
所述结构化报告模块，与所述AI调度模块相连，用于基于所述分区编号，输出所述癌灶所在的分区，并激活该分区对应的控件；基于所述癌灶的三维径线和所述癌灶体积，输出PI-RADS评分。
2.根据权利要求1所述的在mpMRI上自动分割和定位前列腺癌的系统，其特征在于，所述前列腺癌智能检出模块还包括标志病灶识别单元，分别与所述判断单元和所述AI调度模块相连，用于当接收到所述前列腺外侵犯数据时，基于所述前列腺外侵犯数据，识别与之对应的癌灶数据，判断该癌灶为标志癌灶；当未接收到所述前列腺外侵犯数据时，基于每个所述癌灶的三维径线和每个所述癌灶体积，识别所述癌灶体积最大的癌灶，则该癌灶判断为所述标志病灶，并将所述标志病灶对应的关键图像、所述三维径线和所述癌灶体积发送给所述AI调度模块；此时，所述结构化报告模块还用于当接收到所述关键图像时，激活标志病灶相关控件，并将所述关键图像显示在结构化报告界面相应位置。
3.根据权利要求1所述的在mpMRI上自动分割和定位前列腺癌的系统，其特征在于，所述前列腺腺体分割成复数块不同的分区，包括：6分区、12分区、39分区和41分区。
4.根据权利要求1所述的在mpMRI上自动分割和定位前列腺癌的系统，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，用于当接收到每个所述癌灶所对应的分区编号、每个所述癌灶的三维径线和每个所述癌灶体积时，将所有癌灶体积从大到小排列，提取排在前三的所述癌灶数据，自动在导航图上标注癌灶的位置，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 |
|---|---|---|---|
| CN201910920345.1A CN112545481B (zh) | 2019-09-26 | 2019-09-26 | 在mpMRI上自动分割和定位前列腺癌的系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910920345.1A CN112545481B (zh) | 2019-09-26 | 2019-09-26 | 在mpMRI上自动分割和定位前列腺癌的系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112545481A CN112545481A (zh) | 2021-03-26 |
| CN112545481B true CN112545481B (zh) | 2022-07-15 |
Family
ID=75030252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910920345.1A Active CN112545481B (zh) | 2019-09-26 | 2019-09-26 | 在mpMRI上自动分割和定位前列腺癌的系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112545481B (zh) |
Citations (4)
| 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 |
| 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 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9851421B2 (en) * | 2015-01-05 | 2017-12-26 | Case Western Reserve University | Differential atlas for cancer assessment |
| US10803143B2 (en) * | 2015-07-30 | 2020-10-13 | Siemens Healthcare Gmbh | Virtual biopsy techniques for analyzing diseases |
-
2019
- 2019-09-26 CN CN201910920345.1A patent/CN112545481B/zh active Active
Patent Citations (4)
| 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 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112545481A (zh) | 2021-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103371870B (zh) | 一种基于多模影像的外科手术导航系统 | |
| Tsehay et al. | Biopsy-guided learning with deep convolutional neural networks for Prostate Cancer detection on multiparametric MRI | |
| US7548639B2 (en) | Diagnosis assisting system and storage medium having diagnosis assisting program stored therein | |
| CN111681737B (zh) | 用于建设肝癌影像数据库的结构化报告系统及方法 | |
| CN111227864A (zh) | 使用超声图像利用计算机视觉进行病灶检测的方法与装置 | |
| CN105163684A (zh) | 手术数据的联运同步 | |
| CN109475343A (zh) | 超声弹性测量显示方法及系统 | |
| KR20200077852A (ko) | 복수의 의료 영상 판독 알고리듬들에 대한 평가 스코어를 생성하는 의료 영상 판독 지원 장치 및 방법 | |
| CN101188021A (zh) | 自动图形识别应用的结果滤波器和选择结果数据的方法 | |
| CN109767820A (zh) | 一种基于影像的诊断/检测报告生成方法、装置及设备 | |
| KR102531400B1 (ko) | 인공 지능 기반 대장 내시경 영상 진단 보조 시스템 및 방법 | |
| KR102195850B1 (ko) | 딥러닝 기반 혈관 구분 방법 및 시스템 | |
| JP2010000133A (ja) | 画像表示装置、画像表示方法及びプログラム | |
| US20210196387A1 (en) | System and method for interventional procedure using medical images | |
| WO2023274599A1 (en) | Methods and systems for automated follow-up reading of medical image data | |
| KR102536369B1 (ko) | 인공 지능 기반 위 내시경 영상 진단 보조 시스템 및 방법 | |
| CN112545481B (zh) | 在mpMRI上自动分割和定位前列腺癌的系统及方法 | |
| CN112545479B (zh) | 在mpMRI上分割前列腺和精囊分带解剖的系统及方法 | |
| CN106204623A (zh) | 多对比度图像同步显示和定位标定的方法及装置 | |
| CN111192664A (zh) | 一种图像标记方法、系统、设备及存储介质 | |
| CN115086773B (zh) | 使用图像循环内关键帧的标识对超声图像循环进行的增强可视化和回放 | |
| CN116531092A (zh) | 基于多模态图像融合的血管介入手术导航方法及装置 | |
| CN114334128A (zh) | 基于ct影像的肿瘤演进过程分析方法、系统及存储介质 | |
| CN112545476B (zh) | 在mpMRI上检出前列腺癌包膜外侵犯的系统及方法 | |
| CN112545480B (zh) | 在mri上检测前列腺和精囊腺良性病变的系统及方法 |
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 |