CN112562847A - 在mpMRI图像上自动检出前列腺癌转移的系统及方法 - Google Patents
在mpMRI图像上自动检出前列腺癌转移的系统及方法 Download PDFInfo
- Publication number
- CN112562847A CN112562847A CN201910919725.3A CN201910919725A CN112562847A CN 112562847 A CN112562847 A CN 112562847A CN 201910919725 A CN201910919725 A CN 201910919725A CN 112562847 A CN112562847 A CN 112562847A
- Authority
- CN
- China
- Prior art keywords
- prostate cancer
- module
- image
- metastasis
- lymph node
- 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
- 208000000236 Prostatic Neoplasms Diseases 0.000 title claims abstract description 180
- 206010060862 Prostate cancer Diseases 0.000 title claims abstract description 179
- 206010027476 Metastases Diseases 0.000 title claims abstract description 175
- 230000009401 metastasis Effects 0.000 title claims abstract description 170
- 238000000034 method Methods 0.000 title claims abstract description 41
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 131
- 210000001165 lymph node Anatomy 0.000 claims abstract description 104
- 238000011156 evaluation Methods 0.000 claims abstract description 56
- 208000007433 Lymphatic Metastasis Diseases 0.000 claims abstract description 54
- 238000003745 diagnosis Methods 0.000 claims abstract description 50
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 49
- 201000011510 cancer Diseases 0.000 claims abstract description 43
- 208000008771 Lymphadenopathy Diseases 0.000 claims abstract description 41
- 210000003049 pelvic bone Anatomy 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 230000011218 segmentation Effects 0.000 claims description 127
- 210000002307 prostate Anatomy 0.000 claims description 47
- 238000005259 measurement Methods 0.000 claims description 26
- 238000003491 array Methods 0.000 claims description 24
- 210000004197 pelvis Anatomy 0.000 claims description 17
- 206010027452 Metastases to bone Diseases 0.000 claims description 15
- 230000003213 activating effect Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 18
- 238000003384 imaging method Methods 0.000 description 15
- 238000001959 radiotherapy Methods 0.000 description 13
- 230000003902 lesion Effects 0.000 description 10
- 230000035945 sensitivity Effects 0.000 description 8
- 230000001394 metastastic effect Effects 0.000 description 6
- 206010061289 metastatic neoplasm Diseases 0.000 description 6
- 230000001149 cognitive effect Effects 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000011158 quantitative evaluation Methods 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000004393 prognosis Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000009093 first-line therapy Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010882 preoperative diagnosis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000009094 second-line therapy Methods 0.000 description 2
- 230000009885 systemic effect Effects 0.000 description 2
- 238000009095 third-line therapy Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 208000037819 metastatic cancer Diseases 0.000 description 1
- 208000011575 metastatic malignant neoplasm Diseases 0.000 description 1
- 208000010658 metastatic prostate carcinoma Diseases 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
Abstract
本发明提供一种在mpMRI图像上自动检出前列腺癌转移的系统，包括：前列腺癌智能检出模块对患者的图像进行癌灶的诊断；当接收癌灶数据时，AI调度模块查找DWI序列图像；前列腺癌淋巴结转移评估模块识别DWI序列图像中的肿大淋巴结，最短径线≥8mm的淋巴结诊断为阳性发现；当全部淋巴结最短径线＜8mm时为阴性发现；当接收到阴性发现时，结构化报告模块激活无发现控件，生成N0分期；当接收到阳性发现时，激活淋巴结个数控件，生成N1分期。本系统的前列腺癌盆部骨转移评估模块还可以检出骨转移相关诊断数据。本发明还公开一种在mpMRI图像上自动检出前列腺癌转移的方法。本发明提高了诊断的准确性，提升了报告的效率。
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图像上自动检出前列腺癌转移的系统及方法。
背景技术
前列腺癌常见的转移途径是淋巴结转移和血源性转移。多数晚期前列腺癌均有淋巴结转移，常常以盆腔淋巴结转移是首发部位。常规影像检查方法中，MR的DWI图像是检出淋巴结转移最敏感的序列，表现为淋巴结分布区域的高信号灶。当前列腺内可见高危前列腺癌病灶时，明显肿大的淋巴结应怀疑有肿瘤转移的可能。
因MR的DWI图像上淋巴结成像软组织对比度很高，故成为术前评估淋巴结肿大的最主要方法。前列腺影像报告和数据系统(prostate imaging reporting and datasystem，PI-RADS)指南要求书写MRI报告时，对盆腔淋巴结肿大的患者必须报告，且做出N分期的诊断。由于淋巴结检出需要医生凭经验读片，但敏感性、特异性均不高，且对多发肿大淋巴结的报告不细致，导致淋巴结评估是影像诊断的困难。当前AI尚未见用于本领域的研究和临床工作。
前列腺癌血源转移中最常见的是骨转移，以骨盆和腰骶椎为最好发部位。骨转移所致疼痛常常是转移性前列腺癌患者的首发症状，终末期患者几乎全部都有骨转移。影像检查中发现骨转移是一项重要任务，其临床意义主要有：对于初诊患者用于T分期的判断；对于治疗后患者寻找腺体外转移的位置；对于放疗患者发现可疑病灶可帮助制定放疗靶区；在转移性去势抵抗前列腺癌(metastatic castration resistant prostate cancer，mCRPC)。近年来，学界提出前列腺癌“寡转移”状态的概念，认为转移灶小于3处的转移，是一种特殊状态的转移癌，应单独做出诊断，可能予以特殊治疗。因此骨转移病灶的存在与否、数量、位置都是临床关注的信息，需要在影像报告中提及。
常规影像检查方法中，MR的DWI图像是检出骨转移最敏感的序列，表现为正常骨骼位置明显高亮的局灶性病变。当前列腺内可见高危前列腺癌病灶时，明显异常的骨骼区域应怀疑有肿瘤转移的可能。
由于老年男性骨盆信号不均匀，故诊断骨转移也需要一定经验。而且骨转移常常为多发，病灶数量大时在影像报告中逐个报告也不具有可行性，多次复查随访评价疗效时对转移灶逐一进行比较也是很困难的。由于骨转移检出需要医生凭经验读片，且对多发病灶的报告不细致，因此骨转移的准确检出、清晰报告在影像工作中有一定的困难。目前AI尚未见用于本领域的研究和临床工作。
发明内容
有鉴于此，本发明的主要目的在于提供一种在mpMRI图像上自动检出前列腺癌转移的系统及方法，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图像上自动检出前列腺癌转移的系统，包括前列腺癌智能检出模块、AI调度模块、前列腺癌淋巴结转移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、前列腺癌淋巴结转移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DWI序列图像和ADC序列图像，并将DWI序列图像发送给前列腺癌淋巴结转移评估模块；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；前列腺癌淋巴结转移评估模块，与AI调度模块相连，用于识别DWI序列图像中的肿大淋巴结，测量每个肿大淋巴结的最长径线、最短径线，提取最短径线大于等于第一预设阈值的淋巴结所对应的DICOM图像的最大层作为第一关键图像，并作出分类诊断，当所有肿大淋巴结的最短径线都小于第一预设阈值时，则诊断为阴性发现，将阴性发现发送给AI调度模块，当有一个及以上肿大淋巴结的所述最短径线大于等于第一预设阈值时，则诊断为阳性发现，将阳性发现所对应的最长径线、最短径线和第一关键图像发送给AI调度模块；此时，AI调度模块还用于统计最短径线大于等于第一预设阈值的肿大淋巴结个数，并将肿大淋巴结个数、最长径线、最短径线和第一关键图像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阴性发现时，则激活结构化报告界面中的无发现相关控件，生成N0分期；当接收到肿大淋巴结个数、最长径线、最短径线和第一关键图像时，则在结构化报告界面显示第一关键图像并激活结构化报告界面中的淋巴结个数的控件，生成N1分期。
优选地，该系统还包括前列腺癌盆部骨转移评估模块，与AI调度模块相连，此时，AI调度模块还用于将DWI序列图像发送给前列腺癌盆部骨转移评估模块；前列腺癌盆部骨转移评估模块用于识别骨盆转移体素个数，当体素个数小于第二预设阈值时，则诊断为阴性发现，将阴性发现发送给AI调度模块；当体素个数大于等于等于第二预设阈值时，则诊断为阳性发现，提取骨转移所对应的DICOM图像作为第二关键图像，将阳性发现以及第二关键图像发送给AI调度模块；此时，AI调度模块还用于将阳性发现以及第二关键图像发送给结构化报告模块；此时，结构化报告模块还用于当接收到阴性发现时，则激活结构化报告界面中的无发现相关控件，生成骨转移的M0分期；当接收到阳性发现以及第二关键图像时，在结构化报告界面显示第二关键图像并激活结构化报告界面中骨转移个数的控件，生成M1分期。
优选地，前列腺癌淋巴结转移评估模块还包括：第一Unet分割单元和测量单元，其中，第一Unet分割单元，分别与AI调度模块和测量单元相连，用于将DWI序列图像和ADC序列图像融合为一组2通道图像，基于2通道图像进行综合分析，输出前列腺癌灶分割数据；并基于DWI序列图像，输出前列腺体积分割数据和盆腔淋巴结分割数据；将前列腺癌灶分割数据、前列腺体积分割数据和盆腔淋巴结分割数据发送给测量单元；测量单元，分别与第一Unet分割单元和AI调度模块相连，用于通过连通域算法将每幅DWI序列图像的三维空间中连续的区域拆分为有序的多个三维数组，每个三维数组对应一个肿大淋巴结，基于三维数组、前列腺癌灶分割数据、前列腺体积分割数据和盆腔淋巴结分割数据，对肿大淋巴结的最长径线、最短径线进行测量，将测量结果发送给AI调度模块。
优选地，前列腺癌盆部骨转移评估模块还包括：第二Unet分割单元和计算单元，其中，第二Unet分割单元，分别与AI调度模块和计算单元相连，用于将DWI序列图像和ADC序列图像融合为一组2通道图像，基于2通道图像进行综合分析，输出前列腺癌灶分割数据；并基于DWI序列图像，输出前列腺体积分割数据和盆部复数块骨骼区域分割数据；将前列腺癌灶分割数据、前列腺体积分割数据和盆部复数块骨骼区域分割数据发送给计算单元；计算单元，分别与第二Unet分割单元和AI调度模块相连，用于通过连通域算法将每幅DWI序列图像的三维空间中连续的区域拆分为有序的多个三维数组，每个三维数组对应一块骨骼区域，基于三维数组、前列腺癌灶分割数据、前列腺体积分割数据和附近复数块骨骼区域分割数据，对复数块骨骼区域的体素进行计算，将体素个数大于等于第二预设阈值的骨骼区域数据发送给AI调度模块。
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，用于当接收到最长径线、最短径线和第一关键图像时，自动在导航图上标注淋巴结转移的位置，当接收到阳性发现以及第二关键图像时，自动在导航图上标注骨转移的位置，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图像上自动检出前列腺癌转移的方法，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；当接收到的诊断数据为癌灶数据时，AI调度模块提取DICOM图像的头文件信息，基于头文件信息，查找DWI序列图像和ADC序列图像，并将DWI序列图像发送给前列腺癌淋巴结转移评估模块；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；前列腺癌淋巴结转移评估模块识别DWI序列图像中的肿大淋巴结，测量每个肿大淋巴结的最长径线、最短径线，提取最短径线大于等于第一预设阈值的淋巴结所对应的DICOM图像的最大层作为第一关键图像，并作出分类诊断，当所有肿大淋巴结的最短径线都小于第一预设阈值时，则诊断为阴性发现，将阴性发现发送给AI调度模块，当有一个及以上肿大淋巴结的最短径线大于等于第一预设阈值时，则诊断为阳性发现，将阳性发现所对应的最长径线、最短径线和第一关键图像发送给AI调度模块；此时，AI调度模块还用于统计最短径线大于等于第一预设阈值的肿大淋巴结个数，并将肿大淋巴结个数、最长径线、最短径线和第一关键图像发送给结构化报告模块；当接收到非癌灶数据或阴性发现时，结构化报告模块则激活结构化报告界面中的无发现相关控件，生成N0分期；当接收到肿大淋巴结个数、最长径线、最短径线和第一关键图像时，则在结构化报告界面显示第一关键图像并激活结构化报告界面中的淋巴结个数的控件，生成N1分期。
优选地，该方法还包括：AI调度模块将DWI序列图像发送给前列腺癌盆部骨转移评估模块；前列腺癌盆部骨转移评估模块识别骨盆转移体素个数，当体素个数小于第二预设阈值时，则诊断为阴性发现，将阴性发现发送给AI调度模块；当体素个数大于等于第二预设阈值时，则诊断为阳性发现，提取骨转移所对应的DICOM图像作为第二关键图像，将阳性发现以及第二关键图像发送给AI调度模块；此时，AI调度模块将阳性发现以及第二关键图像发送给结构化报告模块；此时，当结构化报告模块接收到阴性发现时，则激活结构化报告界面中的无发现相关控件，生成骨转移的M0分期；当接收到阳性发现以及第二关键图像时，在结构化报告界面显示第二关键图像并激活结构化报告界面中骨转移个数的控件，生成M1分期。
优选地，该方法还包括：前列腺癌淋巴结转移评估模块中的第一Unet分割单元将DWI序列图像和ADC序列图像融合为一组2通道图像，基于所述2通道图像进行综合分析，输出前列腺癌灶分割数据；并基于DWI序列图像，输出前列腺体积分割数据和盆腔淋巴结分割数据；将前列腺癌灶分割数据、前列腺体积分割数据和盆腔淋巴结分割数据发送给前列腺癌淋巴结转移评估模块中的测量单元；测量单元通过连通域算法将每幅DWI序列图像的三维空间中连续的区域拆分为有序的多个三维数组，每个三维数组对应一个肿大淋巴结，基于三维数组、前列腺癌灶分割数据、前列腺体积分割数据和盆腔淋巴结分割数据，对肿大淋巴结的最长径线、最短径线进行测量，将测量结果发送给AI调度模块。
优选地，该方法还包括：前列腺癌盆部骨转移评估模块中的第二Unet分割单元将DWI序列图像和ADC序列图像融合为一组2通道图像，基于所述2通道图像进行综合分析，输出前列腺癌灶分割数据；并基于DWI序列图像，输出前列腺体积分割数据和盆部复数块骨骼区域分割数据；将前列腺癌灶分割数据、前列腺体积分割数据和盆部复数块骨骼区域分割数据发送给前列腺癌盆部骨转移评估模块中的计算单元；计算单元通过连通域算法将每幅DWI序列图像的三维空间中连续的区域拆分为有序的多个三维数组，每个三维数组对应一块骨骼区域，基于三维数组、前列腺癌灶分割数据、前列腺体积分割数据和附近复数块骨骼区域分割数据，对复数块骨骼区域的体素进行计算，将体素个数大于等于第二预设阈值的骨骼区域数据发送给AI调度模块。
优选地，该方法还包括：当结构化报告模块中的导航图生成单元接收到最长径线、最短径线和第一关键图像时，自动在导航图上标注淋巴结转移的位置，当接收到阳性发现以及第二关键图像时，自动在导航图上标注骨转移的位置，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、前列腺癌淋巴结转移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图像的盆腔淋巴结肿大做出判断，将最短径线大于等于8mm的淋巴结检出，最短径线大于等于8mm的淋巴结则认为是肿大淋巴结，并将肿大淋巴结的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淋巴结转移并定位，对放疗计划的制定、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，自动激活肿大淋巴结数量的相关控件，自动报告其肿大淋巴结的数量并作出N1分期，提高了诊断的敏感性和准确性，提升了报告的效率；
2.由于本发明设置了前列腺癌盆部骨转移评估模块，可以识别骨盆转移体素个数，当发现体素大于等于100的区域，则自动返回有骨转移的阳性发现，将结果发送给结构化报告模块，结构化报告模块根据接收到的数据自动激活结构化报告界面中的骨转移个数的控件，显示骨转移个数并生成M1分期；对行mpMRI检查的骨盆和下部腰骶椎骨骨转移做出判断，检出骨转移并定位，提高诊断的准确性；特别是当转移灶非常多时，该系统成功的替代了专家、人工等做出定量评价和报告；
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淋巴结转移的位置或骨转移的位置，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图像上自动检出前列腺癌转移的系统结构示意图；
图2示出了根据本发明实施例一的在mpMRI图像上自动检出前列腺癌转移的系统中结构化报告界面显示淋巴结肿大阳性发现的示意图；
图3示出了根据本发明实施例二的在mpMRI图像上自动检出前列腺癌转移的系统结构示意图；
图4示出了根据本发明实施例二的在mpMRI图像上自动检出前列腺癌转移的系统中结构化报告界面显示骨转移阳性发现的示意图；
图5示出了根据本发明实施例三的在mpMRI图像上自动检出前列腺癌转移的系统结构示意图；
图6示出了根据本发明实施例四的在mpMRI图像上自动检出前列腺癌转移的系统结构示意图；
图7示出了根据本发明实施例五的在mpMRI图像上自动检出前列腺癌转移的系统结构示意图；
图8示出了根据本发明实施例六的在mpMRI图像上自动检出前列腺癌转移的流程图；
图9示出了根据本发明实施例六的在mpMRI图像上自动检出前列腺癌转移的方法中结构化报告界面显示淋巴结肿大阳性发现的示意图；
图10示出了根据本发明实施例六的在mpMRI图像上自动检出前列腺癌转移的方法中结构化报告界面显示骨转移阳性发现的示意图；
图11示出了根据本发明实施例七的在mpMRI图像上自动检出前列腺癌转移的具体处理的流程图。
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图像上自动检出前列腺癌转移的系统结构示意图；如图1所示，该系统包括：前列腺癌智能检出模块10、AI调度模块20、前列腺癌淋巴结转移评估模块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、前列腺癌淋巴结转移评估模块20和结构化报告模块30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DWI序列图像和ADC序列图像，并将DWI序列图像发送给前列腺癌淋巴结转移评估模块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；
前列腺癌淋巴结转移评估模块30，与AI调度模块20相连，用于识别DWI序列图像中的肿大淋巴结，测量每个肿大淋巴结的最长径线、最短径线，提取最短径线大于等于第一预设阈值的淋巴结所对应的DICOM图像的最大层作为第一关键图像，并作出分类诊断，当所有肿大淋巴结的最短径线都小于第一预设阈值时，则诊断为阴性发现，将阴性发现发送给AI调度模块，当有一个及以上肿大淋巴结的所述最短径线大于等于第一预设阈值时，则诊断为阳性发现，将阳性发现所对应的最长径线、最短径线和第一关键图像发送给AI调度模块20；
此时，AI调度模块20还用于统计最短径线大于等于第一预设阈值的肿大淋巴结个数，并将肿大淋巴结个数、最长径线、最短径线和第一关键图像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阴性发现时，则激活结构化报告界面中的无发现相关控件，生成N0分期；当接收到肿大淋巴结个数、最长径线、最短径线和第一关键图像时，则在结构化报告界面显示第一关键图像并激活结构化报告界面中的淋巴结个数的控件，生成N1分期。
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：盆腔大范围。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DWI序列图像，将DWI序列图像传给前列腺癌淋巴结转移评估模块进行是否有淋巴结转移的诊断。
其中，第一预设阈值一般为8mm。一般情况下，最短径线大于等于8mm的淋巴结被认为是肿大淋巴结，此时，激活结构化报告界面的肿大淋巴结个数的控件，即：有0个、1个、2-3个、4个及以上淋巴结肿大，并有相应的关键图像显示在结构化报告界面。
图2示出了根据本发明实施例一的在mpMRI图像上自动检出前列腺癌转移的系统中结构化报告界面显示淋巴结肿大阳性发现的示意图；如图2所示，在结构化报告界面显示了可见病灶，肿大淋巴结有3枚，最短径线2.3cm，同时将第一关键图像显示在结构化报告界面的相应位置。
MR的DWI序列图像是术前诊断淋巴结转移的常规影像方法。PI-RADS指南要求在MRI图像上发现短径≥8mm的淋巴结时，高度怀疑有转移，应报告有肿大淋巴结的存在，且报告其数量。对淋巴结肿大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DWI图像上的肿大淋巴结，且可以按照PI-RADS指南的要求自动分类，自动报告相应的分期，且在导航图中显示肿大淋巴结的位置，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、前列腺癌淋巴结转移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图像的盆腔淋巴结肿大做出判断，将最短径线大于等于8mm的淋巴结检出，最短径线大于等于8mm的淋巴结则认为是肿大淋巴结，并将肿大淋巴结的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淋巴结转移并定位，对放疗计划的制定、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，自动激活肿大淋巴结数量的相关控件，自动报告其肿大淋巴结的数量并作出N1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图像上自动检出前列腺癌转移的系统结构示意图，如图3所示，该系统还包括前列腺癌盆部骨转移评估模块50，与AI调度模块20相连，此时，
AI调度模块20还用于将DWI序列图像发送给前列腺癌盆部骨转移评估模块50；
前列腺癌盆部骨转移评估模块50用于识别骨盆转移体素个数，当体素个数小于第二预设阈值时，则诊断为阴性发现，将阴性发现发送给AI调度模块；当体素个数大于等于第二预设阈值时，则诊断为阳性发现，提取骨转移所对应的DICOM图像作为第二关键图像，将阳性发现以及第二关键图像发送给AI调度模块20；此时，
其中，第二预设阈值一般为100。
AI调度模块20还用于将阳性发现以及第二关键图像发送给结构化报告模块40；此时，
结构化报告模块40还用于当接收到阴性发现时，则激活结构化报告界面中的无发现相关控件，生成骨转移的M0分期(此处的M0分期仅是与骨转移相关的，M分期在报告中还有其他判定因素，最终的结果是综合判断后，全部都是M0分期时最终诊断才是M0分期)；当接收到阳性发现以及第二关键图像时，在结构化报告界面显示第二关键图像并激活结构化报告界面中骨转移个数的控件，生成M1分期。
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：盆腔大范围。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DWI序列图像，将DWI序列图像传给前列腺癌盆部骨转移评估模块进行是否有骨转移的诊断。对于体素个数大于等于100的区域，则认为有前列腺骨转移。将阳性发现发送到结构化报告模块，激活结构化报告界面的骨转移个数控件：1处、2-3处、4处及以上骨转移。
图4示出了根据本发明实施例二的在mpMRI图像上自动检出前列腺癌转移的系统中结构化报告界面显示骨转移阳性发现的示意图；如图4所示，结构化报告界面显示可见病灶，骨转移数量为2，并且将第二关键图像显示在结构化报告界面的相应位置。
前列腺癌骨转移的影像学评价是分期的重要指标，检出骨转移病灶并定位，对放疗计划的制定、预后的判断都有重要意义。前列腺癌的疾病周期很长，几乎全部疾病特异性死亡的患者其终末期都发生了骨转移。在前列腺癌的一线、二线、三线治疗过程中，骨转移的评价都是必需的。在晚期使用新方法进行试验性治疗时，要求影像学评估全身肿瘤负荷，其中骨转移的评价是最重要的肿瘤负荷评价指标之一。MR的DWI图像是诊断骨转移的常规影像方法。对骨转移的诊断要求有较高的经验，且要求耐心细致。但当转移灶非常多时，几乎不可能由专家人工做出定量评价和报告。本系统可以准确地判断DWI图像上的骨盆和下部腰骶椎的骨转移灶，自动报告相应的分期，且在导航图中显示转移骨的位置，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前列腺癌盆部骨转移评估模块，可以识别骨盆转移体素个数，当发现体素大于等于100的区域，则自动返回有骨转移的阳性发现，将结果发送给结构化报告模块，结构化报告模块根据接收到的数据自动激活结构化报告界面中的骨转移个数的控件，显示骨转移个数并生成M1分期；对行mpMRI检查的骨盆和下部腰骶椎骨骨转移做出判断，检出骨转移并定位，提高诊断的准确性；特别是当转移灶非常多时，该系统成功的替代了专家、人工等做出定量评价和报告。
实施例三
图5示出了根据本发明实施例三的在mpMRI图像上自动检出前列腺癌转移的系统结构示意图；如5图所示，前列腺癌淋巴结转移评估模块30还包括：第一Unet分割单元302和测量单元304，其中，
第一Unet分割单元302，分别与AI调度模块20和测量单元304相连，用于将DWI序列图像和ADC序列图像融合为一组2通道图像，基于2通道图像进行综合分析，输出前列腺癌灶分割数据；并基于DWI序列图像，输出前列腺体积分割数据和盆腔淋巴结分割数据；将前列腺癌灶分割数据、前列腺体积分割数据和盆腔淋巴结分割数据发送给测量单元304；
测量单元304，分别与第一Unet分割单元302和AI调度模块20相连，用于通过连通域算法将每幅DWI序列图像的三维空间中连续的区域拆分为有序的多个三维数组，每个三维数组对应一个肿大淋巴结，基于三维数组、前列腺癌灶分割数据、前列腺体积分割数据和盆腔淋巴结分割数据，对肿大淋巴结的最长径线、最短径线进行测量，将测量结果发送给AI调度模块20。
实施例四
图6示出了根据本发明实施例四的在mpMRI图像上自动检出前列腺癌转移的系统结构示意图；如图6所示，前列腺癌盆部骨转移评估模块50还包括：第二Unet分割单元502和计算单元504，其中，
第二Unet分割单元502，分别与AI调度模块20和计算单元504相连，用于将DWI序列图像和ADC序列图像融合为一组2通道图像，基于2通道图像进行综合分析，输出前列腺癌灶分割数据；并基于DWI序列图像，输出前列腺体积分割数据和盆部复数块骨骼区域分割数据；将前列腺癌灶分割数据、前列腺体积分割数据和盆部复数块骨骼区域分割数据发送给计算单元504；
计算单元504，分别与第二Unet分割单元502和AI调度模块20相连，用于通过连通域算法将每幅DWI序列图像的三维空间中连续的区域拆分为有序的多个三维数组，每个三维数组对应一块骨骼区域，基于三维数组、前列腺癌灶分割数据、前列腺体积分割数据和附近复数块骨骼区域分割数据，对复数块骨骼区域的体素进行计算，将体素个数大于等于第二预设阈值的骨骼区域数据发送给AI调度模块20。
实施例五
图7示出了根据本发明实施例五的在mpMRI图像上自动检出前列腺癌转移的系统结构示意图；如图7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20相连，用于当接收到最长径线、最短径线和第一关键图像时，自动在导航图上标注淋巴结转移的位置，当接收到阳性发现以及第二关键图像时，自动在导航图上标注骨转移的位置，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淋巴结转移的位置或骨转移的位置，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。
实施例六
图8示出了根据本发明实施例六的在mpMRI图像上自动检出前列腺癌转移的流程图；如图8所示，该方法包括以下步骤：
步骤S601，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；
步骤S602，当接收到的诊断数据为癌灶数据时，AI调度模块提取DICOM图像的头文件信息，基于头文件信息，查找DWI序列图像和ADC序列图像，并将DWI序列图像发送给前列腺癌淋巴结转移评估模块；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S603，前列腺癌淋巴结转移评估模块识别DWI序列图像中的肿大淋巴结，测量每个肿大淋巴结的最长径线、最短径线，提取最短径线大于等于第一预设阈值的淋巴结所对应的DICOM图像的最大层作为第一关键图像，并作出分类诊断，当所有肿大淋巴结的最短径线都小于第一预设阈值时，则诊断为阴性发现，将阴性发现发送给AI调度模块，当有一个及以上肿大淋巴结的最短径线大于等于第一预设阈值时，则诊断为阳性发现，将阳性发现所对应的最长径线、最短径线和第一关键图像发送给AI调度模块；此时，AI调度模块还用于统计最短径线大于等于第一预设阈值的肿大淋巴结个数，并将肿大淋巴结个数、最长径线、最短径线和第一关键图像发送给结构化报告模块；
步骤S604，当接收到非癌灶数据或阴性发现时，结构化报告模块则激活结构化报告界面中的无发现相关控件，生成N0分期；当接收到肿大淋巴结个数、最长径线、最短径线和第一关键图像时，则在结构化报告界面显示第一关键图像并激活结构化报告界面中的淋巴结个数的控件，生成N1分期；
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：盆腔大范围。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DWI序列图像，将DWI序列图像传给前列腺癌淋巴结转移评估模块进行是否有淋巴结转移的诊断。
其中，第一预设阈值一般为8mm，多参数磁共振成像(multiparametric MagneticResonance Imaging,mpMRI)是前列腺癌诊断和分期重要影像检查方法，除了可用于检出临床显著癌(clinically significant cancer)，还需要评价扫描范围内淋巴结转移和骨转移的情况。一般情况下，最短径线大于等于8mm的淋巴结被认为是肿大淋巴结，此时，激活结构化报告界面的肿大淋巴结个数的控件，即：有0个、1个、2-3个、4个及以上淋巴结肿大，并有相应的关键图像显示在结构化报告界面。
图9示出了根据本发明实施例六的在mpMRI图像上自动检出前列腺癌转移的方法中结构化报告界面显示淋巴结肿大阳性发现的示意图；如图9所示，在结构化报告界面显示了可见病灶，肿大淋巴结有3枚，最短径线2.3cm，同时将第一关键图像显示在结构化报告界面的相应位置。
MR的DWI序列图像是术前诊断淋巴结转移的常规影像方法。PI-RADS指南要求在MRI图像上发现短径≥8mm的淋巴结时，高度怀疑有转移，应报告有肿大淋巴结的存在，且报告其数量。对淋巴结肿大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DWI图像上的肿大淋巴结，且可以按照PI-RADS指南的要求自动分类，自动报告相应的分期，且在导航图中显示肿大淋巴结的位置，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：AI调度模块将DWI序列图像发送给前列腺癌盆部骨转移评估模块；前列腺癌盆部骨转移评估模块识别骨盆转移体素个数，当体素个数小于第二预设阈值时，则诊断为阴性发现，将阴性发现发送给AI调度模块；当体素个数大于等于第二预设阈值时，则诊断为阳性发现，提取骨转移所对应的DICOM图像作为第二关键图像，将阳性发现以及第二关键图像发送给AI调度模块；此时，
AI调度模块将阳性发现以及第二关键图像发送给结构化报告模块；此时，
当结构化报告模块接收到阴性发现时，则激活结构化报告界面中的无发现相关控件，生成骨转移的M0分期(此处的M0分期仅是与骨转移相关的，M分期在报告中还有其他判定因素，最终的结果是综合判断后，全部都是M0分期时最终诊断才是M0分期)；当接收到阳性发现以及第二关键图像时，在结构化报告界面显示第二关键图像并激活结构化报告界面中骨转移个数的控件，生成M1分期。
其中，第二预设阈值一般为100。
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：盆腔大范围。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DWI序列图像，将DWI序列图像传给前列腺癌盆部骨转移评估模块进行是否有骨转移的诊断。对于体素个数大于等于等于100的区域，则认为有前列腺骨转移。将阳性发现发送到结构化报告模块，激活结构化报告界面的骨转移个数控件：1处、2-3处、4处及以上骨转移。
图10示出了根据本发明实施例六的在mpMRI图像上自动检出前列腺癌转移的方法中结构化报告界面显示骨转移阳性发现的示意图；如图10所示，结构化报告界面显示可见病灶，骨转移数量为2，并且将第二关键图像显示在结构化报告界面的相应位置。
前列腺癌骨转移的影像学评价是分期的重要指标，检出骨转移病灶并定位，对放疗计划的制定、预后的判断都有重要意义。前列腺癌的疾病周期很长，几乎全部疾病特异性死亡的患者其终末期都发生了骨转移。在前列腺癌的一线、二线、三线治疗过程中，骨转移的评价都是必需的。在晚期使用新方法进行试验性治疗时，要求影像学评估全身肿瘤负荷，其中骨转移的评价是最重要的肿瘤负荷评价指标之一。MR的DWI图像是诊断骨转移的常规影像方法。对骨转移的诊断要求有较高的经验，且要求耐心细致。但当转移灶非常多时，几乎不可能由专家人工做出定量评价和报告。本系统可以准确地判断DWI图像上的骨盆和下部腰骶椎的骨转移灶，自动报告相应的分期，且在导航图中显示转移骨的位置，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：前列腺癌淋巴结转移评估模块中的第一Unet分割单元将DWI序列图像和ADC序列图像融合为一组2通道图像，基于所述2通道图像进行综合分析，输出前列腺癌灶分割数据；并基于DWI序列图像，输出前列腺体积分割数据和盆腔淋巴结分割数据；将前列腺癌灶分割数据、前列腺体积分割数据和盆腔淋巴结分割数据发送给前列腺癌淋巴结转移评估模块中的测量单元；
测量单元通过连通域算法将每幅DWI序列图像的三维空间中连续的区域拆分为有序的多个三维数组，每个三维数组对应一个肿大淋巴结，基于三维数组、前列腺癌灶分割数据、前列腺体积分割数据和盆腔淋巴结分割数据，对肿大淋巴结的最长径线、最短径线进行测量，将测量结果发送给AI调度模块。
其中，前列腺癌盆部骨转移评估模块中的第二Unet分割单元将DWI序列图像和ADC序列图像融合为一组2通道图像，基于所述2通道图像进行综合分析，输出前列腺癌灶分割数据；并基于DWI序列图像，输出前列腺体积分割数据和盆部复数块骨骼区域分割数据；将前列腺癌灶分割数据、前列腺体积分割数据和盆部复数块骨骼区域分割数据发送给前列腺癌盆部骨转移评估模块中的计算单元；
计算单元通过连通域算法将每幅DWI序列图像的三维空间中连续的区域拆分为有序的多个三维数组，每个三维数组对应一块骨骼区域，基于三维数组、前列腺癌灶分割数据、前列腺体积分割数据和附近复数块骨骼区域分割数据，对复数块骨骼区域的体素进行计算，将体素个数大于等于第二预设阈值的骨骼区域数据发送给AI调度模块。
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最长径线、最短径线和第一关键图像时，自动在导航图上标注淋巴结转移的位置，当接收到阳性发现以及第二关键图像时，自动在导航图上标注骨转移的位置，并将标注后的导航图显示在结构化报告界面的相应位置。
本发明的实施例中的AI调度模块、前列腺癌淋巴结转移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图像的盆腔淋巴结肿大做出判断，将最短径线大于等于8mm的淋巴结检出，最短径线大于等于8mm的淋巴结则认为是肿大淋巴结，并将肿大淋巴结的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淋巴结转移并定位，对放疗计划的制定、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，自动激活肿大淋巴结数量的相关控件，自动报告其肿大淋巴结的数量并作出N1分期，提高了诊断的敏感性和准确性，提升了报告的效率；本发明的实施例中的前列腺癌盆部骨转移评估模块，可以识别骨盆转移体素个数，当发现体素大于等于100的区域，则自动返回有骨转移的阳性发现，将结果发送给结构化报告模块，结构化报告模块根据接收到的数据自动激活结构化报告界面中的骨转移个数的控件，显示骨转移个数并生成M1分期；对行mpMRI检查的骨盆和下部腰骶椎骨骨转移做出判断，检出骨转移并定位，提高诊断的准确性；特别是当转移灶非常多时，该系统成功的替代了专家、人工等做出定量评价和报告；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淋巴结转移的位置或骨转移的位置，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。
实施例七
图11示出了根据本发明实施例七的在mpMRI图像上自动检出前列腺癌转移的具体处理的流程图，如图11所示，该方法包括以下步骤：
步骤S701，前列腺癌智能检出模块对患者的DICOM图像进行是否存在癌灶的诊断？若是，执行步骤S702-1和步骤S702-2；若否，执行步骤S703-1和步骤S703-3；
步骤S702-1，前列腺癌淋巴结转移评估模块是否检出大于等于8mm的淋巴结？若否，执行步骤S703-1；若是，执行步骤S703-2；
步骤S702-2，前列腺癌盆部骨转移评估模块是否检出骨转移体素个数大于等于100？若是，执行步骤S703-4；若否，执行步骤S703-3；
步骤S703-1，结构化报告模块生成N0分期；
步骤S703-2，结构化报告界面显示肿大淋巴结个数及N1分期；
步骤S703-3，结构化报告模块生成骨转移的M0分期(此处的M0分期仅是与骨转移相关的，M分期在报告中还有其他判定因素，最终的结果是综合判断后，全部都是M0分期时最终诊断才是M0分期)；
步骤S703-4，结构化报告界面显示骨转移个数及M1分期。
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：由于本发明的实施例设置了AI调度模块、前列腺癌淋巴结转移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图像的盆腔淋巴结肿大做出判断，将最短径线大于等于8mm的淋巴结检出，最短径线大于等于8mm的淋巴结则认为是肿大淋巴结，并将肿大淋巴结的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淋巴结转移并定位，对放疗计划的制定、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，自动激活肿大淋巴结数量的相关控件，自动报告其肿大淋巴结的数量并作出N1分期，提高了诊断的敏感性和准确性，提升了报告的效率；由于本发明的实施例设置了前列腺癌盆部骨转移评估模块，可以识别骨盆转移体素个数，当发现体素大于等于100的区域，则自动返回有骨转移的阳性发现，将结果发送给结构化报告模块，结构化报告模块根据接收到的数据自动激活结构化报告界面中的骨转移个数的控件，显示骨转移个数并生成M1分期；对行mpMRI检查的骨盆和下部腰骶椎骨骨转移做出判断，检出骨转移并定位，提高诊断的准确性；特别是当转移灶非常多时，该系统成功的替代了专家、人工等做出定量评价和报告；由于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淋巴结转移的位置或骨转移的位置，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 (10)
1.一种在mpMRI图像上自动检出前列腺癌转移的系统，其特征在于，包括前列腺癌智能检出模块、AI调度模块、前列腺癌淋巴结转移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、所述前列腺癌淋巴结转移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DWI序列图像和ADC序列图像，并将所述DWI序列图像发送给所述前列腺癌淋巴结转移评估模块；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；
所述前列腺癌淋巴结转移评估模块，与所述AI调度模块相连，用于识别所述DWI序列图像中的肿大淋巴结，测量每个肿大淋巴结的最长径线、最短径线，提取所述最短径线大于等于第一预设阈值的淋巴结所对应的DICOM图像的最大层作为第一关键图像，并作出分类诊断，当所有肿大淋巴结的所述最短径线都小于所述第一预设阈值时，则诊断为阴性发现，将所述阴性发现发送给所述AI调度模块，当有一个及以上肿大淋巴结的所述最短径线大于等于所述第一预设阈值时，则诊断为阳性发现，将所述阳性发现所对应的所述最长径线、所述最短径线和所述第一关键图像发送给所述AI调度模块；此时，所述AI调度模块还用于统计所述最短径线大于等于第一预设阈值的肿大淋巴结个数，并将所述肿大淋巴结个数、所述最长径线、所述最短径线和所述第一关键图像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阴性发现时，则激活结构化报告界面中的无发现相关控件，生成N0分期；当接收到所述肿大淋巴结个数、所述最长径线、所述最短径线和所述第一关键图像时，则在结构化报告界面显示所述第一关键图像并激活所述结构化报告界面中的淋巴结个数的控件，生成N1分期。
2.根据权利要求1所述的在mpMRI图像上自动检出前列腺癌转移的系统，其特征在于，该系统还包括前列腺癌盆部骨转移评估模块，与所述AI调度模块相连，此时，
所述AI调度模块还用于将所述DWI序列图像发送给所述前列腺癌盆部骨转移评估模块；
所述前列腺癌盆部骨转移评估模块用于识别骨盆转移体素个数，当所述体素个数小于第二预设阈值时，则诊断为阴性发现，将所述阴性发现发送给所述AI调度模块；当所述体素个数大于等于所述第二预设阈值时，则诊断为阳性发现，提取骨转移所对应的DICOM图像作为第二关键图像，将所述阳性发现以及所述第二关键图像发送给所述AI调度模块；此时，
所述AI调度模块还用于将所述阳性发现以及所述第二关键图像发送给所述结构化报告模块；此时，
所述结构化报告模块还用于当接收到所述阴性发现时，则激活结构化报告界面中的无发现相关控件，生成骨转移的M0分期；当接收到所述阳性发现以及所述第二关键图像时，在结构化报告界面显示所述第二关键图像并激活所述结构化报告界面中骨转移个数的控件，生成M1分期。
3.根据权利要求1所述的在mpMRI图像上自动检出前列腺癌转移的系统，其特征在于，所述前列腺癌淋巴结转移评估模块还包括：第一Unet分割单元和测量单元，其中，
所述第一Unet分割单元，分别与所述AI调度模块和所述测量单元相连，用于将所述DWI序列图像和所述ADC序列图像融合为一组2通道图像，基于所述2通道图像进行综合分析，输出前列腺癌灶分割数据；并基于所述DWI序列图像，输出前列腺体积分割数据和盆腔淋巴结分割数据；将所述前列腺癌灶分割数据、所述前列腺体积分割数据和所述盆腔淋巴结分割数据发送给所述测量单元；
所述测量单元，分别与所述第一Unet分割单元和所述AI调度模块相连，用于通过连通域算法将每幅所述DWI序列图像的三维空间中连续的区域拆分为有序的多个三维数组，每个所述三维数组对应一个肿大淋巴结，基于所述三维数组、所述前列腺癌灶分割数据、所述前列腺体积分割数据和所述盆腔淋巴结分割数据，对肿大淋巴结的所述最长径线、所述最短径线进行测量，将测量结果发送给所述AI调度模块。
4.根据权利要求2所述的在mpMRI图像上自动检出前列腺癌转移的系统，其特征在于，所述前列腺癌盆部骨转移评估模块还包括：第二Unet分割单元和计算单元，其中，
所述第二Unet分割单元，分别与所述AI调度模块和所述计算单元相连，用于将所述DWI序列图像和所述ADC序列图像融合为一组2通道图像，基于所述2通道图像进行综合分析，输出前列腺癌灶分割数据；并基于所述DWI序列图像，输出前列腺体积分割数据和盆部复数块骨骼区域分割数据；将所述前列腺癌灶分割数据、所述前列腺体积分割数据和所述盆部复数块骨骼区域分割数据发送给所述计算单元；
所述计算单元，分别与所述第二Unet分割单元和所述AI调度模块相连，用于通过连通域算法将每幅所述DWI序列图像的三维空间中连续的区域拆分为有序的多个三维数组，每个所述三维数组对应一块骨骼区域，基于所述三维数组、所述前列腺癌灶分割数据、所述前列腺体积分割数据和所述盆部复数块骨骼区域分割数据，对所述复数块骨骼区域的体素进行计算，将所述体素个数大于等于所述第二预设阈值的骨骼区域数据发送给所述AI调度模块。
5.根据权利要求2所述的在mpMRI图像上自动检出前列腺癌转移的系统，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，用于当接收到所述最长径线、所述最短径线和所述第一关键图像时，自动在导航图上标注淋巴结转移的位置，当接收到所述阳性发现以及所述第二关键图像时，自动在导航图上标注骨转移的位置，并将标注后的导航图显示在结构化报告界面的相应位置。
6.一种在mpMRI图像上自动检出前列腺癌转移的方法，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；
当接收到的所述诊断数据为癌灶数据时，所述AI调度模块提取所述DICOM图像的头文件信息，基于所述头文件信息，查找DWI序列图像和ADC序列图像，并将所述DWI序列图像发送给前列腺癌淋巴结转移评估模块；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；
所述前列腺癌淋巴结转移评估模块识别所述DWI序列图像中的肿大淋巴结，测量每个肿大淋巴结的最长径线、最短径线，提取所述最短径线大于等于第一预设阈值的淋巴结所对应的DICOM图像的最大层作为第一关键图像，并作出分类诊断，当所有肿大淋巴结的所述最短径线都小于所述第一预设阈值时，则诊断为阴性发现，将所述阴性发现发送给所述AI调度模块，当有一个及以上肿大淋巴结的所述最短径线大于等于所述第一预设阈值时，则诊断为阳性发现，将所述阳性发现所对应的所述最长径线、所述最短径线和所述第一关键图像发送给所述AI调度模块；此时，所述AI调度模块还用于统计所述最短径线大于等于第一预设阈值的肿大淋巴结个数，并将所述肿大淋巴结个数、所述最长径线、所述最短径线和所述第一关键图像发送给所述结构化报告模块；
当接收到所述非癌灶数据或阴性发现时，所述结构化报告模块则激活结构化报告界面中的无发现相关控件，生成N0分期；当接收到所述肿大淋巴结个数、所述最长径线、所述最短径线和所述第一关键图像时，则在结构化报告界面显示所述第一关键图像并激活所述结构化报告界面中的淋巴结个数的控件，生成N1分期。
7.根据权利要求6所述的在mpMRI图像上自动检出前列腺癌转移的方法，其特征在于，该方法还包括：
所述AI调度模块将所述DWI序列图像发送给前列腺癌盆部骨转移评估模块；
所述前列腺癌盆部骨转移评估模块识别骨盆转移体素个数，当所述体素个数小于第二预设阈值时，则诊断为阴性发现，将所述阴性发现发送给所述AI调度模块；当所述体素个数大于等于等于所述第二预设阈值时，则诊断为阳性发现，提取骨转移所对应的DICOM图像作为第二关键图像，将所述阳性发现以及所述第二关键图像发送给所述AI调度模块；此时，
所述AI调度模块将所述阳性发现以及所述第二关键图像发送给所述结构化报告模块；此时，
当所述结构化报告模块接收到所述阴性发现时，则激活结构化报告界面中的无发现相关控件，生成骨转移的M0分期；当接收到所述阳性发现以及所述第二关键图像时，在结构化报告界面显示所述第二关键图像并激活所述结构化报告界面中骨转移个数的控件，生成M1分期。
8.根据权利要求6所述的在mpMRI图像上自动检出前列腺癌转移的方法，其特征在于，该方法还包括：
所述前列腺癌淋巴结转移评估模块中的第一Unet分割单元将所述DWI序列图像和所述ADC序列图像融合为一组2通道图像，基于所述2通道图像进行综合分析，输出前列腺癌灶分割数据；并基于所述DWI序列图像，输出前列腺体积分割数据和盆腔淋巴结分割数据；将所述前列腺癌灶分割数据、所述前列腺体积分割数据和所述盆腔淋巴结分割数据发送给所述前列腺癌淋巴结转移评估模块中的测量单元；
所述测量单元通过连通域算法将每幅所述DWI序列图像的三维空间中连续的区域拆分为有序的多个三维数组，每个所述三维数组对应一个肿大淋巴结，基于所述三维数组、所述前列腺癌灶分割数据、所述前列腺体积分割数据和所述盆腔淋巴结分割数据，对肿大淋巴结的所述最长径线、所述最短径线进行测量，将测量结果发送给所述AI调度模块。
9.根据权利要求7所述的在mpMRI图像上自动检出前列腺癌转移的方法，其特征在于，该方法还包括：
所述前列腺癌盆部骨转移评估模块中的第二Unet分割单元将所述DWI序列图像和所述ADC序列图像融合为一组2通道图像，基于所述2通道图像进行综合分析，输出前列腺癌灶分割数据；并基于所述DWI序列图像，输出前列腺体积分割数据和盆部复数块骨骼区域分割数据；将所述前列腺癌灶分割数据、所述前列腺体积分割数据和所述盆部复数块骨骼区域分割数据发送给所述前列腺癌盆部骨转移评估模块中的计算单元；
所述计算单元通过连通域算法将每幅所述DWI序列图像的三维空间中连续的区域拆分为有序的多个三维数组，每个所述三维数组对应一块骨骼区域，基于所述三维数组、所述前列腺癌灶分割数据、所述前列腺体积分割数据和所述附近复数块骨骼区域分割数据，对所述复数块骨骼区域的体素进行计算，将所述体素个数大于等于所述第二预设阈值的骨骼区域数据发送给所述AI调度模块。
10.根据权利要求7所述的在mpMRI图像上自动检出前列腺癌转移的方法，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最长径线、所述最短径线和所述第一关键图像时，自动在导航图上标注淋巴结转移的位置，当接收到所述阳性发现以及所述第二关键图像时，自动在导航图上标注骨转移的位置，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 |
|---|---|---|---|
| CN201910919725.3A CN112562847B (zh) | 2019-09-26 | 2019-09-26 | 在mpMRI图像上自动检出前列腺癌转移的系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910919725.3A CN112562847B (zh) | 2019-09-26 | 2019-09-26 | 在mpMRI图像上自动检出前列腺癌转移的系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112562847A true CN112562847A (zh) | 2021-03-26 |
| CN112562847B CN112562847B (zh) | 2024-04-26 |
Family
ID=75030160
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910919725.3A Active CN112562847B (zh) | 2019-09-26 | 2019-09-26 | 在mpMRI图像上自动检出前列腺癌转移的系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112562847B (zh) |
Citations (5)
| 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 |
| CN107886510A (zh) * | 2017-11-27 | 2018-04-06 | 杭州电子科技大学 | 一种基于三维全卷积神经网络的前列腺mri分割方法 |
| CN109544534A (zh) * | 2018-11-26 | 2019-03-29 | 上海联影智能医疗科技有限公司 | 一种病灶图像检测装置、方法和计算机可读存储介质 |
| CN109785310A (zh) * | 2019-01-11 | 2019-05-21 | 南京信息工程大学 | 一种基于乳腺淋巴结全景图像计算的自动分期系统 |
| US20190205758A1 (en) * | 2016-12-30 | 2019-07-04 | Konica Minolta Laboratory U.S.A., Inc. | Gland segmentation with deeply-supervised multi-level deconvolution networks |
-
2019
- 2019-09-26 CN CN201910919725.3A patent/CN112562847B/zh active Active
Patent Citations (5)
| 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 |
| US20190205758A1 (en) * | 2016-12-30 | 2019-07-04 | Konica Minolta Laboratory U.S.A., Inc. | Gland segmentation with deeply-supervised multi-level deconvolution networks |
| CN107886510A (zh) * | 2017-11-27 | 2018-04-06 | 杭州电子科技大学 | 一种基于三维全卷积神经网络的前列腺mri分割方法 |
| CN109544534A (zh) * | 2018-11-26 | 2019-03-29 | 上海联影智能医疗科技有限公司 | 一种病灶图像检测装置、方法和计算机可读存储介质 |
| CN109785310A (zh) * | 2019-01-11 | 2019-05-21 | 南京信息工程大学 | 一种基于乳腺淋巴结全景图像计算的自动分期系统 |
Non-Patent Citations (4)
| Title |
|---|
| 严和强;: "前列腺癌的MRI影像学诊断", 临床合理用药杂志, no. 23, 20 August 2016 (2016-08-20) * |
| 张春燕;王霄英;李飞宇;许玉峰;蒋学祥;: "磁共振扩散加权成像对前列腺癌患者盆腔淋巴结诊断价值的初步研究", 中国医学影像技术, no. 12, 20 December 2005 (2005-12-20) * |
| 李波;: "磁共振前列腺成像套餐对前列腺癌诊断的价值研究", 基层医学论坛, no. 14, 10 May 2013 (2013-05-10) * |
| 王润强;涂文彬;张海莲;朱友义;李天云;章军建;: "前列腺癌骨及精囊转移的MRI诊断研究", 中国性科学, no. 11, 15 November 2017 (2017-11-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112562847B (zh) | 2024-04-26 |
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 | |
| Østergaard et al. | Imaging in early rheumatoid arthritis: roles of magnetic resonance imaging, ultrasonography, conventional radiography and computed tomography | |
| Risum et al. | The diagnostic value of PET/CT for primary ovarian cancer—a prospective study | |
| JP5393954B2 (ja) | 結腸の伏臥時走査及び仰臥時走査の位置合わせ及び形状に基づく解析からの便の仮想的減算の方法及び装置 | |
| Danielsen et al. | Positron emission tomography in the follow-up of cutaneous malignant melanoma patients: a systematic review | |
| WO2004049948A1 (ja) | コンピュータ支援診断装置 | |
| CN105338905A (zh) | 用于多模态组织分类的方法和系统 | |
| KR20200077852A (ko) | 복수의 의료 영상 판독 알고리듬들에 대한 평가 스코어를 생성하는 의료 영상 판독 지원 장치 및 방법 | |
| Liu et al. | Detection and segmentation of pelvic bones metastases in MRI images for patients with prostate cancer based on deep learning | |
| Wennmann et al. | Combining deep learning and radiomics for automated, objective, comprehensive bone marrow characterization from whole-body MRI: a multicentric feasibility study | |
| Madan et al. | Artificial intelligence and imaging: opportunities in cardio-oncology | |
| Bayram et al. | A detection and prediction model based on deep learning assisted by explainable artificial intelligence for kidney diseases | |
| Kandagaddala et al. | A new and simplified comprehensive ultrasound protocol of haemophilic joints: the Universal Simplified Ultrasound (US-US) protocol | |
| Li et al. | The value of S-Detect for the differential diagnosis of breast masses on ultrasound: a systematic review and pooled meta-analysis | |
| Stanzione et al. | Placenta accreta spectrum disorders and radiomics: systematic review and quality appraisal | |
| Teh et al. | What the rheumatologist is looking for and what the radiologist should know in imaging for rheumatoid arthritis | |
| CN112545479B (zh) | 在mpMRI上分割前列腺和精囊分带解剖的系统及方法 | |
| CN112562847B (zh) | 在mpMRI图像上自动检出前列腺癌转移的系统及方法 | |
| Patriarche et al. | Part 2. Automated change detection and characterization applied to serial MR of brain tumors may detect progression earlier than human experts | |
| CN112545476B (zh) | 在mpMRI上检出前列腺癌包膜外侵犯的系统及方法 | |
| AU2021103578A4 (en) | A Novel Method COVID -19 infection using Deep Learning Based System | |
| Jiang et al. | Development and validation of the diagnostic accuracy of artificial intelligence-assisted ultrasound in the classification of splenic trauma | |
| Solomon et al. | Computer-assisted detection of subcutaneous melanomas: feasibility assessment1 | |
| CN112545481B (zh) | 在mpMRI上自动分割和定位前列腺癌的系统及方法 | |
| CN112508942B (zh) | 一种获取bi-rads等级的方法和系统 |
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 |