CN114612388A - 乳腺癌新辅助化疗术后结果评估系统 - Google Patents
乳腺癌新辅助化疗术后结果评估系统 Download PDFInfo
- Publication number
- CN114612388A CN114612388A CN202210150436.3A CN202210150436A CN114612388A CN 114612388 A CN114612388 A CN 114612388A CN 202210150436 A CN202210150436 A CN 202210150436A CN 114612388 A CN114612388 A CN 114612388A
- Authority
- CN
- China
- Prior art keywords
- focus
- breast cancer
- medical image
- neoadjuvant chemotherapy
- exposure parameter
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种乳腺癌新辅助化疗术后结果评估系统,包括医学影像获取模块、曝光参数提取模块、病灶识别模块、差值确定模块、信息获取模块和评估模块,可以获取在进行乳腺癌新辅助化疗前后拍摄的医学影像,提取得到曝光参数和病灶影像特征,获取患者临床信息,根据曝光参数差值、病灶影像特征差值和患者临床信息,评估乳腺癌新辅助化疗的术后结果。本发明可以使用计算机、手机或者平板电脑等设备实现,可以减少人工评估存在的主观因素影响严重、评估指标不稳定等问题;其中医学影像可以通过FFDM和DBT等技术获得,可以避免应用MRI所带来的费用昂贵、需时久以及容易产生伪影等问题。本发明广泛应用于医学信息技术领域。
Description
技术领域
本发明涉及医学信息技术领域,尤其是一种乳腺癌新辅助化疗术后结果评估系统。
背景技术
乳腺癌已成为了威胁人民生命健康安全的重大疾病,乳腺癌的治疗越来越受到重视。新辅助化疗(Neoadjuvant chemotherapy,NCT)是一种重要的乳腺癌治疗技术,其具有缩小肿瘤、降低临床分期的优点,有效提高手术切除率及保乳率,已成为局部晚期乳腺癌患者的标准治疗模式。应用一种治疗技术将伴随着对术后结果的评估,目前对新辅助化疗的术后结果评估主要是通过乳腺核磁共振(Magnetic resonance imaging,MRI)进行的。MRI拥有良好的软组织分辨率和对比度分辨率,是评估新辅助化疗疗效的相对金标准,然而MRI检查费用昂贵,排队等候时间长,而且对患者的身体运动非常敏感,容易产生伪影。在不使用MRI的情况下,可以通过观察对患者拍摄的医学影像进行术后结果评估,但是这依赖临床医生在影像上的主观判断,缺乏稳定可靠的化疗疗效评估指标,而且无法预测术后并发症的发生。
术语解释:
FFDM:Full-field digital mammography的缩写,表示乳腺X线摄影;
DBT:Digital breast tomosynthesis的缩写,表示乳腺断层融合;
Dicom:Digital Imaging and Communications in Medicine的缩写,表示医学数字成像和通信,是一种医学图像和相关信息的国际标准(ISO 12052);Dicom定义了质量能满足临床需要的可用于数据交换的医学图像格式,可用于放射医疗、心血管成像以及放射诊疗诊断等领域的医学影像记录。
发明内容
针对目前的乳腺癌新辅助化疗术后结果评估相关技术中,存在费用昂贵、需时久、容易产生伪影、主观因素影响严重、评估指标不稳定等至少一个技术问题,本发明的目的在于提供一种乳腺癌新辅助化疗术后结果评估系统。
所述乳腺癌新辅助化疗术后结果评估系统包括:
医学影像获取模块,用于获取第一医学影像和第二医学影像;所述第一医学影像是在对人员进行乳腺癌新辅助化疗之前拍摄所得,所述第二医学影像是在对相同的人员进行乳腺癌新辅助化疗之后拍摄所得;
曝光参数提取模块,用于提取所述第一医学影像的第一曝光参数,提取第二医学影像的第二曝光参数;
病灶识别模块,用于进行病灶识别;其中,对所述第一医学影像进行病灶识别获得第一病灶影像特征,对所述第二医学影像进行病灶识别获得第二病灶影像特征;
差值确定模块,用于根据所述第一曝光参数与所述第二曝光参数,确定曝光参数差值;根据所述第一病灶影像特征和所述第二病灶影像特征,确定病灶影像特征差值;
信息获取模块,用于获取患者临床信息;
评估模块,用于根据所述曝光参数差值、所述病灶影像特征差值和所述患者临床信息,评估乳腺癌新辅助化疗的术后结果。
进一步地,所述获取第一医学影像和第二医学影像,包括:
获取对人员进行FFDM和DBT拍摄所得的Dicom文件;
从所述Dicom文件提取所述第一医学影像和所述第二医学影像。
进一步地,所述进行病灶识别,包括:
获取医学影像的像素点;
沿第一方向遍历所述医学影像的全部像素点,确定病灶轮廓像素点;其中,对于第一方向上的每个位置,沿第二方向扫描所述医学影像的上的像素点,将第一次扫描到的像素值等于固定值的像素点,以及第二次扫描到的像素值等于固定值的像素点记录为病灶轮廓像素点;
根据全部所述病灶轮廓像素点组成的轮廓,识别所述医学影像中的病灶部位。
进一步地,所述进行病灶识别,还包括:
对所述病灶部位进行识别,获得病灶平均灰度值、病灶最大直径和病灶面积。
进一步地,所述第一病灶影像特征、所述第二病灶影像特征、所述第一曝光参数、所述第二曝光参数和所述患者临床信息均为向量数据。
进一步地,所述根据所述曝光参数差值、所述病灶影像特征差值和所述患者临床信息,评估乳腺癌新辅助化疗的术后结果,包括:
设定第一阈值;
对所述曝光参数差值、所述病灶影像特征差值和所述患者临床信息进行拼接,获得第一拼接向量;
获取第一参数向量;
获取所述第一拼接向量和所述第一参数向量相乘所得的第一数量积;
当所述第一数量积达到所述第一阈值,将乳腺癌新辅助化疗评估为有效,反之,将乳腺癌新辅助化疗评估为无效。
进一步地,所述根据所述曝光参数差值、所述病灶影像特征差值和所述患者临床信息,评估乳腺癌新辅助化疗的术后结果,包括:
设定第二阈值;
对所述曝光参数差值、所述病灶影像特征差值和所述患者临床信息进行拼接,获得第二拼接向量;
获取第二参数向量;
获取所述第二拼接向量和所述第二参数向量相乘所得的第二数量积;
当所述第二数量积达到所述第二阈值,将乳腺癌新辅助化疗评估为导致发生术后并发症,反之,将乳腺癌新辅助化疗评估为不导致发生术后并发症。
进一步地,所述第一病灶影像特征和所述第二病灶影像特征的分量均包括病灶平均灰度值、病灶最大直径和病灶面积。
进一步地,所述第一曝光参数和所述第二曝光参数的分量均包括压迫厚度、FFDM辐射剂量和DBT辐射剂量。
进一步地,所述患者临床信息的分量包括初产年龄、乳腺活检次数、女性生育史、月经初潮年龄、初产年龄、哺乳史、绝经情况、服用激素情况和亲属乳腺癌家族史中的一种或多种。
本发明的有益效果是:实施例中的乳腺癌新辅助化疗术后结果评估系统,可以使用计算机、手机或者平板电脑等设备实现,可以减少人工评估存在的主观因素影响严重、评估指标不稳定等问题;实施例中的乳腺癌新辅助化疗术后结果评估系统是通过对医学影像和患者临床信息进行分析,从而进行乳腺癌新辅助化疗的术后结果评估的,其中医学影像可以通过FFDM和DBT等技术获得,可以避免应用MRI所带来的费用昂贵、需时久以及容易产生伪影等问题。
附图说明
图1为实施例中乳腺癌新辅助化疗术后结果评估系统的结构图;
图2为实施例中乳腺癌新辅助化疗术后结果评估系统的工作流程图。
具体实施方式
本实施例中,参照图1,乳腺癌新辅助化疗术后结果评估系统包括医学影像获取模块、曝光参数提取模块、病灶识别模块、差值确定模块、信息获取模块和评估模块等模块,这些模块可以是具有相应的功能的独立的计算机装置,或者同一计算机装置中的各硬件部分或软件部分。例如,可以通过对同一计算机装置进行编程,当计算机装置执行与医学影像获取模块的功能相关的计算机程序时,该计算机装置成为本实施例中的乳腺癌新辅助化疗术后结果评估系统,该计算机装置所执行的计算机程序成为本实施例中的医学影像获取模块。
本实施例中,当乳腺癌新辅助化疗术后结果评估系统运行,可以执行以下步骤:
S1.获取第一医学影像和第二医学影像;其中,第一医学影像是在对人员进行乳腺癌新辅助化疗之前拍摄所得,第二医学影像是在对相同的人员进行乳腺癌新辅助化疗之后拍摄所得;
S2.提取第一医学影像的第一曝光参数,提取第二医学影像的第二曝光参数;
S3.进行病灶识别;其中,对第一医学影像进行病灶识别获得第一病灶影像特征,对第二医学影像进行病灶识别获得第二病灶影像特征;
S4.根据第一曝光参数与第二曝光参数,确定曝光参数差值;根据第一病灶影像特征和第二病灶影像特征,确定病灶影像特征差值;
S5.获取患者临床信息;
S6.根据曝光参数差值、病灶影像特征差值和患者临床信息,评估乳腺癌新辅助化疗的术后结果。
其中,由医学影像获取模块执行步骤S1,由曝光参数提取模块执行步骤S2,由病灶识别模块执行步骤S3,由差值确定模块执行步骤S4,由信息获取模块执行步骤S5,由评估模块执行步骤S6。
步骤S1中,在一个人员接受乳腺癌新辅助化疗之前,对其拍摄得到第一医学影像;在同一个人员接受乳腺癌新辅助化疗之后,对其拍摄得到第二医学影像。具体地,在执行步骤S1,也就是获取第一医学影像和第二医学影像这一步骤时,可以执行以下步骤:
S101.获取对人员进行FFDM和DBT拍摄所得的Dicom文件;
S102.从Dicom文件提取第一医学影像和第二医学影像。
步骤S101中,进行FFDM&DBT摄影。具体地,采用Hologic Selenia Dimensions数字乳腺断层摄影系统(Hologic,USA),充分暴露乳腺组织,对乳腺进行局部压迫,并行断层成像。影像阅读和评价在Hologic诊断工作站,Barco 5M显示器上进行。FFDM&DBT摄影的条件包括:选择大焦点,自动曝光传感器采用自动模式,并运用自动曝光程序(AutomaticExposure Control,AEC)进行曝光。DBT摄影时,球管旋转角度为15°,每1°进行1次曝光,共15次曝光;并按乳腺厚度进行影像重建,层厚为1mm。
步骤S102中,根据Dicom文件的拍摄时间,提取出第一医学影像和第二医学影像。
本实施例中,第一医学影像和第二医学影像分别有各自的曝光参数,其中第一医学影像的曝光参数为第一曝光参数,第二医学影像的曝光参数为第二曝光参数。步骤S2中,可以在第一医学影像和第二医学影像的拍摄过程中,分别记录第一曝光参数和第二曝光参数。
本实施例中,所要记录的曝光参数包括压迫厚度、FFDM辐射剂量和DBT辐射剂量。因此,第一曝光参数和第二曝光参数都可以视为是具有(压迫厚度,FFDM辐射剂量,DBT辐射剂量)形式的向量数据,其中的压迫厚度、FFDM辐射剂量和DBT辐射剂量等参数相当于曝光参数向量数据中的分量。
具体地,由于在执行步骤S1时,Hologic机器可以采用combo模式,即乳腺压迫一次的状态下同时进行二维FFDM及三维DBT摄影,因此拍摄第一医学影像的压迫厚度BT1和第二医学影像的压迫厚度BT2可以是一致的,而所使用的辐射剂量则一般不同,其中,将拍摄第一医学影像时所使用的FFDM辐射剂量记为AGDFFDM1,将拍摄第一医学影像时所使用的DBT辐射剂量记为AGDDBT1,将拍摄第二医学影像时所使用的FFDM辐射剂量记为AGDFFDM2,将拍摄第二医学影像时所使用的DBT辐射剂量记为AGDDBT2,那么第一曝光参数可以记为形式为(BT1,AGDFFDM1,AGDDBT1)的向量数据,第二曝光参数可以记为形式为(BT2,AGDFFDM2,AGDDBT2)的向量数据。
步骤S3中,对第一医学影像和第二医学影像进行病灶识别,从而识别出对第一医学影像和第二医学影像中包含的病灶。由于对第一医学影像和第二医学影像进行病灶识别的原理是相同的,以对第一医学影像进行病灶识别为例进行说明。
在执行步骤S3对第一医学影像进行病灶识别时,具体可以执行以下步骤:
S301.获取第一医学影像的像素点;
第一医学影像的像素点可以通过坐标(x,y)来表示,其中x表示像素点在X轴(第二方向)上的坐标,y表示像素点在Y轴(第一方向)上的坐标;像素点(x,y)对应的像素值(可以是灰度值)可以表示为f(x,y);
S302.沿第一方向(Y轴)遍历第一医学影像的全部像素点,确定病灶轮廓像素点;其中,对于第一方向(Y轴)上的每个位置,沿第二方向(X轴)扫描医学影像的上的像素点,将第一次扫描到的像素值等于固定值的像素点,以及第二次扫描到的像素值等于固定值的像素点记录为病灶轮廓像素点;
具体地,以第一医学影像的左上角为坐标原点(0,0),对于第一方向(Y轴)上的一个坐标y1,沿第二方向(X轴)从左往右读取第一医学影像的各像素点的灰度值f(x,y1);当第一次扫描到一个像素点(x1,y1)的像素值为固定值T,即f(x1,y1)=T,将像素点(x1,y1)记为病灶轮廓像素点;保持第一方向(Y轴)上的坐标为y1,继续从左往右扫描,当第二次扫描到一个像素点(x2,y1)的像素值为固定值T,即f(x2,y1)=T,将像素点(x2,y1)也记为病灶轮廓像素点;在获得第一方向(Y轴)上的两个病灶轮廓像素点之后,改变第一方向(Y轴)的坐标,例如由y1变为y2,重新沿第二方向(X轴)从左往右读取第一医学影像的各像素点的灰度值f(x,y2),继续搜索病灶轮廓像素点,直至遍历第一方向(Y轴)的所有坐标;具体地,固定值T可以为155;
S303.根据全部病灶轮廓像素点组成的轮廓,识别医学影像中的病灶部位;
具体地,在获得全部病灶轮廓像素点之后,全部病灶轮廓像素点形成病灶轮廓线,将位于病灶轮廓线内的像素点识别为医学影像中的病灶部位。例如,对于第一方向(Y轴)上的一个坐标y1识别到的病灶轮廓像素点(x1,y1)和(x2,y1),将位于病灶轮廓线内的像素点(x1…xn…x2,y1)等像素点识别为医学影像中的病灶部位,其中x1<xn<x2。
在识别出第一医学影像中的病灶部位后,还可以计算出第一医学影像对应的病灶平均灰度值G1、病灶最大直径D1和病灶面积A1等参数。其中,病灶平均灰度值 其中ya至yb为病灶轮廓在Y轴方向上的范围,xc至xd为病灶轮廓在X轴方向上的范围,N为病灶区域内像素点的总数。病灶最大直径其中x1,y1为对应Y轴坐标为y1的第一个病灶轮廓像素点的坐标,x2,y2为对应Y轴坐标为y1的第二个病灶轮廓像素点的坐标。病灶面积其中ya至yb为病灶轮廓在Y轴方向上的范围,xc至xd为病灶轮廓在X轴方向上的范围,area(x,y)为某一像素点的面积。
通过上述步骤S301-S303,计算出了第一医学影像对应的病灶平均灰度值G1、病灶最大直径D1和病灶面积A1。病灶平均灰度值G1、病灶最大直径D1和病灶面积A1可以组成向量形式的数据(G1,D1,A1)作为第一病灶影像特征。
参考步骤S301-S303,可以计算出第二医学影像对应的病灶平均灰度值G2、病灶最大直径D2和病灶面积A2。病灶平均灰度值G2、病灶最大直径D2和病灶面积A2可以组成向量形式的数据(G2,D2,A2)作为第二病灶影像特征。
步骤S4中,根据第一曝光参数(BT1,AGDFFDM1,AGDDBT1)与第二曝光参数(BT2,AGDFFDM2,AGDDBT2),确定曝光参数差值(△BT,△AGDFFDM,△AGDDBT)。其中,△BT=BT1-BT2,△AGDFFDM=AGDFFDM1-AGDFFDM2,△AGDDBT=AGDDBT1-AGDDBT2。
S4.根据第一病灶影像特征(G1,D1,A1)和第二病灶影像特征(G2,D2,A2),确定病灶影像特征差值(△G,△D,△A)。其中,△G=G1-G2,△D=D1-D2,△A=A1-A2。
步骤S5中,所获取的患者临床信息可以是由初产年龄、乳腺活检次数、女性生育史、月经初潮年龄、初产年龄、哺乳史、绝经情况、服用激素情况和亲属乳腺癌家族史等分量组成的向量数据。其中,女性生育史可以表示为生育次数,哺乳史可以表示为哺乳年数,绝经情况可以通过“0”来表示未绝经,通过“1”来表示已绝经,服用激素情况可以表示为服用激素次数,亲属乳腺癌家族史可以表示为亲属乳腺癌患者数量,从而获得量化的数据。可以只使用其中的部分分量组成向量形式的患者临床信息。
在执行步骤S6,也就是根据曝光参数差值、病灶影像特征差值和患者临床信息,评估乳腺癌新辅助化疗的术后结果这一步骤时,可以执行以下步骤:
S601A.设定第一阈值;
S602A.对曝光参数差值、所述病灶影像特征差值和患者临床信息进行拼接,获得第一拼接向量;
S603A.获取第一参数向量;
S604A.获取第一拼接向量和第一参数向量相乘所得的第一数量积;
S605A.当第一数量积达到第一阈值,将乳腺癌新辅助化疗评估为有效,反之,将乳腺癌新辅助化疗评估为无效。
步骤S601A中,可以设定第一阈值为0.957。
步骤S602A中,选择“初产年龄”和“是否绝经”这两个分量组成患者临床信息(初产年龄,是否绝经)。将曝光参数差值(△BT,△AGDFFDM,△AGDDBT)、病灶影像特征差值(△G,△D,△A)和患者临床信息(初产年龄,是否绝经)进行拼接,获得第一拼接向量(△BT,△AGDFFDM,△AGDDBT,△G,△D,△A,初产年龄,是否绝经)。
步骤S603A中,获取第一参数向量(0.03,0.15,-0.12,0.2,0.14,-0.05,0.04,0.8)。
步骤S604A中,获取第一拼接向量(△BT,△AGDFFDM,△AGDDBT,△G,△D,△A,初产年龄,是否绝经)和第一参数向量(0.03,0.15,-0.12,0.2,0.14,-0.05,0.04,0.8)相乘所得的第一数量积,即第一数量积为Model1=0.03*△BT+0.15*△AGDFFDM-0.12*△AGDDBT+0.2*△G+0.14*△D-0.05*△A+0.04*初产年龄+0.8*是否绝经)。
步骤S605A中,当第一数量积Model1达到第一阈值0.957,将乳腺癌新辅助化疗评估为有效,反之,将乳腺癌新辅助化疗评估为无效。
在执行步骤S6,也就是根据曝光参数差值、病灶影像特征差值和患者临床信息,评估乳腺癌新辅助化疗的术后结果这一步骤时,还可以执行以下步骤:
S601B.设定第二阈值;
S602B.对曝光参数差值、所述病灶影像特征差值和患者临床信息进行拼接,获得第二拼接向量;
S603B.获取第二参数向量;
S604B.获取第二拼接向量和第二参数向量相乘所得的第二数量积;
S605B.当第二数量积达到第二阈值,将乳腺癌新辅助化疗评估为导致发生术后并发症,反之,将乳腺癌新辅助化疗评估为不导致发生术后并发症。
步骤S601B中,可以设定第二阈值为0.314。
步骤S602B中,选择“女性生育史”、“初产年龄”、“哺乳史”和“是否绝经”这四个分量组成患者临床信息(女性生育史,初产年龄,哺乳史,是否绝经)。将曝光参数差值(△BT,△AGDFFDM,△AGDDBT)、病灶影像特征差值(△G,△D,△A)和患者临床信息(女性生育史,初产年龄,哺乳史,是否绝经)进行拼接,获得第二拼接向量(△BT,△AGDFFDM,△AGDDBT,△G,△D,△A,女性生育史,初产年龄,哺乳史,是否绝经)。
步骤S603B中,获取第二参数向量(0.18,-0.61,-0.021,0.35,0.04,-0.19,0.07,-0.52,0.17,0.20)。
步骤S604B中,获取第二拼接向量(△BT,△AGDFFDM,△AGDDBT,△G,△D,△A,女性生育史,初产年龄,哺乳史,是否绝经)和第二参数向量(0.18,-0.61,-0.021,0.35,0.04,-0.19,0.07,-0.52,0.17,0.20)相乘所得的第二数量积,即第二数量积为Model2=0.18*△BT-0.61*△AGDFFDM-0.021*△AGDDBT+0.35*△G+0.04*△D-0.19*△A+0.07*女性生育史-0.52*初产年龄+0.17*哺乳史+0.20*是否绝经。
步骤S605B中,当第二数量积Model2达到第二阈值0.314,将乳腺癌新辅助化疗评估为导致发生术后并发症,反之,将乳腺癌新辅助化疗评估为不导致发生术后并发症。
步骤S601A-S605A和步骤S601B-S605B中,第一参数向量和第二参数向量的具体取值是通过多因素回归分析,筛选出与化疗疗效金标准(Miller-Payne grading system)相关的独立预测因子,第一参数向量和第二参数向量分别是第一参数向量和第二参数向量中各分量的权重。通过计算第一数量积,可以将曝光参数差值、病灶影像特征差值和患者临床信息等预测因子融合在一起,从而有效评估乳腺癌新辅助化疗的术后结果。具体地,步骤S601A-S605A和步骤S601B-S605B中,通过使用含有不同分量的患者临床信息以及不同具体取值的参数向量,所计算出的第一数量积和第二数量积分别可以反映对乳腺癌新辅助化疗本身的疗效的评估结果,以及对乳腺癌新辅助化疗会否导致发生术后并发症的评估结果,因此本实施例中的乳腺癌新辅助化疗术后结果评估系统,可以通过调整患者临床信息所含有的分量以及参数向量的具体取值,可以从不同的方面评估乳腺癌新辅助化疗的术后结果。
本实施例中的乳腺癌新辅助化疗术后结果评估系统,可以使用计算机、手机或者平板电脑等设备实现,可以减少人工评估存在的主观因素影响严重、评估指标不稳定等问题;本实施例中的乳腺癌新辅助化疗术后结果评估系统是通过对医学影像和患者临床信息进行分析,从而进行乳腺癌新辅助化疗的术后结果评估的,其中医学影像可以通过FFDM和DBT等技术获得,可以避免应用MRI所带来的费用昂贵、需时久以及容易产生伪影等问题。
需要说明的是,如无特殊说明,当某一特征被称为“固定”、“连接”在另一个特征,它可以直接固定、连接在另一个特征上,也可以间接地固定、连接在另一个特征上。此外,本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。此外,除非另有定义,本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例,而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种元件,但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如,在不脱离本公开范围的情况下,第一元件也可以被称为第二元件,类似地,第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例,并且除非另外要求,否则不会对本发明的范围施加限制。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本实施例描述的过程的操作,除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本实施例所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,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,均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种乳腺癌新辅助化疗术后结果评估系统,其特征在于,所述乳腺癌新辅助化疗术后结果评估系统包括:
医学影像获取模块,用于获取第一医学影像和第二医学影像;所述第一医学影像是在对人员进行乳腺癌新辅助化疗之前拍摄所得,所述第二医学影像是在对相同的人员进行乳腺癌新辅助化疗之后拍摄所得;
曝光参数提取模块,用于提取所述第一医学影像的第一曝光参数,提取第二医学影像的第二曝光参数;
病灶识别模块,用于进行病灶识别;其中,对所述第一医学影像进行病灶识别获得第一病灶影像特征,对所述第二医学影像进行病灶识别获得第二病灶影像特征;
差值确定模块,用于根据所述第一曝光参数与所述第二曝光参数,确定曝光参数差值;根据所述第一病灶影像特征和所述第二病灶影像特征,确定病灶影像特征差值;
信息获取模块,用于获取患者临床信息;
评估模块,用于根据所述曝光参数差值、所述病灶影像特征差值和所述患者临床信息,评估乳腺癌新辅助化疗的术后结果。
2.根据权利要求1所述的乳腺癌新辅助化疗术后结果评估系统,其特征在于,所述获取第一医学影像和第二医学影像,包括:
获取对人员进行FFDM和DBT拍摄所得的Dicom文件;
从所述Dicom文件提取所述第一医学影像和所述第二医学影像。
3.根据权利要求1所述的乳腺癌新辅助化疗术后结果评估系统,其特征在于,所述进行病灶识别,包括:
获取医学影像的像素点;
沿第一方向遍历所述医学影像的全部像素点,确定病灶轮廓像素点;其中,对于第一方向上的每个位置,沿第二方向扫描所述医学影像的上的像素点,将第一次扫描到的像素值等于固定值的像素点,以及第二次扫描到的像素值等于固定值的像素点记录为病灶轮廓像素点;根据全部所述病灶轮廓像素点组成的轮廓,识别所述医学影像中的病灶部位。
4.根据权利要求3所述的乳腺癌新辅助化疗术后结果评估系统,其特征在于,所述进行病灶识别,还包括:
对所述病灶部位进行识别,获得病灶平均灰度值、病灶最大直径和病灶面积。
5.根据权利要求1所述的乳腺癌新辅助化疗术后结果评估系统,其特征在于,所述第一病灶影像特征、所述第二病灶影像特征、所述第一曝光参数、所述第二曝光参数和所述患者临床信息均为向量数据。
6.根据权利要求5所述的乳腺癌新辅助化疗术后结果评估系统,其特征在于,所述根据所述曝光参数差值、所述病灶影像特征差值和所述患者临床信息,评估乳腺癌新辅助化疗的术后结果,包括:
设定第一阈值;
对所述曝光参数差值、所述病灶影像特征差值和所述患者临床信息进行拼接,获得第一拼接向量;
获取第一参数向量;
获取所述第一拼接向量和所述第一参数向量相乘所得的第一数量积;
当所述第一数量积达到所述第一阈值,将乳腺癌新辅助化疗评估为有效,反之,将乳腺癌新辅助化疗评估为无效。
7.根据权利要求5所述的乳腺癌新辅助化疗术后结果评估系统,其特征在于,所述根据所述曝光参数差值、所述病灶影像特征差值和所述患者临床信息,评估乳腺癌新辅助化疗的术后结果,包括:
设定第二阈值;
对所述曝光参数差值、所述病灶影像特征差值和所述患者临床信息进行拼接,获得第二拼接向量;
获取第二参数向量;
获取所述第二拼接向量和所述第二参数向量相乘所得的第二数量积;
当所述第二数量积达到所述第二阈值,将乳腺癌新辅助化疗评估为导致发生术后并发症,反之,将乳腺癌新辅助化疗评估为不导致发生术后并发症。
8.根据权利要求5-7任一项所述的乳腺癌新辅助化疗术后结果评估系统,其特征在于,所述第一病灶影像特征和所述第二病灶影像特征的分量均包括病灶平均灰度值、病灶最大直径和病灶面积。
9.根据权利要求5-7任一项所述的乳腺癌新辅助化疗术后结果评估系统,其特征在于,所述第一曝光参数和所述第二曝光参数的分量均包括压迫厚度、FFDM辐射剂量和DBT辐射剂量。
10.根据权利要求5-7任一项所述的乳腺癌新辅助化疗术后结果评估系统,其特征在于,所述患者临床信息的分量包括初产年龄、乳腺活检次数、女性生育史、月经初潮年龄、初产年龄、哺乳史、绝经情况、服用激素情况和亲属乳腺癌家族史中的一种或多种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210150436.3A CN114612388A (zh) | 2022-02-18 | 2022-02-18 | 乳腺癌新辅助化疗术后结果评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210150436.3A CN114612388A (zh) | 2022-02-18 | 2022-02-18 | 乳腺癌新辅助化疗术后结果评估系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114612388A true CN114612388A (zh) | 2022-06-10 |
Family
ID=81859022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210150436.3A Pending CN114612388A (zh) | 2022-02-18 | 2022-02-18 | 乳腺癌新辅助化疗术后结果评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114612388A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116687353A (zh) * | 2023-08-01 | 2023-09-05 | 宁波杜比医疗科技有限公司 | 新辅助化疗疗效评估系统、设备及介质 |
CN117982106A (zh) * | 2024-04-02 | 2024-05-07 | 天津市肿瘤医院(天津医科大学肿瘤医院) | 一种基于mri图像的乳腺癌化疗疗效预测系统及方法 |
-
2022
- 2022-02-18 CN CN202210150436.3A patent/CN114612388A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116687353A (zh) * | 2023-08-01 | 2023-09-05 | 宁波杜比医疗科技有限公司 | 新辅助化疗疗效评估系统、设备及介质 |
CN116687353B (zh) * | 2023-08-01 | 2023-12-19 | 宁波杜比医疗科技有限公司 | 新辅助化疗疗效评估系统、设备及介质 |
CN117982106A (zh) * | 2024-04-02 | 2024-05-07 | 天津市肿瘤医院(天津医科大学肿瘤医院) | 一种基于mri图像的乳腺癌化疗疗效预测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111956958B (zh) | 被检体定位装置、方法、记录介质和放射线治疗系统 | |
US10610171B2 (en) | Radiography system and method for operating radiography system | |
CN107170031B (zh) | 利用柔性压缩桨的胸部断层摄影 | |
JP6595474B2 (ja) | 創傷アセスメントおよびマネジメントのための方法およびシステム | |
US9786054B2 (en) | Medical image processing device, treatment system and medical image processing method | |
CN114612388A (zh) | 乳腺癌新辅助化疗术后结果评估系统 | |
CN107334485A (zh) | 使用外部图像捕获来限定ct扫描的扫描参数 | |
US20120256920A1 (en) | System and Method for Fusing Computer Assisted Detection in a Multi-Modality, Multi-Dimensional Breast Imaging Environment | |
CN109152566B (zh) | 校正超声融合成像系统中的探头引起的变形 | |
US20090074276A1 (en) | Voxel Matching Technique for Removal of Artifacts in Medical Subtraction Images | |
US10032295B2 (en) | Tomography apparatus and method of processing tomography image | |
CN111904379B (zh) | 多模态医学设备的扫描方法和装置 | |
JP7203474B2 (ja) | マンモグラフィ装置及びプログラム | |
EP3162292B1 (en) | Ultrasound imaging apparatus and method of controlling the same | |
JP2012020045A (ja) | 放射線画像処理装置および方法並びにプログラム | |
CN113662573A (zh) | 乳腺病灶定位方法、装置、计算机设备和存储介质 | |
US9361684B2 (en) | Feature validation using orientation difference vector | |
CN114732425A (zh) | 一种提升dr胸片成像质量的方法及系统 | |
KR20080069307A (ko) | 유방 병변의 3차원 도시 시스템 및 그 방법 | |
CN104809331A (zh) | 一种计算机辅助诊断技术(cad)检测放射图像发现病灶的方法和系统 | |
JP2001285858A (ja) | 画像撮影方法および画像撮影装置 | |
JP6837516B2 (ja) | 基準系の妥当性 | |
US11803970B2 (en) | Image judgment device, image judgment method, and storage medium | |
CN112998748A (zh) | 用于超声弹性成像的应变自动测量和应变比计算的方法和系统 | |
EP4252665A1 (en) | Radiation image processing apparatus and operation method thereof |
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 |