基于醫學影像的開放式定量分析方法與系統技術方案

一種基于醫學影像的開放式定量分析方法，包括步驟：S1、獲取醫學影像數據，對醫學影像的病灶組織進行分割，對病灶組織進行自動或輔助定位和腫瘤提取，實現病變部位的分割；S2、根據分割出的病灶組織進行特征提取，挖掘影像特征，建立病變組織影像特征數據庫；S3、在病變組織影像特征數據庫的基礎上，結合患者的臨床信息與病灶影像特征，利用計算機分析算法，建立輔助診斷、預后和預測精度的模型。本發明專利技術的分析方法通過將大數據的分析方法應用于影像組學，更好的輔助醫生進行診斷。

【技術實現步驟摘要】

本專利技術涉及影像組學輔助診斷的技術，特別是涉及一種開放式定量分析方法，還涉及開放式定量分析系統。
技術介紹
近年來，在醫療影像領域，大量的醫學圖像帶來了新的研究機遇：a)他們可以給出強大和可靠的醫學圖像分析報告是基于上大量圖像得來的；b)他們可以開發依賴于很多樣本和實例，如數據挖掘和機器學習的，這些可以被引入到醫學圖像分析領域更先進的方法。醫學影像的快速發展促進了影像組學醫學圖像的綜合分析方法。影像組學一般指使用計算機斷層掃描(CT)，正電子發射斷層掃描(PET)或磁共振成像(MRI)高質量熒光圖像進行先進的特征分析的方法。在利用醫療圖像進行診斷時，現有技術中主要是采用目視檢查影像的傳統做法，僅僅依靠經驗進行判斷，可能因獲得的信息存在差別，各人的判斷存在差別，在輔助診斷、預后和預測精度上存在欠缺。
技術實現思路
本專利技術的目的在于，提出一種基于醫學影像的開放式定量分析方法及分析系統，以解決現有技術中的至少一項技術問題。根據本專利技術的一方面，提供一種基于醫學影像的開放式定量分析方法，包括以下步驟：S1、獲取醫學影像數據，對醫學影像的病灶組織進行分割，對病灶組織進行自動或輔助定位和腫瘤提取，實現病變部位的分割；S2、根據分割出的病灶組織進行特征提取，挖掘影像特征，建立病變組織影像特征數據庫；S3、在病變組織影像特征數據庫的基礎上，結合患者的臨床信息與病灶影像特征，利用計算機分析算法，建立輔助診斷、預后和預測精度的模型。優選的，步驟S1中，采用隨意游走自動分割算法對病灶組織進行分割：以初始含腫瘤區域為基礎，采用一種遞歸的直方圖均衡化算法實現病灶腫瘤的粗提取，然后進行種子點的前景和背景選取。優選的，所述種子點的選取個數為4個。優選的，步驟S2中，所述特征體提取方式包括：根據特征所在空間維度不同圖像特征分為一階統計特征和多維統計特征，和/或根據特征提取時基于的不同方向和不同步長提取多方向多尺度的影像特征。優選的，步驟S2中，所述影像特征包括灰度共生矩陣和游程矩陣高維紋理特征。優選的，步驟S3中，所述計算機分析算法包括數據挖掘方法和/或機器學習方法。優選的，步驟S3中，重點提取多維度和多方向的紋理特征，從不同尺度提取三維空間中的灰度共生矩陣，游程矩陣等高維紋理特征，建立完備的特征庫對于后續關鍵特征篩選以及預后分析能夠提供更全面的數據支持。優選的，步驟S3中，患者的臨床信息與病灶影像特征包括患者的臨床病理、臨床分期、基因突變和/或隨訪生存時間參數。優選的，步驟S3具體為：將數據庫內不同類型癌變數據進行“訓練數據集”和“測試數據集”的分類，對訓練數據集中不同類別的病變數據分別采用數據挖掘和機器學習的方法進行模型訓練，并將一個完備的訓練模型用于測試數據集實現未知病變的分析和預測，得到患者的病理，臨床分期，基因信息和生存期的分析結果。根據本專利技術的另一方面，提供一種基于醫學影像的開放式定量分析系統，包括：病灶組織分割單元：用于獲取醫學影像數據，對醫學影像的病灶組織進行分割，對病灶組織進行自動或輔助定位和腫瘤提取，實現病變部位的分割；特征提取單元：根據分割出的病灶組織進行特征提取，挖掘影像特征，建立病變組織影像特征數據庫；以及建模單元：在病變組織影像特征數據庫的基礎上，結合患者的臨床信息與病灶影像特征，利用計算機分析算法，建立輔助診斷、預后和預測精度的模型。通過上述技術方案，可知本專利技術的醫學影像的開放式定量分析方法與系統具有以下有益效果：(1)影像組學試圖使大量的圖像，從數據采集，識別病變部位，病變分割，特征提取和信息發現，從而基于所開采的特征提供更全面的信息；(2)在利用醫療圖像進行診斷時，與僅用于目視檢查影像的傳統做法相比，影像組學分析的目的是醫學圖像轉化為可挖掘信息與其他病人的臨床資料結合起來，使用先進的生物信息學工具，研究人員能夠開發出可潛在地提高診斷，預后和預測精度的模型。附圖說明圖1是本專利技術具體實施方式的開放式定量分析方法的流程圖。圖2是本專利技術具體實施方式的開放式定量分析系統的方框圖。具體實施方式下面通過實施例，并結合附圖，對本專利技術的技術方案作進一步具體的說明。在說明書中，相同或相似的附圖標號指示相同或相似的部件。下述參照附圖對本專利技術實施方式的說明旨在對本專利技術的總體專利技術構思進行解釋，而不應當理解為對本專利技術的一種限制。根據本專利技術的基本構思，提供一種開放式定量分析方法，通過對收集到的影像數據進行病灶組織的分割、特征提取，以及利用提取分析得到的特征，利用計算機分析算法進行分析與預測。圖1是本專利技術具體實施方式的開放式定量分析方法的流程圖。本專利技術的一種具體實施方式，提供一種基于醫學影像的開放式定量分析方法，包括如下步驟：S1、獲取醫學影像數據，對醫學影像的病灶組織進行分割，對病灶組織進行自動或輔助定位和腫瘤提取，實現病變部位的分割；其中，采用一種基于隨意游走自動分割算法對數據庫中病變組織完成分割。算法以初始含腫瘤區域為基礎采用一種遞歸的直方圖均衡化實現病灶腫瘤的粗提取，進而進行種子點的前景背景選取。通過實驗得知，四種子點可以得到最好的效果，通過隨機游走的計算方法可以得到需要的腫瘤，能夠實現分割良好的實時性和魯棒性。S2、根據分割出的病灶組織進行特征提取，挖掘影像特征，建立病變組織影像特征數據庫；根據特征所在空間維度不同圖像特征可分為一階統計特征和多維統計特征；根據特征提取時基于的不同方向和不同步長可提取多方向多尺度的影像特征。重點提取多維度和多方向的紋理特征，從不同尺度提取三維空間中的灰度共生矩陣，游程矩陣等高維紋理特征，建立完備的特征庫對于后續關鍵特征篩選以及預后分析能夠提供更全面的數據支持。S3、在病變組織影像特征數據庫的基礎上，結合患者的臨床信息與病灶影像特征，利用計算機分析算法，建立輔助診斷、預后和預測精度的模型?；谝呀浲瓿傻臄祿靸人杏跋裉卣骷c患者的臨床病理，臨床分期，基因突變和隨訪生存時間等參數，將數據庫內不同類型癌變數據進行“訓練數據集”和“測試數據集”的分類，對訓練數據集中不同類別的病變數據分別采用數據挖掘和機器學習的方法進行模型訓練，并將一個完備的訓練模型用于測試數據集實現未知病變的分析和預測，得到患者的病理，臨床分期，基因信息和生存期的定性以及定量的分析結果。在利用醫療圖像進行診斷時，與僅用于目視檢查影像的傳統做法相比，影像組學分析的目的是醫學圖像轉化為可挖掘信息與其他病人的臨床資料結合起來。使用先進的生物信息學工具，研究人員能夠開發出可潛在地提高診斷，預后和預測精度的模型。與上述分析方法相對應的，參見圖2所示，本專利技術還提供一種基于醫學影像的開放式定量分析系統100，包括：病灶組織分割單元101：用于獲取醫學影像數據，對醫學影像的病灶組織進行分割，對病灶組織進行自動或輔助定位和腫瘤提取，實現病變部位的分割；特征提取單元102：根據分割出的病灶組織進行特征提取，挖掘影像特征，建立病變組織影像特征數據庫；以及建模單元103：在病變組織影像特征數據庫的基礎上，結合患者的臨床信息與病灶影像特征，利用計算機分析算法，建立輔助診斷、預后和預測精度的模型。根據本專利技術各實施例的上述方法或系統可以通過有計算能力的電子設備執行包含計算機指令的軟件來實現。所述有計算能力的電子設備可以是通用處理器、數字信號處本文檔來自技高網...

【技術保護點】
一種基于醫學影像的開放式定量分析方法，其特征在于，包括以下步驟：S1、獲取醫學影像數據，對醫學影像的病灶組織進行分割，對病灶組織進行自動或輔助定位和腫瘤提取，實現病變部位的分割；S2、根據分割出的病灶組織進行特征提取，挖掘影像特征，建立病變組織影像特征數據庫；S3、在病變組織影像特征數據庫的基礎上，結合患者的臨床信息與病灶影像特征，利用計算機分析算法，建立輔助診斷、預后和預測精度的模型。

【技術特征摘要】
1.一種基于醫學影像的開放式定量分析方法，其特征在于，包括以下步驟：S1、獲取醫學影像數據，對醫學影像的病灶組織進行分割，對病灶組織進行自動或輔助定位和腫瘤提取，實現病變部位的分割；S2、根據分割出的病灶組織進行特征提取，挖掘影像特征，建立病變組織影像特征數據庫；S3、在病變組織影像特征數據庫的基礎上，結合患者的臨床信息與病灶影像特征，利用計算機分析算法，建立輔助診斷、預后和預測精度的模型。2.根據權利要求1所述的分析方法，其特征在于，步驟S1中，采用隨意游走自動分割算法對病灶組織進行分割：以初始含腫瘤區域為基礎，采用一種遞歸的直方圖均衡化算法實現病灶腫瘤的粗提取，然后進行種子點的前景和背景選取。3.根據權利要求2所述的分析方法，其特征在于，所述種子點的選取個數為4個。4.根據權利要求1所述的分析方法，其特征在于，步驟S2中，所述特征體提取方式包括：根據特征所在空間維度不同圖像特征分為一階統計特征和多維統計特征，和/或根據特征提取時基于的不同方向和不同步長提取多方向多尺度的影像特征。5.根據權利要求1所述的分析方法，其特征在于，步驟S2中，所述影像特征包括灰度共生矩陣和游程矩陣高維紋理特征。6.根據權利要求1所述的分析方法，其特征在于，步驟S3中，所述計算機分析算法包括數據挖掘方法和/或機器學習方法。...

【專利技術屬性】
技術研發人員：遲崇巍，王麗，
申請(專利權)人：北京數字精準醫療科技有限公司，
類型：發明
國別省市：北京;11