申请/专利权人：天津市肿瘤医院(天津医科大学肿瘤医院)

申请日：2024-04-02

公开（公告）日：2024-06-25

公开（公告）号：CN117982106B

主分类号：A61B5/00

分类号：A61B5/00;A61B5/055;G06T7/00;G06T7/62;G06T7/12;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.05.24#实质审查的生效;2024.05.07#公开

摘要：本发明涉及医疗数据处理技术领域，本发明公开了一种基于MRI图像的乳腺癌化疗疗效预测系统及方法；包括获取目标MRI图像，从目标MRI图像中标记出病灶区域，采集病灶区域的历史训练数据集合，训练预测出病灶缩减值的机器学习模型，预测出实时的病灶缩减值，基于实时的病灶缩减值和预测的病灶缩减值，生成病灶面积差值，基于病灶面积差值，生成化疗有效级别；相对于现有技术，能够快速且准确的从MRI图像中识别到病灶区域，精准的获取到影响乳腺癌化疗疗效的综合化疗数据，并利用机器学习模型来对乳腺癌的化疗疗效进行准确的预测评估，有效的缩短了乳腺癌化疗疗效预测评估的周期时长，提高了利用MRI图像对乳腺癌化疗疗效预测的效率。

主权项：1.一种基于MRI图像的乳腺癌化疗疗效预测系统，其特征在于，包括：目标图像筛选模块，获取患者的原始MRI图像，基于图像筛选准则，从原始MRI图像中筛选出目标MRI图像；病灶区域识别模块，在目标MRI图像中标记出区域分界点，将区域分界点连线后，获得病灶区域；数据采集模块，采集病灶区域的历史训练数据集合，历史训练数据集合包括综合化疗数据和病灶缩减值；综合化疗数据包括信号强度变化率、边界尖锐度和分布距离值；信号强度变化率的获取方法包括：在病灶区域中随机选择个不相邻的病灶像素点，并记录个病灶像素点的初始信号强度值；间隔两个预设记录时长后，记录个病灶像素点的终末信号强度值；将个病灶像素点的终末信号强度值与个病灶像素点的初始信号强度值求差比较，获得个信号强度差值；信号强度差值的表达式为：；式中，为第个信号强度差值，为第个病灶像素点的终末信号强度值，为第个病灶像素点的初始信号强度值；将个信号强度差值分别与预设记录时长比较后，获得个子变化率；子变化率的表达式为：；式中，为第个子变化率，为预设记录时长；将个子变化率累加后求平均，获得信号强度变化率；信号强度变化率的表达式为：；式中，为信号强度变化率，为第个子变化率；边界尖锐度的获取方法包括：在XY坐标轴中，以坐标轴的原点为圆心画圆，获得像素圆；调整像素圆的半径，使得第一象限、第二象限、第三象限和第四象限内均留有位于像素圆外侧的病灶像素点，并将位于像素圆外侧的病灶像素点标记为边界像素点；测量位于第一象限和第二象限内的两个边界像素点在X轴方向上的最大距离，以及位于第三象限和第四象限内的两个边界像素点在X轴方向上的最大距离值，分别记为第一最大值和第二最大值；将第一最大值和第二最大值累加后求平均，获得边界宽度值；测量位于第一象限和第四象限内的两个边界像素点在Y轴方向上的最大距离值，以及位于第二象限和第三象限内的两个边界像素点在Y轴方向上的最大距离值，分别记为第三最大值和第四最大值；将第三最大值和第四最大值累加后求平均，获得边界长度值；将边界宽度值与边界长度值比较，获得边界尖锐度；边界尖锐度的表达式为：；式中，为边界尖锐度，为边界宽度值，为边界长度值；分布距离值的获取方法包括：在XY坐标轴的第一象限内标记X坐标值最大值对应的第一像素点和Y坐标值最大值对应的第二像素点；通过比例尺测量第一像素点至第二像素点的距离，获得第一距离值；在XY坐标轴的第二象限内标记X坐标值最小值对应的第三像素点和Y坐标值最大值对应的第四像素点；通过比例尺测量第三像素点至第四像素点的距离，获得第二距离值；在XY坐标轴的第三象限内标记X坐标值最小值对应的第五像素点和Y坐标值最小值对应的第六像素点；通过比例尺测量第五像素点至第六像素点的距离，获得第三距离值；在XY坐标轴的第四象限内标记X坐标值最大值对应的第七像素点和Y坐标值最小值对应的第八像素点；通过比例尺测量第七像素点至第八像素点的距离，获得第四距离值；将第一距离值、第二距离值、第三距离值和第四距离值累加后求平均，获得分布距离值；分布距离值的表达式为：；式中，为分布距离值，为第一距离值，为第二距离值，为第三距离值，为第四距离值；模型训练模块，基于历史训练数据集合，训练预测出病灶缩减值的机器学习模型，并基于训练完成的机器学习模型预测出病灶缩减值；分析对比模块，采集实时的综合化疗数据，预测出实时的病灶缩减值，并判定是否生成化疗有效提示；预测分级模块，基于实时的病灶缩减值和预测的病灶缩减值，生成病灶面积差值，基于病灶面积差值，生成化疗有效级别。

全文数据：

权利要求：

百度查询： 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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD