本發(fā)明涉及圖像分割，特別是涉及一種腫瘤乏氧水平評估方法及系統(tǒng)。

背景技術：

1、乏氧是導致腫瘤放化療抵抗的重要原因。腫瘤乏氧水平具有顯著的時域波動性；這種乏氧模式在驅動腫瘤放化療抵抗中發(fā)揮了核心作用；此外，在乏氧-復氧循環(huán)的不同時段，腫瘤氧合水平可相差2至5倍。根據(jù)乏氧波動規(guī)律科學設計治療執(zhí)行時機，使放化療作用峰值時段與復氧時段契合，將可明顯提升療效。這需要對乏氧時域特征可視化評估，進而用以引導放化療。但目前腫瘤乏氧水平評估需要人工分割計算，存在耗時耗力問題，且缺乏與之匹配的治療系統(tǒng)。

2、神經網絡模型可極大的減少人工分割所需的時間和精力，同時保證了分割結果的一致性和準確性，因此需要研發(fā)更高效、精準的腫瘤乏氧動態(tài)波動的自動化識別方法和治療系統(tǒng)才可以更好地滿足臨床實際需求。

技術實現(xiàn)思路

1、本發(fā)明的目的是：解決現(xiàn)有的分割方式存在耗時耗力的同時提供一種治療系統(tǒng)。

2、為了達到上述目的，本發(fā)明的技術方案是提供了一種腫瘤乏氧水平評估方法，其特征在于，包括以下步驟：

3、獲取t2和bold-mri模態(tài)影像；

4、將t2和bold-mri模態(tài)影像輸入預先配置的腫瘤分割模型和乏氧區(qū)域分割模型進行分割，并得到腫瘤分割結果和乏氧區(qū)域分割結果；

5、結合腫瘤分割結果和乏氧區(qū)域分割結果，計算對應的影像學特征，根據(jù)影像學特征確定腫瘤乏氧水平；

6、重復多次掃描腫瘤，得到腫瘤乏氧動態(tài)波動曲線。

7、于本發(fā)明的一實施例中，將所述t2模態(tài)影像輸入所述腫瘤分割模型，通過所述腫瘤分割模型得到所述腫瘤分割結果；將所述bold-mri模態(tài)影像輸入所述乏氧區(qū)域分割模型，通過所述乏氧區(qū)域分割模型得到所述乏氧區(qū)域分割結果。

8、于本發(fā)明的一實施例中，結合所述腫瘤分割結果和所述乏氧區(qū)域分割結果，計算對應的影像學特征，包括：

9、將所述乏氧區(qū)域分割結果通過剛性配準算法配準到所述腫瘤分割結果的t2模態(tài)影像空間，根據(jù)配準結果得到影像學特征，該影像學特征包括面積、比值、形態(tài)，采用以下計算公式：

10、

11、式中，r為腫瘤氧含量水平，為腫瘤氧含量面積，s2為腫瘤面積。

12、

13、式中：r為腫瘤氧含量水平；a、b、c、d為常數(shù)，為極度乏氧、重度乏氧、中度乏氧、輕度乏氧區(qū)域的氧含量系數(shù)；sa、sb、sc、sd分別為極度乏氧、重度乏氧、中度乏氧、輕度乏氧區(qū)域的面積；s為腫瘤面積。

14、r′＝1-r

15、式中，r′為腫瘤乏氧水平，r為腫瘤氧含量水平。

16、于本發(fā)明的一實施例中，在將所述t2和bold-mri模態(tài)影像輸入所述腫瘤分割模型和所述乏氧區(qū)域分割模型之前，還包括對所述t2和bold-mri模態(tài)影像進行預處理。

17、于本發(fā)明的一實施例中，所述腫瘤分割模型和所述乏氧區(qū)域分割模型均采用2dvb-net網絡框架，所述2d?vb-net網絡框架采用編碼器-解碼器框架，包括卷積層、bn層、relu激活函數(shù)層和softmax層，在編碼器和解碼器內部采用殘差結構和瓶頸層，所述2d?vb-net網絡框架學習多模態(tài)數(shù)據(jù)特征，用于自動識別腫瘤和乏氧區(qū)域。

18、于本發(fā)明的一實施例中，重復多次掃描腫瘤，得到腫瘤乏氧動態(tài)波動曲線，還包括：

19、將所述重復多次掃描腫瘤獲取的所述t2和bold-mri模態(tài)影像輸入分別輸入所述腫瘤分割模型和乏氧區(qū)域分割模型，得到不同時間點腫瘤乏氧水平結果，根據(jù)所述不同時間點腫瘤乏氧水平結果繪制所述腫瘤乏氧動態(tài)波動曲線，所述腫瘤乏氧動態(tài)波動曲線的橫坐標表示圖像獲取時間，縱坐標表示腫瘤氧分壓。

20、本發(fā)明的另一個技術方案是提供了一種腫瘤乏氧水平評估系統(tǒng)，其特征在于：包括：

21、獲取模塊，用于獲取患者腫瘤的t2和bold-mri模態(tài)影像；

22、腫瘤分割模塊，用于將所述t2模態(tài)影像輸入預先配置的腫瘤分割模型，得到腫瘤分割結果；

23、乏氧區(qū)域分割模塊，用于將所述bold-mri模態(tài)影像輸入預先配置的乏氧區(qū)域分割模型，得到乏氧區(qū)域分割結果；

24、計算模塊，用于根據(jù)腫瘤分割結果和乏氧區(qū)域分割結果確定腫瘤乏氧水平結果，其中，所述腫瘤乏氧水平結果包括乏氧區(qū)域在腫瘤內的面積、分布、數(shù)量、形態(tài)和比值；

25、腫瘤治療模塊，根據(jù)腫瘤乏氧動態(tài)波動曲線設計治療執(zhí)行時機，使放化療作用峰值時段與復氧時段契合的治療系統(tǒng)。

26、本發(fā)明的另一個技術方案是提供了一種服務器，其特征在于：包括：

27、至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行如權利要求1至7中任一所述的一種腫瘤乏氧水平評估方法。

28、本發(fā)明的另一個技術方案是提供了一種計算機可讀存儲介質，存儲有計算機程序，其特征在于：所述計算機程序被處理器執(zhí)行時實現(xiàn)如上所述的一種腫瘤乏氧水平評估方法。

29、本發(fā)明的另一個技術方案是提供了一種治療系統(tǒng)，其特征在于：根據(jù)腫瘤乏氧動態(tài)波動曲線設計治療執(zhí)行時機，使放化療作用峰值時段與復氧時段契合的治療系統(tǒng)。

30、相比于現(xiàn)有的技術方案，本發(fā)明具有如下有益效果：

31、本發(fā)明針對于腫瘤乏氧動態(tài)波動的識別，在獲取t2和bold-mri模態(tài)影像后，將t2和bold-mri模態(tài)影像輸入預先配置的腫瘤分割模型和乏氧區(qū)域分割模型進行分割，并得到并得到腫瘤分割結果和乏氧區(qū)域分割結果，此時結合兩個分割結果，計算對應的影像學特征，包括面積、比值、形態(tài)，重復多次掃描腫瘤得到不同時間點腫瘤乏氧水平結果，繪制腫瘤乏氧動態(tài)波動曲線，由此可以滿足腫瘤乏氧動態(tài)波動的識別需求，設計治療執(zhí)行時機，使放化療作用峰值時段與復氧時段契合。

技術特征：

1.一種腫瘤乏氧水平評估方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的一種腫瘤乏氧水平評估方法，其特征在于：將所述t2模態(tài)影像輸入所述腫瘤分割模型，通過所述腫瘤分割模型得到所述腫瘤分割結果；將所述bold-mri模態(tài)影像輸入所述乏氧區(qū)域分割模型，通過所述乏氧區(qū)域分割模型得到所述乏氧區(qū)域分割結果。

3.根據(jù)權利要求1所述的一種腫瘤乏氧水平評估方法，其特征在于：結合所述腫瘤分割結果和所述乏氧區(qū)域分割結果，計算對應的影像學特征，包括：

4.根據(jù)權利要求1所述的一種腫瘤乏氧水平評估方法，其特征在于：在將所述t2和bold-mri模態(tài)影像輸入所述腫瘤分割模型和所述乏氧區(qū)域分割模型之前，還包括對所述t2和bold-mri模態(tài)影像進行預處理。

5.根據(jù)權利要求1所述的一種腫瘤乏氧水平評估方法，其特征在于：所述腫瘤分割模型和所述乏氧區(qū)域分割模型均采用2d?vb-net網絡框架，所述2d?vb-net網絡框架采用編碼器-解碼器框架，包括卷積層、bn層、relu激活函數(shù)層和softmax層，在編碼器和解碼器內部采用殘差結構和瓶頸層，所述2d?vb-net網絡框架學習多模態(tài)數(shù)據(jù)特征，用于自動識別腫瘤和乏氧區(qū)域。

6.根據(jù)權利要求1所述的一種腫瘤乏氧水平評估方法，其特征在于：重復多次掃描腫瘤，得到腫瘤乏氧動態(tài)波動曲線，還包括：

7.一種腫瘤乏氧水平評估系統(tǒng)，其特征在于：包括：

8.一種服務器，其特征在于：包括：

9.一種計算機可讀存儲介質，存儲有計算機程序，其特征在于：所述計算機程序被處理器執(zhí)行時實現(xiàn)權利要求1至6中任一所述的一種腫瘤乏氧水平評估方法。

10.一種治療系統(tǒng)，其特征在于：根據(jù)腫瘤乏氧動態(tài)波動曲線設計治療執(zhí)行時機，使放化療作用峰值時段與復氧時段契合的治療系統(tǒng)。

技術總結
本發(fā)明提供一種腫瘤乏氧水平評估方法及系統(tǒng)，包括以下步驟：獲取T2和BOLD?MRI模態(tài)影像；將所述T2和BOLD?MRI模態(tài)影像輸入預先配置的腫瘤分割模型和乏氧區(qū)域分割模型進行分割，并得到腫瘤分割結果和乏氧區(qū)域分割結果；結合腫瘤分割結果和乏氧區(qū)域分割結果，計算對應的影像學特征；根據(jù)所述影像學特征確定腫瘤乏氧水平；重復多次掃描腫瘤，得到腫瘤乏氧動態(tài)波動曲線；本發(fā)明具有以下有益效果：本發(fā)明應用T2和BOLD?MRI模態(tài)影像進行腫瘤乏氧水平評估，通過重復掃描得到腫瘤乏氧動態(tài)波動曲線，實現(xiàn)腫瘤乏氧動態(tài)波動的可視化評估，由此可以評估腫瘤乏氧水平和指導腫瘤治療。

技術研發(fā)人員：劉立恒,劉明,陳頤,李俊昊
受保護的技術使用者：復旦大學附屬中山醫(yī)院
技術研發(fā)日：
技術公布日：2024/10/21