胶质瘤IDH突变状态无创预测模型训练系统及预测系统的制作方法

本发明涉及医学影像处理，特别是涉及一种基于多种瘤周水肿区核磁序列影像特征信息的胶质瘤idh突变状态无创预测模型训练系统及预测系统。

背景技术：

1、目前，术前有创检测胶质瘤idh(异柠檬酸脱氢酶)突变状态需获得肿瘤组织标本，实验条件要求高。术前无创检测胶质瘤idh突变状态需要通过影像学手段，例如，常规核磁序列影像数据可以通过肿瘤的位置、直径、囊变坏死程度、中线结构移位、水肿程度、强化程度等信息来鉴别胶质瘤idh突变状态，即结合常规核磁影像学特征方法能够实现无创预测，但总体上诊断效能相对较低，其诊断的阳性预测值仅为39％，诊断效能为中等，需要一种更为可靠且客观的方法。

技术实现思路

1、本发明的目的是提供一种胶质瘤idh突变状态无创预测模型训练系统及预测系统，以达到提高胶质瘤idh突变状态无创预测的准确性。

2、为实现上述目的，本发明提供了如下方案：

3、第一方面，本发明提供了一种胶质瘤idh突变状态无创预测模型训练系统，包括：

4、数据获取模块，用于：获取胶质瘤区域的各核磁序列影像数据以及对应的idh突变状态信息；其中，所述数据获取模块获取的核磁序列影像数据包括t1序列影像数据、t2序列影像数据、t2-flair序列影像数据、t1+c序列影像数据和dti序列影像数据；

5、数据处理模块，用于：对各核磁序列影像数据进行处理，得到各瘤周水肿区核磁序列影像数据以及每瘤周水肿区核磁序列影像数据对应的idh突变状态信息；其中，所述数据处理模块输出的瘤周水肿区核磁序列影像数据包括瘤周水肿区t1序列影像数据、瘤周水肿区t2序列影像数据、瘤周水肿区t2-flair序列影像数据、瘤周水肿区t1+c序列影像数据、瘤周水肿区fw序列影像数据、瘤周水肿区fa序列影像数据和瘤周水肿区md序列影像数据；

6、第一阶段神经网络模型训练模块，用于：以一瘤周水肿区核磁序列影像数据为输入数据，以相应的idh突变状态信息为标签数据，训练第一阶段神经网络模型，进而得到每瘤周水肿区核磁序列影像数据对应的训练好的第一阶段神经网络模型；

7、第二阶段神经网络模型训练模块，用于：

8、以结构相特征为输入数据，以所述结构相特征对应的idh突变状态信息为标签数据，训练第一阶段神经网络模型，得到所述结构相特征对应的训练好的第二阶段神经网络模型；所述结构相特征包括第一标记训练好的第一阶段神经网络模型的全连接层输出的特征；所述第一标记训练好的第一阶段神经网络模型包括瘤周水肿区t1序列影像数据对应的训练好的第一阶段神经网络模型、瘤周水肿区t2序列影像数据对应的训练好的第一阶段神经网络模型、瘤周水肿区t2-flair序列影像数据对应的训练好的第一阶段神经网络模型和瘤周水肿区t1+c序列影像数据对应的训练好的第一阶段神经网络模型；

9、以功能相特征为输入数据，以所述功能相特征对应的idh突变状态信息为标签数据，训练第二阶段神经网络模型，得到所述功能相特征对应的训练好的第二阶段神经网络模型；所述功能相特征包括第二标记训练好的第一阶段神经网络模型的全连接层输出的特征；所述第二标记训练好的第一阶段神经网络模型包括瘤周水肿区fw序列影像数据对应的训练好的第一阶段神经网络模型、瘤周水肿区fa序列影像数据对应的训练好的第一阶段神经网络模型和瘤周水肿区md序列影像数据对应的训练好的第一阶段神经网络模型；

10、第三阶段神经网络模型训练模块，用于：以综合特征为输入数据，以所述综合特征对应的idh突变状态信息为标签数据，训练第三阶段神经网络模型，得到训练好的第三阶段神经网络模型；所述综合特征包括所述结构相特征对应的训练好的第二阶段神经网络模型的全连接层输出的特征和所述功能相特征对应的训练好的第二阶段神经网络模型的全连接层输出的特征；

11、模型评估模块，用于：评估所有训练好的第一阶段神经网络模型、训练好的第二阶段神经网络模型以及训练好的第三阶段神经网络模型，得到评估结果，并根据评估结果将模型性能最优的训练好的神经网络模型确定为胶质瘤idh突变状态无创预测模型。

12、可选地，所述数据处理模块具体包括：

13、提取与转换处理单元，用于对dti序列影像数据进行提取与转换处理，得到fw序列影像数据、fa序列影像数据以及md序列影像数据；

14、校正配准单元，用于：对t1序列影像数据、t2序列影像数据、t2-flair序列影像数据、t1+c序列影像数据、fw序列影像数据、fa序列影像数据以及md序列影像数据进行校正配准处理；

15、图像分割单元，用于：对校正配准处理后的t2-flair序列影像数据和校正配准处理后的t1+c序列影像数据进行图像分割，得到瘤周水肿区t2-flair序列影像数据和瘤周水肿区t1+c序列影像数据，并根据瘤周水肿区t2-flair序列影像数据和瘤周水肿区t1+c序列影像数据，分别对校正配准处理后的t1序列影像数据、校正配准处理后的t2序列影像数据、校正配准处理后的fw序列影像数据、校正配准处理后的fa序列影像数据以及校正配准处理后的md序列影像数据进行特征提取，得到瘤周水肿区t1序列影像数据、瘤周水肿区t2序列影像数据、瘤周水肿区fw序列影像数据、瘤周水肿区fa序列影像数据和瘤周水肿区md序列影像数据；

16、idh突变状态信息匹配单元，用于对瘤周水肿区t1序列影像数据、瘤周水肿区t2序列影像数据、瘤周水肿区t2-flair序列影像数据、瘤周水肿区t1+c序列影像数据、瘤周水肿区fw序列影像数据、瘤周水肿区fa序列影像数据和瘤周水肿区md序列影像数据分别进行idh突变状态信息匹配操作。

17、可选地，所述校正配准单元，进一步用于：

18、将t1序列影像数据、t2序列影像数据、t2-flair序列影像数据、t1+c序列影像数据、fw序列影像数据、fa序列影像数据以及md序列影像数据调整为相同层厚且相同体素的序列影像数据；

19、以t2-flair序列影像数据为参考序列影像数据，对其他相同层厚且相同体素的序列影像数据进行配准处理。

20、可选地，所述第一阶段神经网络模型包括依次连接的输入层、特征提取层、全连接层和分类器；所述特征提取层是由多个3d卷积块和多个可分卷积块组成。

21、可选地，所述特征提取层包括依次连接的第一3d卷积块、第二3d卷积块、第一可分卷积块、第二可分卷积块和3d卷积块组；其中，所述3d卷积块组包括两个分支，分别为第一分支和第二分支；所述第一分支和所述第二分支均包括两个相连接的3d卷积块，且所述第一分支和所述第二分支的输入端均连接所述第二可分卷积块的输出端，所述第一分支和所述第二分支的输出端均与所述全连接层连接；所述全连接层包括两个相连接的全连接块。

22、可选地，所述的一种胶质瘤idh突变状态无创预测模型训练系统，其特征在于，所述第二阶段神经网络模型包括依次连接的特征映射融合层、第一卷积块、第二卷积块、全连接层和分类器。

23、可选地，所述第三阶段神经网络模型包括依次连接的特征映射融合层、全连接层和分类器。

24、第二方面，本发明提供了一种胶质瘤idh突变状态无创预测系统，包括：

25、数据采集模块，用于：采集胶质瘤idh突变状态无创预测模型所输入的胶质瘤区域的核磁序列影像数据；

26、数据筛选模块，用于：对胶质瘤区域的核磁序列影像数据进行筛选，得到瘤周水肿区核磁序列影像数据；

27、预测模块，用于：将瘤周水肿区核磁序列影像数据输入至胶质瘤idh突变状态无创预测模型中，预测患者胶质瘤idh突变状态信息；

28、其中，胶质瘤idh突变状态无创预测模型是根据第一方面所述的胶质瘤idh突变状态无创预测模型训练系统确定。

29、根据本发明提供的具体实施例，本发明公开了以下技术效果：

30、本发明采用了对dti序列影像数据处理后得到的fw序列影像数据、fa序列影像数据和md序列影像数据，探讨了胶质瘤不同分割区域，特别是瘤周水肿区的影像特征，能在一定程度上避免肿瘤核心区域囊变、坏死等对dti序列影像数据的干扰，减少部分容积效应，提高dti序列影像数据的实际特征质量，从而增加诊断效能，这在既往研究中相对较少。本发明考虑到dti序列影像数据的部分容积效应以及胶质瘤肿瘤异质性的特征，从而使特征的提取与分析更加可靠和准确，解决了dwi序列影像数据分析idh突变状态的局限性，同时保证了建立的预测模型上的准确性。