技术领域
[0001] 本
发明涉及
图像处理技术领域，特别是涉及一种基于CT影像的肿瘤异质性分析系统。
背景技术
[0002] 肿瘤异质性是指同一类
恶性肿瘤在不同患者个体间或者同一患者体内的不同肿瘤细胞间从基因型到表型上存在的差异。肿瘤异质性体现在基因表达、细胞代谢、细胞形态、
细胞增殖和转移潜能等各个方面，且广泛存在于各大癌症类型中。不同亚型的肿瘤细胞可能表现出免疫特性、生长速度、侵袭能
力等表型方面的差异，最终导致对不同抗肿瘤药物的敏感性或放疗敏感性的差异。研究表明，肿瘤细胞在基因上的异质性直接影响癌症病人的临床表现和
治疗效果，肿瘤异质性给医生设计有效
治疗方案带来了困难和挑战。因此，研究肿瘤异质性有助于了解肿瘤发生的病理和评估
预后，从而优化治疗策略。肿瘤异质性包括瘤间异质性(不同病灶，如原发肿瘤与转移瘤)和瘤内异质性(同一病灶内不同部位)。针对肿瘤间异质性的研究工作很多，也获得了大量的研究成果。但针对肿瘤内异质性的研究较少，认知尚浅。事实上，肿瘤内异质性与抗肿瘤药物治疗的耐药性变化息息相关，研究肿瘤内异质性对全面认识肿瘤的病理和应对肿瘤治疗的耐药性十分必要。
[0003] 在日渐发展的影像技术之外，医生通常通过活体
组织切片(biopsy)来对病灶做
组织病理学的诊断，如判断病变组织是良性抑或恶性。活检可分为
切除活检和切口活检，但不论哪一种，都会对人体造成一定的损伤。当实际病情不允许切除整个病灶做检查时，活检的取样范围十分有限，很难反映病灶内部肿瘤细胞的异质性。同时，医生使用手术器材活检，也有因器材携带或出血而导致的癌细胞转移扩散的
风险。
[0004] 医学影像相对活检则是一种对人体损伤较小的诊断手段，且更方便用来做早期筛查。当下流行的影像技术包括X光、CT、PET、核磁、超声等，影像诊断能获取病灶区域的全貌，因此，结合图像处理技术的影像学分析为研究癌症的肿瘤异质性提供了有力手段。计算机
断层成像(Computed Tomography，简称CT)是一种较为常见的影像诊断学的检查手段，CT是利用数位几何处理后重建的三维断层面医学影像。自20世纪70年代被发明后，CT已经成为一类重要的医学影像，至今依然是诊断多种
疾病的黄金准则；CT可以提供较高的空间
分辨率，为研究肿瘤内异质性提供了较高
质量的影像数据；目前CT在肿瘤内异质性研究方面的应用仍存在较大的改进空间。
发明内容
[0005] 基于此，本发明的目的在于提供一种基于CT影像的肿瘤异质性分析系统，该系统可准确提供病灶的肿瘤异质性信息，从而辅助医生准确分析肿瘤病灶的肿瘤内异质性。
[0006] 上述目的是通过以下技术方案实现的：
[0007] 本发明提供的一种基于CT影像的肿瘤异质性分析系统，包括：预处理模
块，用于对原始CT影像做预处理；标注模块，用于对预处理后CT影像进行标注，获取病灶区域的轮廓信息；特征提取模块，用于对病灶区域内的每个
体素，以其邻域为范围，提取计算影像特征；分割模块，用于将提取的特征输入针对体素的分割
算法，对每个体素归类，以完成病灶的内部区域分割，生成病灶的肿瘤异质性信息；
可视化界面模块，用于将病灶的肿瘤异质性信息进行可视化呈现。
[0008] 优选地，在所述特征提取模块中，包括邻域设定单元，用于对每个体素设定邻域范围，以确定特征提取范围。
[0009] 优选地，在所述特征提取模块中，还包括邻域调整单元，用于对每个体素邻域范围进行调整。
[0010] 优选地，在所述特征提取模块中，所述影像特征包括：灰度特征、纹理特征、以及小波特征。
[0011] 优选地，在所述特征提取模块中，还包括自定义影像特征添加单元，用于添加自定义影像特征。
[0012] 优选地，在所述分割模块中，包括分割算法的选择单元，用于选择对体素进行聚类的分割算法。
[0013] 优选地，在所述分割模块中，系统通过后台分析单元分析病灶的区域分割情况，以生成病灶的肿瘤异质性信息，其中，所述区域分割情况包括区域数目、大小、以及形状等。
[0014] 优选地，在所述可视化界面模块中，还包括修正单元，用于根据用户的反馈重新进行分割模块的操作，以完成体素分类结果的修正。
[0015] 优选地，所述预处理模块包括：读取单元，用于读取原始CT影像的图像矩阵数据，得到三维图像矩阵；显示单元，用于将三维图像矩阵显示给用户；去噪单元，用于对三维图像矩阵进行去噪，以生成预处理后的图像矩阵；保存单元，用于保存预处理后的图像矩阵。
[0016] 优选地，所述标注模块包括：自动标注单元，用于系统以用户在病灶内部标记的点为初始点采用系统提供的算法自动生成病灶区域，以得到病灶的轮廓信息；手工标注单元，用于用户直接沿病灶周围使用
鼠标标记轮廓散点，以生成病灶的轮廓信息。
[0017] 有益效果：
[0018] 本发明基于CT影像的肿瘤异质性分析系统通过对病灶区域内每个体素的小邻域做特征提取，并对病灶内部做分割处理，实现了从影像上分析肿瘤内异质性信息，可以准确提供病灶的肿瘤异质性信息，从而辅助医生准确分析肿瘤内异质性，且避免了活检对患者造成的伤害。
附图说明
[0019] 图1是本发明基于CT影像的肿瘤异质性分析系统的结构示意图。
具体实施方式
[0020] 下面将结合本发明
实施例及附图，对本发明实施例中的技术方案进行清楚、完整地描述：
[0021] 图1是示意性示出了本发明基于CT影像的肿瘤异质性分析系统的结构，且示意性示出了该系统的运行流程。如图1所示，本发明提供一种基于CT影像的肿瘤异质性分析系统，该系统包括：预处理模块，用于对原始CT影像做预处理；标注模块，用于对预处理后CT影像进行标注，获取病灶区域的轮廓信息；特征提取模块，用于对病灶区域内的每个体素，以其邻域为范围，提取计算影像特征；分割模块，用于将提取的特征输入针对体素的分割算法，对每个体素归类，以完成病灶的内部区域分割，生成病灶的肿瘤异质性信息；可视化界面模块，用于将病灶的肿瘤异质性信息进行可视化呈现。
[0022] 其中，所述预处理模块，对原始CT影像做预处理，包括读取单元、显示单元、去噪单元、以及保存单元。
[0023] 首先，通过读取单元读取原始CT影像的图像矩阵数据。原始图像可能为DICOM格式或MHD等格式。用户
指定路径读取图像文件时，由系统自动识别图像文件类型，如系统自动识别失败，改由用户手工选择格式，并可
修改。在读取单元中执行以下操作：如果文件格式为DICOM，则系统按文件顺序读取每张片子的二维图像，并在内存中生成二维图像的二维图像数据列表，得到三维图像；如果文件为MHD，则系统直接读取三维图像，得到三维图像矩阵。
[0024] 系统读取影像到内存，在显示单元中，将三维图像数据显示给用户，用户可使用鼠标和下拉等功能查看每一层的图像和对应的影像信息。
[0025] 在去噪单元中，系统提供多种备用的去噪算法，例如
阈值法等。用户可选择一种或多种去噪算法，对原始图像矩阵进行去噪，期间用户可实时查看去噪的效果，并可
叠加使用不同的去噪算法。完成去噪后，系统生成预处理后的图像矩阵。
[0026] 在保存单元中，系统保存预处理后的图像矩阵到本地，等待下一步处理。
[0027] 所述标注模块，获取病灶区域的
轮廓标注，将标注得到的轮廓信息保存在本地。该模块包括自动标注单元和手工标注单元，用户可以在自动标注单元中使用系统提供的算法实现自动轮廓标注，也可以在手工标注单元中手工操作实现轮廓标注。具体执行操作如下：
[0028] 自动标注，系统提供若干标注轮廓的备用算法，由用户在病灶内部标记一点，后台以标记点为初始点，采用区域生长算法或其他算法自动生成病灶区域，同时得到病灶的轮廓信息，生成轮廓的散点坐标列表。其中，用户或医生可查看生成的轮廓效果，还可以做坐标的手工微调。
[0029] 手工标注，由医生在
用户界面操作鼠标直接沿病灶周围手工标记轮廓散点，系统后台捕获散点并保存散点坐标，并连接散点形成轮廓信息。用户或医生可查看生成的轮廓效果，并实时对其做微调处理。
[0030] 所述特征提取模块，计算分析异质性所需要的影像特征。该模块包括邻域设定单元、以及邻域调整单元。
[0031] 首先，系统读取获得的轮廓信息，提取病灶区域，生成病灶的体素矩阵或列表。然后，在邻域设定单元中，用户设定邻域范围(范围参数有默认值，也可由用户重新调整)，对每个体素，以其给定大小的小邻域为范围，如：给定边长5×5×5为小邻域范围，但不限于此，也可以是以半径或者其他参数来限定该小邻域范围，计算提取若干影像特征。在邻域调整单元中，用户可以对设定的邻域边长进行调整。其中，默认的影像特征包括灰度特征、纹理特征、小波特征三大类，但不限于此。系统后台提供可选的纹理特征有五种，还可添加系统后台提供的其他
滤波器特征。另外，该模块还包括自定义影像特征添加单元，可由用户按照系统指定的输入格式，自定义特征并添加。该发明通过对
像素/体素的小邻域做特征提取，使得得到的病灶的肿瘤内异质性信息更为准确。
[0032] 特征值的计算执行如下步骤：对灰度特征，系统直接计算特征值。对纹理特征，系统先按照用户选择的纹理特征，计算相应的中间矩阵，再用中间矩阵计算得到纹理特征的特征值。对小波特征和其他滤波器特征，系统先对原始图像矩阵做滤波处理，得到滤波后的图像，然后对滤波后图像做之前几种特征的计算，得到滤波器特征的特征值。设最终选择的特征数为N，体素数目为M。则计算得到M个长度为N的特征值，用户可查看计算结果，最终结果保存到本地。
[0033] 所述分割模块，实现分析异质性所需要的病灶内部分割，从影像上分析肿瘤内异质性信息。
[0034] 系统提取的特征结果，得到病灶区域的每个体素的特征值，该特征值由对相应体素的周围小邻域的计算影像特征得到。且用户可以查看每个体素的特征值计算结果。
[0035] 分割模块中包括分割算法的选择单元，系统提供多种备用
图像分割算法，例如模糊聚类、神经网络等，用户选择分割算法，对所有体素进行聚类，从而将每个体素都归到某一类，病灶内的所有体素被归到几个不同的大类，从而实现病灶的内部区域分割。系统后台分析单元，分析病灶的区域分割情况，例如区域数目、大小、形状等信息，以此生成病灶的肿瘤异质性信息，并保存到本地。
[0036] 所述可视化界面模块，实现异质性信息的可视化界面，即将系统提取获得的异质性信息，以可视化的界面呈现给用户或医生。用户或医生可以查看系统提供的病灶异质性信息。
[0037] 另外，用户可以输入自己对体素分类结果的反馈。当没有新的修正意见时，系统保存分析结果到本地；当用户或医生有修正意见时，系统根据用户或医生的反馈，通过修正单元重新进行分割模块中的步骤。系统以用户或医生修改后的标记作为监督，重新学习特征的权重，并对被修改的体素设置默认的投票权重，用户可在一个给定的极值范围内修改此投票权重。系统重新学习特征的权重后得到新的分析结果，将其反馈给用户，由用户决定接受或做进一步修正。系统将修正完成后的分析结果保存到本地。
[0038] 以上结合附图对本发明优选实施例进行了描述，但本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，并不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和
权利要求所保护的范围情况下，还可以做出很多形式，这些均属于本发明保护范围之内。
