[发明专利]基于分离式定量APT成像的乳腺肿瘤辨别系统

权利要求书

1.一种基于分离式定量APT成像的乳腺肿瘤辨别系统，其特征在于：包括如下模块：

背景参考Z谱仿真模块：通过化学交换饱和转移的数值仿真方法对乳腺生理环境及病理环境背景参考Z谱进行仿真；

预测模型训练模块：根据背景参考Z谱仿真模块的仿真结果，采用机器学习的方法进行训练，得到乳腺区域背景参考Z谱的预测模型；

图像采集模块：使用化学交换饱和转移磁共振序列采集磁共振成像系统中的乳腺影像数据；

水峰偏移预矫正模块：通过乳腺影像的磁共振数据形成原始Z谱，通过其形态数值计算对原始Z谱所受到水峰偏移影响进行矫正，得到预矫正Z谱，其具体操作如下：

步骤1、根据图像采集模块采集到的每个射频频率偏移位置的数据点信息，通过参考扫描的图像进行归一化，再进行插值后绘制成原始的Z谱；

步骤2、对Z谱中值最低的M个点取出进行分析，对非最低的M-1个点的归一化水信号与最低点处归一化水信号计算得到差值，其中M为大于等于3的奇数；

步骤3、对位于Z谱左侧点的差值与右侧点的差值分别求得均值，通过两个均值的比值乘以两侧点在Z谱中的频率差可以得到初步的主磁场偏移量，并进行初步的原始Z谱矫正，得到预矫正Z谱；

图像重建模块：用于将采集的乳腺影像数据逐像素的通过训练好的预测模型进行背景参考Z谱预测，得到乳腺区域每个像素的酰胺质子饱和转移率，进行重建得到分离式定量化学交换饱和转移成像，具体操作如下：

步骤1、逐像素的将预矫正Z谱中频率偏移避开乳腺化学交换饱和转移效应与脂质质子的核奥氏增强效应交换点位置的归一化水信号数据输入到预测模型训练模块所建立的预测模型中进行预测，得到背景参考Z谱与自由水的水峰偏移量，随后用自由水的水峰偏移量来矫正预处理的Z谱与背景参考Z谱，得到矫正后的原始Z谱与背景参考Z谱；

步骤2、将矫正后的背景参考Z谱与矫正后的通过磁共振成像采集得到的Z谱在酰胺质子饱和转移效应的交换点相减后得到酰胺质子饱和转移成像对比度；逐像素的Z谱相减提取成像信号即得到乳腺区域的酰胺质子饱和转移成像；

鉴别模块：通过对肿瘤成像中肿瘤病灶区域进行半自动分割，并自动标记肿周水肿及肿瘤实质区域，对其实质区域中分离式化学交换饱和转移成像对比度信息提取并进行乳腺肿瘤良恶性鉴别。

2.如权利要求1所述的基于分离式定量APT成像的乳腺肿瘤辨别系统，其特征在于：所述背景参考Z谱的构建方法具体为：每个体素不同的饱和频率下剩余归一化水信号的强度形成Z谱，从每个Z谱中去除化学交换饱和转移成像效应及核奥氏增强效应影响，形成背景参考Z谱。

3.如权利要求1所述的基于分离式定量APT成像的乳腺肿瘤辨别系统，其特征在于：所述背景参考Z谱仿真模块的具体操作如下：对影响乳腺区域正常组织及病理组织的背景参考Z谱的参数在所有生理及病理范围中进行组合遍历，同时给定Z谱随着水峰在体部磁共振主磁场变化范围内随机偏移从而模拟主磁场偏移，通过双池布洛赫方程仿真得到涵盖生理环境中存在的所有情况的背景参考Z谱集。

4.如权利要求1所述的基于分离式定量APT成像的乳腺肿瘤辨别系统，其特征在于：所述预测模型训练模块具体操作如下：对于每个模拟的背景参考Z谱，将频率偏移避开乳腺化学交换饱和转移效应与脂质质子的核奥氏增强效应交换点位置的归一化水信号作为模型训练输入，将整个背景参考Z谱以及自由水池化学位移偏移量作为模型的训练输出；采用机器学习的方法进行训练，得到由S型隐藏神经元以及线型输出神经元组成的多层前馈式神经网络模型，即为乳腺区域背景参考Z谱的预测模型。

5.如权利要求1所述的基于分离式定量APT成像的乳腺肿瘤辨别系统，其特征在于：所述图像采集模块的具体操作如下：使用化学交换饱和转移磁共振序列在磁共振成像系统中使用不同频率的饱和射频照射采集模图信息,额外采集一个没有饱和射频照射的条件下的参考图像。

6.如权利要求1所述的基于分离式定量APT成像的乳腺肿瘤辨别系统，其特征在于：所述Z谱相减提取成像信号采用如下公式：

；

其中，APT表示酰胺质子转移效应，为射频脉冲偏照频率，为矫正后的背景参考Z谱，为参考扫描信号，为实验采集信号，为矫正后的原始Z谱。

7.如权利要求1所述的基于分离式定量APT成像的乳腺肿瘤辨别系统，其特征在于：所述鉴别模块的具体操作如下：

步骤1、通过常规肿瘤检查中T1结构成像对病灶区进行半自动分割，分别对肿瘤的肿周水肿区域与肿瘤实质区域勾画；

步骤2、将肿瘤实质区域掩膜应用在图像重建模块所获得的酰胺质子饱和转移成像中，随后计算该区域中所有体素平均的酰胺质子饱和转移成像对比度，并以此作为乳腺肿瘤良恶性鉴别标准；所得成像对比度的高低对应肿瘤恶性怀疑度高低。