(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210714439.5 (22)申请日 2022.06.23 (65)同一申请的已公布的文献号 申请公布号 CN 114782448 A (43)申请公布日 2022.07.22 (73)专利权人 珠海市人民医院 地址 519000 广东省珠海市香洲区康宁路 79号 (72)发明人 郭丽　陶海泉　刘秀娟　黄国敏　 耿冰冰　程光森　张凌育　 (74)专利代理 机构 郑州芝麻知识产权代理事务 所(普通合伙) 41173 专利代理师 张丹丹 (51)Int.Cl. G06T 7/00(2017.01)G06V 10/44(2022.01) G06V 10/77(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) (56)对比文件 WO 2016193847 A1,2016.12.08 审查员 邱立英 (54)发明名称 一种基于图像处理的脑胶质瘤辅助分级系 统 (57)摘要 本发明涉及一种基于图像处理的脑胶质瘤 辅助分级系统， 属于脑胶质瘤分级技术领域。 该 系统包括处理器和存储器， 处理器执行存储器存 储的计算机程序以实现如下步骤： 根据肿瘤区域 内各ADC值对应的各像素点的坐标， 得到肿瘤区 域内各ADC值的主成分方向； 根据各ADC值对应的 各像素点之间的距离和各ADC值对应的各像素点 在对应的主成分方向上的投影长度， 得到肿瘤区 域内各ADC值的集中程度； 根据肿瘤区域内各ADC 值对应的各像素点到中心点的距离和集中程度， 得到肿瘤区域内各ADC值的扩散程度； 根据扩散 程度， 对肿瘤区域的熵值进行修正， 利用修正后 的肿瘤区域的熵值对肿瘤区域的恶性程度进行 分级。 本发 明能够提高医生对脑胶质瘤恶性程度 等级划分的正确性。 权利要求书3页 说明书10页 附图1页 CN 114782448 B 2022.09.02 CN 114782448 B 1.一种基于图像处理的脑胶质瘤辅助分级系统， 包括处理器和存储器， 其特征在于， 所 述处理器执行所述存储器存储的计算机程序以实现如下步骤： 获取脑胶质瘤患者对应的ADC图像， 识别所述ADC图像上的肿瘤区域； 根据所述肿瘤区域内的ADC值， 得到肿瘤区域对应的中心点； 根据所述肿瘤区域内各ADC值对应的各像素点的坐标， 得到所述肿瘤区域 内各ADC值对 应的主成分方向； 根据所述各AD C值对应的各像素点之间的距离和各AD C值对应的各像素点 在对应的主成分方向上的投影长度， 得到肿瘤区域内各ADC值对应的集中程度； 根据所述肿瘤区域内各ADC值对应的各像素点到所述中心点的距离和所述集中程度， 得到肿瘤区域内各ADC值对应的扩散程度； 根据所述扩散程度， 对肿瘤区域对应的熵值进行修正， 利用修正之后的肿瘤区域的熵 值对肿瘤区域的恶性 程度进行分级。 2.如权利要求1所述的一种基于图像处理的脑胶质瘤辅助分级系统， 其特征在于， 所述 根据所述肿瘤区域内的ADC值， 得到肿瘤区域对应的中心点的方法， 包括： 根据所述肿瘤区域内最低ADC值对应的像素点， 得到肿瘤区域内最低ADC值对应的凸 包； 对所述肿瘤区域 内最低ADC值对应的凸包进行中心点检测， 得到肿瘤区域 内最低ADC值 对应凸包的中心点； 获得所述肿瘤区域内最低ADC值对应凸包内距离所述肿瘤区域内最低ADC值对应凸包 的中心点 最近的像素点， 将该像素点记为肿瘤区域对应的中心点。 3.如权利要求1所述的一种基于图像处理的脑胶质瘤辅助分级系统， 其特征在于， 所述 根据所述肿瘤区域内各AD C值对应的各像素点的坐标， 得到所述肿瘤区域内各AD C值对应的 主成分方向； 根据所述各AD C值对应的各像素点之间的距离和各AD C值对应的各像素点在 对 应的主成分方向上的投影长度， 得到肿瘤区域内各ADC值对应的集中程度， 包括： 根据所述肿瘤区域内各ADC值对应的各像素点的坐标， 利用PCA算法得到肿瘤区域内各 ADC值对应的第一主成分方向和各AD C值对应的第二主成分方向， 将所述第一主成分方向记 为横坐标轴， 将所述第二主成分方向记为纵坐标轴； 根据所述肿瘤区域内各ADC值对应的各像素点在对应的横坐标轴上的投影长度， 得到 肿瘤区域内各AD C值对应的第一投影长度； 根据所述肿瘤区域内各AD C值对应的各像素点在 对应的纵坐标轴上的投影长度， 得到肿瘤区域内各ADC值对应的第二投影长度； 根据所述肿瘤区域内各ADC值对应的各像素点到对应的横坐标轴上的距离， 得到肿瘤 区域内各AD C值对应的第一距离方差； 根据所述肿瘤区域内各ADC值对应的各像素点到对应 的纵坐标轴上的距离， 得到肿瘤区域内各ADC值对应的第二距离方差； 根据所述第一投影长度、 第 二投影长度、 第一距离方差和第 二距离方差， 得到肿瘤区域 内各ADC值对应的集中程度。 4.如权利要求3所述的一种基于图像处理的脑胶质瘤辅助分级系统， 其特征在于， 所述 根据所述第一投影长度、 第二投影长度、 第一距离方差和第二距离方差， 得到肿瘤区域内各 ADC值对应的集中程度的方法， 包括： 根据所述肿瘤区域内各ADC值对应的各像素点之间的距离， 得到肿瘤区域 内各ADC值对 应的最小边权值；权　利　要　求　书 1/3 页 2 CN 114782448 B 2根据所述肿瘤区域内各ADC值对应的各像素点投影到对应的横坐标轴上的位置， 得到 肿瘤区域内各AD C值对应的第一投影方差； 根据所述肿瘤区域内各AD C值对应的各像素点投 影到对应的纵坐标轴上的位置， 得到肿瘤区域内各ADC值对应的第二投影方差； 根据所述第一投影长度、 第二投影长度、 第一距离方差、 第二距离方差、 第一投影方差 和第二投影方差， 得到肿瘤区域内各ADC值对应的形态指标； 根据所述 最小边权值和所述形态指标， 得到肿瘤区域内各ADC值对应的集中程度。 5.如权利要求4所述的一种基于图像处理的脑胶质瘤辅助分级系统， 其特征在于， 根据 如下公式计算肿瘤区域内各ADC值对应的形态指标： 其中， 为肿瘤区域内第 个ADC值对应的形态指标， 为肿瘤区域内第 个ADC值对应 的第一投影长度， 为肿瘤区域内第 个ADC值对应的第二投影长度， 为肿瘤区域内第 个ADC值对应的第一距离方差， 为肿瘤区域内第 个ADC值对 应的第二距离方差， 为 肿瘤区域内第 个ADC值对应的第一投影方差， 为肿瘤区域内第 个ADC值对应的第二投 影方差。 6.如权利要求4所述的一种基于图像处理的脑胶质瘤辅助分级系统， 其特征在于， 所述 根据所述肿瘤区域内各AD C值对应的各像素点坐标和各ADC值对应的各像素点之间的距离， 得到肿瘤区域内各ADC值对应的最小边权值的方法， 包括： 根据所述肿瘤区域内各ADC值对应的各像素点的坐标， 计算所述肿瘤区域 内各ADC值对 应的各像素点之间的距离， 将肿瘤区域内各ADC值对应的各像素点之间的距离记为肿瘤区 域内各ADC值对应的各像素点之间的边权值； 根据所述边权值， 得到肿瘤区域内各ADC值对应的最小权重生成树； 对所述肿瘤区域内 各ADC值对应的最小权重生成树对应的各边权值求和， 将求和之后的结果记为肿瘤区域内 各ADC值对应的最小边权值。 7.如权利要求1所述的一种基于图像处理的脑胶质瘤辅助分级系统， 其特征在于， 所述 根据所述肿瘤区域内各ADC值对应的各像素点到所述中心点的距离和所述集中程度， 得到 肿瘤区域内各ADC值对应的扩散程度的方法， 包括： 计算所述肿瘤区域内各ADC值对应的各像素点到所述中心点的距离， 得到肿瘤区域内 各ADC值对应的距离序列； 从所述距离序列中选取肿瘤区域内各ADC值对应的最大距离； 根 据所述最大距离、 所述最大距离对应的像素点和所述中心 点， 得到肿瘤区域内各AD C值对应 的最大距离直线方程； 沿着各ADC值对应的最大距离直线方程的斜率方向， 得到肿瘤区域 内各ADC值对应的最 大距离直线方程与所述肿瘤区域 边缘的两个交点， 记为各ADC值对应的两个交点； 对于任一ADC值： 计算该ADC值对应的最大距离对应的像素点与该ADC值对应的两个交 点的距离， 选取最小距离对应的交点， 将所述最小距离对应的交点与中心点的距离记为该 ADC值对应的目标距离； 根据所述 集中程度、 最大距离和目标距离， 得到肿瘤区域内各ADC值对应的扩散程度。权　利　要　求　书 2/3 页 3 CN 114782448 B 3