基于PET/CT影像组学的全身淋巴瘤智能诊断关键技术的研究

PET images are molecular images that can visualize cellular metabolic activity in vivo. PET / CT images not only represent the difference in metabolic activity between lymphoma and normal tissues but also reveal the anatomical structure and other information at the molecular level, which provides a new means for the early diagnosis of whole-body lymphoma with variability. The intelligent diagnosis of lymphomas based on PET/CT radiomics has become an international frontier research field. Based on the PET/CT imaging and artificial intelligence, this project proposed a new quantification method of cellular metabolic activity based on the whole-body SUV standardization in healthy human body and the enhancement of tiny cancer foci, to solve the specificity of lymphoma metabolism index and the sensitivity to early cancer foci. A new method of constructing unsupervised detection lymphoma model is proposed to solve the problem of automatic detection of lymphoma without labeling. A new lymphoma segmentation method of constructing the synergies of multiple deep neural networks is proposed to solve the problem of deep learning and intelligent segmentation with small samples and unbalanced data. The new methods of feature extraction that can represent the heterogeneity of biological evolution of lymphoma cells and the consistency of various samples based on complete transfer learning are proposed to solve the feature extraction problem of multiple lymphoma and the over fitting problem of small sample transfer learning, to form a new intelligent diagnosis technology of whole-body lymphoma radiomics with independent intellectual property rights.

PET图像是能把体内细胞代谢活性可视化的分子影像，PET/CT图像既能从分子水平反映淋巴瘤与正常组织的代谢活性差异又能显示解剖结构等信息，为全身性、多变性的淋巴瘤早期诊断提供了新手段，淋巴瘤PET/CT影像组学智能诊断成为当今国际前沿研究领域。本项目基于PET/CT影像组学和人工智能，提出了基于健康人体全身SUV标准化和增强微小癌灶的细胞代谢活性定量化新方法，以解决淋巴瘤代谢指标特异性和早期癌灶敏感性较低的问题；提出了构建无监督检测淋巴瘤模型的新方法，以解决无标注条件下淋巴瘤的自动检测问题；提出了构建多种深度神经网络协同的淋巴瘤分割新方法，以解决小样本、不平衡数据的深度学习和智能分割问题；提出了能表示淋巴瘤细胞生物进化的异质性和基于完全迁移学习的各类样本一致性的特征提取新方法，以解决多元化淋巴瘤特征提取和小样本迁移学习过拟合的问题，形成具有自主知识产权的全身淋巴瘤影像组学智能诊断新技术。

淋巴瘤是一种全身性恶性肿瘤，早期诊断对降低死亡率至关重要。PET/CT是21世纪的新产品，基于PET/CT研发淋巴瘤智能诊断技术具有重要的科学意义和实用价值。.本项目重点研究淋巴瘤代谢定量化、全身淋巴瘤检测与分割、特征提取与分类等关键技术，主要完成了以下工作：①建立了淋巴瘤PET/CT图像及诊断数据库；②针对PET、CT配准问题，提出了代谢抑制方法，并基于平滑度、空域与频域相似度优化3D PET/CT图像无监督配准模型；③针对低剂量CT质量改善问题，提出了基于残差网络与平稳小波结合的纹理去噪与结构增强的新方法；④针对PET特异性低的问题，提出了基于正常代谢/解剖平均模型和多阈值决策的淋巴瘤病例检测方法；⑤针对图像分割对噪声与初始化敏感的问题，提出了基于自适应加权的泛化距离水平集方法，优化淋巴瘤分割模型；⑥针对特征时序关联性表达问题，设计了一个包括超密集编码器和孪生解码器的淋巴瘤分割网络，建立解码器特征间的空间-时间相关性，定义了具有稳定梯度和自适应性能的损失函数，通过在解码器加入剪枝提高了效率；⑦针对淋巴瘤亚型诊断问题，提出了基于多尺度与层级式的特征提取方法，并基于重要性定量识别病理图像；⑧为了降低分割的不确定性，提出了基于融合PET-CT证据与不确定性交叉熵损失的肿瘤分割模型，并利用PET引导CT分割，提高了肿瘤分割性能；⑨针对CT设备无彩色成像产品的问题，提出了基于伪亮度变换、肿瘤代谢增强的CT图像彩色化新方法，提高肿瘤的彩色显示效果和逼真度；⑩针对影像报告分析问题，将影像所见包含的医学词汇归纳为12种所见属性，实现了异常信息的发现。.根据上述算法，开发了淋巴瘤智能CAD模型与软件，进行了实验分析。申请了5项国家发明专利(3项授权)及5项软件著作权。发表了20篇学术论文，其中SCI收录15篇，EI收录2篇。在智能CAD领域培养了17名研究生，包括2名博士研究生和15名硕士研究生。