基于影像组学的前列腺肿瘤风险评估与手术导航研究

Prostate cancer is the most common malignant tumor in male. Based on multimode magnetic and ultrasound images of prostate cancer, this study intends to carry out high-throughput feature analysis of reinforcement learning, data mining the histologic features of tumor characteristics using strong features of deep convolutional neural network within the framework of radiomics. After analyzing the correlation between the feature cluster and the clinical value, we can extract the practical structural information based on clinical fact verification, and improve the diagnosis and prognosis of prostate cancer. Meanwhile, we design and build a 3D convolution neural network structure which is in line with high-dimensional NMR images. We carry out the research of tumor location and precise segmentation algorithm based on medical risk minimization, accurately calculate the tumor characteristics, and achieve accurate and efficient segmentation of prostate cancer. According to the needs of doctor, we reconstruct the 3D anatomical model of prostate cancer gain and select the key characteristics of multi parameter MRI image, combining with clinical pathological information. It’s useful to help surgeons understand the precise anatomic relationship between the prostate and surrounding structures, and provide surgical navigation and assesment of surgery in the quantitative analysis. The research on dynamic visualization of prostate cancer can meet the urgent need of individualized precision medical treatment in new era.

前列腺癌是男性生殖系统最常见的恶性肿瘤。本研究拟基于前列腺肿瘤核磁和超声等多模影像，在影像组学技术框架内，利用深度卷积神经网络的强特征提取特点，开展高通量特征强化分析学习，挖掘肿瘤信息组学特征，将特征聚类分析后与临床价值关联，从而提取出基于临床验证具有实用价值的组学信息，为前列腺癌的诊治和预后评估提供帮助。同时，设计构建符合高维核磁影像的3D卷积神经网络结构，开展医疗风险最小化的肿瘤定位与精准分割算法研究，准确计算肿瘤特征，实现精确、高效的前列腺肿瘤分割。并根据医疗需求，针对采集的多参数MRI 图像选择关键影像组学特征，结合临床病理信息重建3D前列腺肿瘤解剖模型，来帮助外科医师观察前列腺与周围结构的精细解剖关系，开展跨平台的动态前列腺肿瘤可视化研究，提供外科手术导航及手术效果模拟量化分析，满足新时代肿瘤个体化精准医疗的迫切需要。

前列腺癌是男性生殖系统最常见的恶性肿瘤，其发病率和死亡率在欧美国家仅次于肺癌，位居男性癌症死亡的第2位。关于精化前列腺肿瘤诊治模式亟需探索。本项目主要研究内容是：基于多模态前列腺肿瘤影像，通过医疗风险约束的光流模型实现精准配准与分割，然后利用深度卷积神经网络的强特征提取特点，学习分析前列腺图像的高通量特征，获得更符合临床需求的影像组学信息。然后引入深度学习算法，搭建基于Web的前列腺肿瘤手术3D可视化模型，来辅助术前、术中认知导航。经过四年的研究，本项目获得的重要结果有：1.搭建了基于卷积神经网络的前列腺肿瘤核磁影像分割和配准模型；2.提出了基于临床验证的高通量肿瘤特征学习方法；3.开发了一个基于Web的医学影像三维可视化软件：4.提出了基于自监督对比学习的三维医学图像分割方法：5.构建一系列人工智能模型来预测前列腺肿瘤相关风险：6.申请了一种基于虚拟条件生成对抗网络的图像生成方法及系统等。本项目发表期刊论文和会议论文共20篇，并且我们的项目成果成功申请到了3项医工交叉的课题项目，实现了成果转化，并以此进行了更加深入的研究。本项目还申请并获得专利和软件著作权5项，培养研究生人才8名，举办或学术会议4次，参加学术报告7次，进行国内国际学术会议交流2次。