本申请涉及生物医学工程，特别涉及一种基于dce-mri的pcr的预测方法、装置及设备。
背景技术：
1、乳腺癌是常见且发病率高的恶性肿瘤之一。手术切除通常是乳腺癌的首选治疗方法，然而，对于局部晚期患者，肿瘤范围的广泛性或邻近组织的侵犯使得保乳术难以执行。因此，乳腺癌患者新辅助化疗(neoadjuvant chemotherapy，nac)成为局部晚期乳腺癌治疗的标准选择，旨在通过降低肿瘤临床分期来提高肿瘤的切除率和保乳术的可能性。而在另一方面，pcr即乳腺中无残留浸润性癌细胞或原位癌，已被证实为nac治疗后的最佳预后指标。可尽管如此，仅约30％的患者能够达到pcr，而且少数患者在接受nac期间疾病仍会进展。此外，由于病理反应状态的评估需要通过术后病理检查完成，这一过程具有一定的滞后性，进而会影响pcr预测的准确性以及及时性。
2、因而现有技术还有待改进和提高。
技术实现思路
1、本申请要解决的技术问题在于，针对现有技术的不足，提供一种基于dce-mri的pcr的预测方法、装置及设备。
2、为了解决上述技术问题，本申请第一方面提供了基于dce-mri的pcr的预测方法，其中，所述的基于dce-mri的pcr的预测方法具体包括：
3、获取dce-mri集以及所述dce-mri集对应的辅助信息，其中，所述辅助信息包括ser信息和临床信息，所述dce-mri集中的dce-mri携带有乳腺癌病灶区域；
4、将所述dce-mri集及所述辅助信息输入经过训练的pcr预测模型，通过所述pcr预测模型确定所述dce-mri集对应的图像特征，并基于所述图像特征以及所述辅助信息确定目标特征，以及基于所述目标特征预测pcr类别。
5、所述的基于dce-mri的pcr的预测方法，其中，所述dce-mri集包括nac前的第一dce-mri和至少一张nac中的第二dce-mri。
6、所述的基于dce-mri的pcr的预测方法，其中，所述ser信息的获取过程具体包括：
7、提取第一dce-mri的乳腺背景感兴趣区域及第二dce-mri的乳腺背景感兴趣区域；
8、定位第一dce-mri的信号强度最大的目标病灶区域及第二dce-mri的信号强度最大的目标病灶区域；
9、基于所述第一dce-mri的乳腺背景感兴趣区域和目标病灶区域，以及第二dce-mri的乳腺背景感兴趣区域和目标病灶区域，确定所述dce-mri集对应的ser信息。
10、所述的基于dce-mri的pcr的预测方法，其中，目标病灶区域的定位过程具体包括：
11、提取乳腺背景感兴趣区域的第一三维掩码以及乳腺癌病灶区域的第二三维掩码；
12、基于所述第一三维掩码构建与所述乳腺背景感兴趣区域适配的可滑动区域；
13、在所述第二三维掩码内滑动所述可滑动区域，并计算所述可滑动区域在每个滑动位置的信号强度，以得到目标病灶区域。
14、所述的基于dce-mri的pcr的预测方法，其中，所述通过所述pcr预测模型确定所述dce-mri集对应的图像特征具体包括：
15、提取所述dce-mri集的影像组学特征；
16、提取所述dce-mri集的切片特征；
17、分别对所述影像组学特征和所述提取切片特征进行特征筛选，以得到图像特征。
18、所述的基于dce-mri的pcr的预测方法，其中，所述pcr预测模型包括图像特征提取模块、拼接模块以及分类器，所述图像特征提取模块与所述拼接模块相连接，所述拼接模块与所述分类器相连接；所述图像特征提取模块包括影像组学特征提取单元、切片特征提取单元以及特征筛选模块，所述影像组学特征提取单元和所述切片特征提取单元并行，且均与所述特征筛选单元相连接；所述拼接模块的输入项包括图像特征提取模块确定图像特征以及辅助信息。
19、所述的基于dce-mri的pcr的预测方法，其中，所述基于所述图像特征以及所述辅助信息确定目标特征具体包括：
20、获取所述辅助信息对应的信息特征向量；
21、将所述信息特征向量与所述图像特征进行拼接，以得到目标特征。
22、本申请第二方面提供了一种基于dce-mri的pcr的预测装置，其中，所述的基于dce-mri的pcr的预测装置具体包括：
23、获取模块，用于获取dce-mri集以及所述dce-mri集对应的辅助信息，其中，所述辅助信息包括ser信息和临床信息，所述dce-mri集携带有乳腺癌病灶区域；
24、控制模块，用于将所述dce-mri集及所述辅助信息输入经过训练的pcr预测模型，通过所述pcr预测模型确定所述dce-mri集对应的图像特征，并基于所述图像特征以及所述辅助信息确定目标特征，以及基于所述目标特征预测pcr类别。
25、本申请第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上任一所述的基于dce-mri的pcr的预测方法中的步骤。
26、本申请第四方面提供了一种终端设备，其包括：处理器和存储器；
27、所述存储器上存储有可被所述处理器执行的计算机可读程序；
28、所述处理器执行所述计算机可读程序时实现如上任一所述的基于dce-mri的pcr的预测方法中的步骤。
29、有益效果：与现有技术相比，本申请提供了一种基于dce-mri的pcr的预测方法、装置及设备，所述方法包括获取dce-mri集以及所述dce-mri集对应的辅助信息，将所述dce-mri集及所述辅助信息输入经过训练的pcr预测模型，通过所述pcr预测模型确定所述dce-mri集对应的图像特征，并基于所述图像特征以及所述辅助信息确定目标特征，以及基于所述目标特征预测pcr类别。本申请将ser信息作为临床信息的补充信息，并将包括临床信息和ser信息的辅助信息与dce-mri集相结合，使得pcr预测模型可以学习到dce-mri集所携带的图像特征以及辅助信息所携带临床特征，并结合图像特征和临床特征来进行pcr预测，提高了pcr预测的准确性，进而可以提高nac反应评估的准确性。
1.基于dce-mri的pcr的预测方法，其特征在于，所述的基于dce-mri的pcr的预测方法具体包括：
2.根据权利要求1所述的基于dce-mri的pcr的预测方法，其特征在于，所述dce-mri集包括nac前的第一dce-mri和至少一张nac中的第二dce-mri。
3.根据权利要求2所述的基于dce-mri的pcr的预测方法，其特征在于，所述ser信息的获取过程具体包括：
4.根据权利要求3所述的基于dce-mri的pcr的预测方法，其特征在于，目标病灶区域的定位过程具体包括：
5.根据权利要求1所述的基于dce-mri的pcr的预测方法，其特征在于，所述通过所述pcr预测模型确定所述dce-mri集对应的图像特征具体包括：
6.根据权利要求1或5所述的基于dce-mri的pcr的预测方法，其特征在于，所述pcr预测模型包括图像特征提取模块、拼接模块以及分类器，所述图像特征提取模块与所述拼接模块相连接，所述拼接模块与所述分类器相连接；所述图像特征提取模块包括影像组学特征提取单元、切片特征提取单元以及特征筛选模块，所述影像组学特征提取单元和所述切片特征提取单元并行，且均与所述特征筛选单元相连接；所述拼接模块的输入项包括图像特征提取模块确定图像特征以及辅助信息。
7.根据权利要求1所述的基于dce-mri的pcr的预测方法，其特征在于，所述基于所述图像特征以及所述辅助信息确定目标特征具体包括：
8.一种基于dce-mri的pcr的预测装置，其特征在于，所述的基于dce-mri的pcr的预测装置具体包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-7任意一项所述的基于dce-mri的pcr的预测方法中的步骤。
10.一种终端设备，其特征在于，包括：处理器和存储器；
