膀胱癌是全球普遍恶性肿瘤之一。癌症统计《Cancer statistics,2019》显示美国新增癌症病例中,男性膀胱肿瘤患者发病率和死亡率分别位居第五位和第七位。我国男性膀胱肿瘤发病率位居恶性肿瘤第七位,并且呈逐年上升趋势。最新《NCCN肿瘤学临床实践指南》指出,膀胱肿瘤浸润深度是指导医生为患者制定合理手术方案和后续监护管理的重要指标,因此如何准确获取肿瘤的浸润深度具有重要的研究意义。临床上,光学膀胱镜(Optical Cystoscopy,OCY)联合经尿道穿刺活检(Transurethral Biopsy,TUB)技术是获取肿瘤浸润深度的金标准,但是不同位置肿瘤的浸润深度不同,此外TUB技术有创、检查过程痛苦、易引起患者极度不适且可能造成损伤。因此,临床上迫切需要一种无创、全面评价肿瘤浸润深度的有效方法。随着医学影像技术的创新与改进,医学影像分辨率得到极大提升,研究表明,医学影像信息在浸润深度的研究上展现出极大前景。课题组前期基于患者T2加权MRI腹部成像已采用耦合定向水平集(Coupled Directional Level-set,CDLS)结合形态学特征检测获取疑似肿瘤区域,本文主要工作是完成疑似肿瘤区域中肿瘤组织的准确提取,并计算肿瘤浸润深度。本文主要工作包括以下两部分:(1)基于机器学习的膀胱肿瘤分割:该方法首先基于膀胱T2加权序列核磁共振影像(Magnetic Resonance Imaging,MRI)使用预处理方法获得黏连有肿瘤组织的膀胱壁区域,通过对预处理获取的图像进行小波变换(Wavelet Transform,WT),分别提取小波分量以及原图的纹理、灰度、位置特征,并结合支持向量机(Support Vector Machine,SVM)和直推式支持向量机(Transductive Support Vector Machine,TSVM)实现对疑似肿瘤区域中肿瘤组织的有监督和半监督分类,其中训练集、测试集各包含10例患者,分割结果与放射医师手动分割的膀胱肿瘤区域对比,SVM和TSVM方法分割结果的平均戴斯相似系数(Dice Similarity Coefficient,DSC)分别为0.8277、0.8841,其中基于TSVM的方法性能更优,不仅表明本文提出算法在区分肿瘤以及壁组织上的有效性,亦表明半监督分类方法在解决小样本分类及膀胱肿瘤分割中的作用与优势。(2)膀胱肿瘤浸润深度的计算评价:由于上一部分结果表明TSVM的分类性能优于SVM,因此本部分基于TSVM的分割结果计算肿瘤浸润深度。将分割获取的肿瘤区域从预处理获得的黏连有肿瘤组织的膀胱壁区域中剔除,基于拉普拉斯偏微分方程,计算该区域的膀胱壁三维厚度,再利用去除疑似肿瘤区域后剩余膀胱壁的平均厚度减去疑似肿瘤区域中膀胱壁的最小厚度获得最终的浸润深度,其结果与基于金标准(放射医师手动画取的肿瘤区域)计算的浸润深度作比较,10例患者MRI数据计算结果表明,基于TSVM的浸润深度与基于金标准的浸润深度的平均误差为0.2525mm,表明本文提出的肿瘤浸润深度的计算方法能有效评价肿瘤的浸润程度,从而为医生制定治疗方案提供定量信息。