[发明专利]CT图像的肝静脉压力梯度分类方法以及计算机设备

权利要求书

1.一种CT图像的肝静脉压力梯度分类方法，其特征在于，包括：

将获取到的测试者的腹部CT图像导入医学数字成像和通信的软件中，以在肝静脉图层序列的水平位图像中选择第一肝门的图层，并提取出肝脏组织的轮廓进行勾画，对勾画的肝脏组织区域进行平滑处理，并对平滑处理后的所述肝脏组织区域提取出以按照预定图块尺寸切割的非重叠图块，得到多张待测肝脏图块；

将多张所述待测肝脏图块输入到预先训练好的肝脏预测子模型中进行肝静脉压力梯度分类测试，得到每一所述待测肝脏图块的多个预测分类，以及所述预测分类对应的分类概率；其中，所述测试者的肝静脉压力梯度在同一预设肝静脉压力梯度范围内为同一预测分类，所述肝脏预测子模型的训练步骤，包括：

将第一初始卷积神经网络的所有权重系数初始化为预设权重系数范围内的随机均匀分布；

根据所述预设肝静脉压力梯度范围，将获取到且经过所述肝脏图像切割预处理后的各肝脏训练图块进行分组，并将各组的肝脏训练图块输入到权重系数初始化后的所述第一初始卷积神经网络中；

获取每一所述肝脏训练图块通过所述第一初始卷积神经网络对应输出的多个预测分类、和预测分类对应的分类概率，以计算基于预设的第一损失函数对应的第一函数值；

将各所述第一函数值的平均值作为第一目标值，并基于所述第一目标值利用反向传播算法更新所述第一初始卷积神经网络的权重系数，直至更新后的所述第一初始卷积神经网络的预测分类结果使所述第一目标值小于或等于第一预设目标值，则将最终更新后的所述第一初始卷积神经网络作为所述肝脏预测子模型；所述第一目标值表示对各所述肝脏训练图块的预测分类结果与实际分组的偏差；

计算属于同一所述预测分类的分类概率的平均值，并将各平均值中的最大值以及该最大值对应的所述预测分类确定为所述测试者的肝静脉压力梯度分类测试结果。

2.根据权利要求1所述的CT图像的肝静脉压力梯度分类方法，其特征在于，还包括：

将获取到的所述测试者的腹部CT图像进行脾脏图像切割预处理，得到多张待测脾脏图块；

将多张所述待测脾脏图块输入到预先训练好的脾脏预测子模型中进行肝静脉压力梯度分类测试，得到每一所述待测脾脏图块的多个所述预测分类，以及所述预测分类对应的分类概率；

将针对所述待测肝脏图块和所述待测脾脏图块进行肝静脉压力梯度分类测试得到的所有分类概率中属于同一预测分类的分类概率进行平均，得到相应预测分类的分类概率的平均值，并将各平均值中的最大值以及该最大值对应的所述预测分类确定为所述测试者的肝静脉压力梯度分类测试结果。

3.根据权利要求1所述的CT图像的肝静脉压力梯度分类方法，其特征在于，将所述腹部CT图像进行肝脏图像切割预处理，包括：

从所述腹部CT图像的肝门图层中提取出肝脏区域图像，并对所述肝脏区域图像进行平滑处理；

将平滑处理后的肝脏区域图像按照第一预设图块尺寸进行切割，得到所述多张待测肝脏图块。

4.根据权利要求2所述的CT图像的肝静脉压力梯度分类方法，其特征在于，将所述腹部CT图像进行脾脏图像切割预处理，包括：

从所述腹部CT图像的脾门图层中提取出脾脏区域图像，并对所述脾脏区域图像进行平滑处理；

将平滑处理后的脾脏区域图像按照第二预设图块尺寸进行切割，得到所述多张待测脾脏图块。