[发明专利]基于胶囊网络的宫颈OCT图像分类方法

说明书

本发明提供了一种基于胶囊网络的宫颈OCT图像分类方法，以胶囊网络架构为基础，用向量输出替代标量输出，用动态路由算法替代池化操作，同时，本发明将胶囊网络与卷积神经网络VGG16模型相结合，用于提取大尺寸OCT图像的隐式特征。包括：1)将VGG16与胶囊网络相结合，使得分类模型的卷积层更复杂，适用于大尺寸图像的分类任务；2)由于胶囊网络不使用池化，删除VGG16模型中的池化层；3)更改VGG16模型的卷积层，使得分类模型可以进行参数调优；4)更改胶囊网络的输出维度，适用于宫颈OCT图像的五分类任务；5)在胶囊网络后增加全连接层，使用softmax函数进行分类；6)使用交叉熵作为损失函数。

技术领域

本发明提供了一种基于胶囊网络的宫颈光学相干断层扫描(OCT)图像分类方法，属于医学影像分析和计算机辅助诊断领域。

背景技术

宫颈癌是全球范围内最常见的妇科恶性肿瘤，近年来它的发病有逐渐年轻化的趋势。虽然近几十年来，因为宫颈细胞学筛查的普遍应用，宫颈癌在前期可以被有效地预防，其发病率和死亡率也因此有了明显的降低。但是，如今被广泛使用的宫颈癌筛查与诊断技术仍存在不足。例如，高危型人乳头瘤病毒(human papillomavirus，HPV)检测已广泛用于25岁以上女性，确定导致癌症的高危HPV类型，但无法提供有关检测结果的具体信息，也无法定位可能的宫颈病变；用阴道镜和醋酸对宫颈进行肉眼检测(visual inspection ofthe cervix with acetic acid，VIA)，便于医生直接观察，但是灵敏度和特异性较低。值得一提的是，在发展中国家中，提供宫颈癌筛查服务的机会有限，同时缺少HPV疫苗接种，宫颈癌依旧有着较高的发病率和死亡率。

光学相干断层扫描(optical coherence tomography，OCT)是一种新兴的生物医学成像技术，它利用光来获得生物组织的微米级分辨率的横截面图像。高分辨率和高速的OCT系统可以实时地显示2毫米深的组织样本的细胞特征，因此OCT作为一种无创的“光学活组织检查”方法显示出巨大的潜力。已有的研究证明了用OCT鉴别宫颈形态特征的可行性，如鳞状上皮、基底膜、宫颈基质、低度鳞状上皮内病变(low-grade squamousintraepithelial lesions,LSIL)，高度鳞状上皮内病变(high-grade squamousintraepithelial lesions,HSIL)和宫颈癌，使得OCT作为阴道镜检查的辅助工具来筛查和诊断宫颈疾病成为可能。然而，由于OCT技术在临床上的应用有限，宫颈OCT图像对妇科医生和病理学家来说还很陌生。临床医生需要接受严格的培训，可能需要包括查看数千个具有不同病理特征的OCT图像，才能熟悉和识别OCT图像中的诊断特征。此外，即使受过上述严格培训的专业医生在对宫颈OCT图像进行诊断时，也不可避免地会产生一些误判和漏判，特别是在类似看过大量图像数据的高强度工作后。

庆幸的是，近五年来人工智能技术飞速发展，利用深层神经网络的深度学习技术在医学图像分析方面取得了显著进展。最近的一些研究表明，深层卷积神经网络(convolutional neural network，CNN)能够从大量的图像和视频中获知隐含或潜在的特征，在基于图像的癌症(或罕见疾病)检测等任务中获得了相当于人类专家判断的精确结果。在眼科、呼吸科、骨科等领域，基于上述技术的计算机辅助诊断方法有助于减少医生重复性的简单工作，降低人为错误、提高工作效率，而且在肿瘤检测、定性诊断、自动结构化报告、组织特征提取等方面已经开始了临床研究和临床应用。