[发明专利]利用CT切片图像对肝脏肿瘤进行分类的方法

权利要求书

1.一种利用CT切片图像对肝脏肿瘤进行分类的方法，其特征在于，所述方法包括：

步骤1：对于肝脏的CT切片图像进行分割，然后在所分割的CT切片图像中勾画肿瘤的位置，以聚焦在可能有信息价值的区域；

步骤2：选择基础模型，然后对于该基础模型的参数进行设置；

步骤3：选取优化器；

步骤4：对于所分割的CT切片图像的数据进行预处理；

步骤5：对于所预处理的数据进行数据增强；

步骤6：对于数据增强后的数据进行训练。

2.根据权利要求1所述的方法，

其特征在于，对于肝脏的CT切片图像进行分割还包括：构建基于密集卷积网络DenseNet和U型网络Unet的U型DenseNet二维2D网络及U型DenseNet三维3D网络，基于自动上下文(auto-context)，将该U型DenseNet 3D网络集成到该U型DenseNet 2D网络中，获取U型DenseNet混合网络并进行深度学习训练，通过训练好的U型DenseNet混合网络对所述肝脏的CT图像切片进行分割。

3.根据权利要求2所述的方法，

其特征在于，在步骤2中，使用3d resnet18作为所述基础模型。

4.根据权利要求3所述的方法，

其特征在于，在步骤3中，所述优化器是Ranger优化器。

5.根据权利要求4所述的方法，

其特征在于，在步骤4中，将所分割的CT切片图像的数据转换为图像，通过DenseUNet模型获得肝脏和肿瘤的分割结果图，对该分割结果图进行0-1二值化处理，再与原图做点乘，得到分割掩盖图，根据该分割结果图的上下左右边缘，在各方向上向外扩20个像素，得到裁剪图，以作为所述基础模型的输入。

6.根据权利要求5所述的方法，

其特征在于，在步骤5中，使用Cutout数据增强方法进行数据增强。

7.根据权利要求6所述的方法，

其特征在于，在步骤6中，对于数据增强后的数据进行训练包括单中心模型训练过程、混合模型训练过程、和微调模型训练过程；

其中所述单中心模型训练过程单独分别使用多个数据来源中的每一个数据来源的数据进行训练模型，所述混合模型训练过程无差别一次性使用多个数据来源的数据进行训练模型；微调模型训练过程首先使用多个数据来源中的第一个数据来源的数据进行训练模型，在预热该模型之后，使用多个数据来源中的第二个数据来源的数据，分别将所述基础模型设置为固定前5层参数、固定前9层参数、固定13层参数进行训练模型。

8.一种利用CT切片图像对肝脏肿瘤进行分类的设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的一种利用CT切片图像对肝脏肿瘤进行分类的方法的步骤。

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上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至7中任一项所述的一种利用CT切片图像对肝脏肿瘤进行分类的方法的步骤。