[发明专利]利用CT切片图像对肝脏肿瘤进行分类的方法

说明书

本发明涉及一种利用CT切片图像对肝脏肿瘤进行分类的方法。该方法包括：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。本发明能够实现肝脏的分割和肿瘤的勾画，缩小模型所需聚焦的肿瘤图像附近的空间范围，能够实现对3维度空间的图像信息的最大程度的提取，以达到实现较准确分类的目的。

技术领域

本发明涉及医疗图像处理技术领域，尤其是涉及一种利用CT切片图像对肝脏肿瘤进行分类的方法。

背景技术

肝脏是人体最重要的器官之一，也是常常发生疾病的地方。其中，肝癌的发生与否，对人体的健康有着极大的影响。肝癌也是全世界范围内造成死亡数量较大的恶性疾病，各个国家对于这个方向的研究也是非常频繁。正确的癌症分类，能够帮助医生对病人进行更加对症的治疗，包括更加精确尺寸的肿瘤切除办法，更加符合病情的术后康复和复查的频率等。传统的医生对于肿瘤是否恶性，是否发生扩散的诊断办法，是切去小片段，放置在显微镜下做肉眼观察然后判断。这种办法，非常地费时费力，效率非常低，所以，如何利用计算机实现肿瘤的自动分类就变得非常的重要和迫切。

计算机实现肝脏肿瘤的自动分类，有很多的难点。其中一个主要的原因是计算机读取的数据都是来自于CT肝脏扫描图。CT图相比于其他的仪器比如核磁和超声更加清晰，但是相比较于正常的照片，依然十分地糊，CT的像素也较低。另外，相比较于其他的器官比如肺，肝脏的特殊性质使得肝脏的CT扫描图上，肝脏的边缘非常模糊，这给计算机识别病变带来了诸多的不便。另外，CT图像本身像素间距、层间距也不统一，差距分布较大，也给计算机建模带来了挑战。除了CT图像外，医生人为地使用显影剂，为了在机器扫描透视能力有限的情况下，还能够尽可能的看清器官的内部情况，会使用一些显影剂，注入到病人的体内，并通过血管扩散到肝脏器官内，从而让疑似存在病变的肝脏器官与周围的身体器官在色彩上区别开来，这就造成了噪点，这一类的干扰也会对肿瘤的正确分类带来挑战。除此之外，肿瘤本身的形状和大小都十分地不确定，这就使得肿瘤的分类难上加难。

现在尝试过很多的办法来实现计算机的自动肿瘤分类。其中包括傅里叶变换，利用像素的阈值分类，以及很多其他传统的统计的办法。这类办法往往吃力不讨好，难以达到甚至接近资深医生人为地通过显微镜观察的办法所达到的精度，也就是说，这些办法没有达到实现计算机肿瘤自动分类，减轻医生工作负担的初始目的。在全卷积神经网络(FCN)在图像识别领域取得了巨大成功后，很多研究人员都开始利用这项技术解决实际的病变分类问题。本发明正是基于此项技术。特别地，本发明使用了一种深度学习神经网络技术，在尽量控制可变参数的数量的前提下，首先实现了肝脏的分割和肿瘤的勾画，再在此基础之上，缩小模型所需聚焦的肿瘤图像附近的空间范围，再使用特殊的数据增强和结构设计，能够实现对3维度空间的图像信息的最大程度的提取，以达到实现较准确分类的目的。

发明内容

本发明所要解决的技术问题是提供一种利用CT切片图像对肝脏肿瘤进行分类的方法。本发明能够实现肝脏的分割和肿瘤的勾画，缩小模型所需聚焦的肿瘤图像附近的空间范围，能够实现对3维度空间的图像信息的最大程度的提取，以达到实现较准确分类的目的。

通过本发明可以实现的技术目的不限于上文已经特别描述的内容，并且本领域技术人员将从下面的详细描述中更加清楚地理解本文中未描述的其他技术目的。

本发明解决上述技术问题的技术方案如下：

根据本公开的一方面，本发明提供一种利用CT切片图像对肝脏肿瘤进行分类的方法，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；