[发明专利]适用于肝脏肿瘤的识别方法、装置及电子设备

权利要求书

1.一种适用于肝脏肿瘤的识别方法，其特征在于，包括：

获取腹部时序连续的增强扫描CT影像数据，并采用图像处理算法对所述CT影像数据进行预处理；

采用深度学习算法对预处理后的CT影像数据进行特征粗提取，并对提取出的粗提特征进行多尺度处理，固定粗提特征的维度；

在固定粗提特征的维度后，利用多尺度处理对应的分类器对固定维度后的粗提特征进行分类；

根据所述分类器的分类结果，判断识别肝脏肿瘤良恶性的概率；

所述采用深度学习算法对预处理后的CT影像数据进行特征粗提取，并对提取出的粗提特征进行多尺度处理，固定粗提特征的维度，包括：

采用2D卷积神经网络对预处理后的CT影像数据进行特征粗提取；

分别对提取出的粗提特征进行多尺度平均特征、局部最大特征和LSTM时序特征处理，固定粗提特征的维度；

对提取出的粗提特征进行多尺度平均特征处理包括：

所述CT影像数据为3D影像序列数据，提取出的粗提特征的维度不固定，影像序列长度不同；

对不同的影像序列长度进行不同尺度的采样，得到不同尺度的特征；

采用平均值或最大值方式聚合不同尺度的特征，提取影像序列中多维的局部特征和全局特征；

对提取出的粗提特征进行局部最大特征处理包括：

对不同的影像序列长度进行不同尺度的采样，得到不同尺度的特征；

采用最大值方式聚合不同尺度的特征，提取所有不同尺度的中位数位置的局部最大特征；

对提取出的粗提特征进行LSTM时序特征处理包括：

对多期时序连续预设张数的影像序列进行CNN多尺度特征处理，得到影像序列的时序特征；

训练LSTM网络，将影像序列的时序特征作为LSTM的时序输入。

2.根据权利要求1所述的方法，其特征在于，所述获取腹部时序连续的增强扫描CT影像数据，并采用图像处理算法对所述CT影像数据进行预处理，包括：

获取多期腹部时序连续的多张增强扫描CT影像数据，其中，所述多期包括平扫期、动脉期、门脉期和平衡期；

将多期腹部时序连续的多张增强扫描CT影像数据进行堆叠，以利用CT影像数据的时序特征；

采用图像处理算法对所述CT影像数据依次进行窗位截取和重采样归一化。

3.根据权利要求1所述的方法，其特征在于，所述在固定粗提特征的维度后，利用多尺度处理对应的分类器对固定维度后的粗提特征进行分类，包括：

所述分类器包括XGBoost和全连接神经网络；

多尺度平均特征对应的分类器为第一XGBoost，局部最大特征对应的分类器为第二XGBoost，LSTM时序特征对应的分类器为全连接神经网络；

利用第一XGBoost对多尺度平均特征进行分类，利用第二XGBoost对局部最大特征进行分类，利用全连接神经网络对LSTM时序特征进行分类，分别得出分类结果。

4.根据权利要求1所述的方法，其特征在于，所述根据所述分类器的分类结果，判断识别肝脏肿瘤良恶性的概率，包括：

将所述分类器的分类结果进行融合，投票得到最终结果；

根据所述最终结果判断识别肝脏肿瘤良恶性的概率。