[发明专利]适用于肝脏肿瘤的识别方法、装置及电子设备有效
申请号: | 202110375822.8 | 申请日: | 2021-04-07 |
公开(公告)号: | CN113205111B | 公开(公告)日: | 2023-05-26 |
发明(设计)人: | 罗立刚;罗翔;侯波林;罗祥凤;高光明 | 申请(专利权)人: | 零氪智慧医疗科技(天津)有限公司 |
主分类号: | G06V10/764 | 分类号: | G06V10/764;G06V10/80;G06V10/82;G06N3/0442;G06N3/0464;G06N3/047;G06N3/09 |
代理公司: | 北京知果之信知识产权代理有限公司 11541 | 代理人: | 卜荣丽;李志刚 |
地址: | 300350 天津市津南区咸*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 适用于 肝脏 肿瘤 识别 方法 装置 电子设备 | ||
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。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于零氪智慧医疗科技(天津)有限公司,未经零氪智慧医疗科技(天津)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110375822.8/1.html,转载请声明来源钻瓜专利网。