[发明专利]一种肿瘤恶化程度的识别方法、装置、设备和存储介质

权利要求书

1.一种肿瘤恶化程度的识别方法，其特征在于，包含：

获取核磁共振图像；其中，所述核磁共振图像包含有子宫图像和肌瘤图像；

通过目标检测模型，定位所述子宫图像在所述核磁共振图像中的区域，并提取包含所述区域的区域图像；

通过分割模型，识别所述区域图像中的所述子宫图像的子宫区域和所述肌瘤图像的肌瘤区域；

获取所述肿瘤区域和所述子宫区域的面积之比；

判断所述面积之比是否低于阈值；其中，所述阈值通过ROC曲线获取；

当判断到所述面积之比低于所述阈值时，判定所述核磁共振图像对应的肿瘤恶化程度为IA期，否则为IB期。

2.根据权利要求1所述的识别方法，其特征在于，所述目标检测模型为以ResNet50作为主干特征提取网络的FASTER-RCNN模型；

通过目标检测模型，定位所述子宫图像在所述核磁共振图像中的区域，并提取包含所述区域的区域图像，具体为：

通过FASTER-RCNN模型，识别所述核磁共振图像中的子宫图像，以获取框住所述子宫图像的矩形框信息；其中，所述矩形框信息包括中心坐标、高度和宽度；

以所述中心坐标为原点，将所述高度和所述宽度放大预定倍数后，提取放大后框住的图像作为所述区域图像。

3.根据权利要求1所述的识别方法，其特征在于，所述分割模型为通过交叉验证方法训练得到的U-net模型，用以将所述区域图像中的所述子宫区域和所述肌瘤区域标记为不同的鲜艳的纯色，其它区域标记为同一种灰度的灰色；

通过交叉验证方法训练得到的所述U-net模型，具体包括：

获取数据集，并将所述数据集分为S份；其中，所述数据集为多张人工标注了子宫区域和肌瘤区域的核磁共振图像；

将1份子集作为验证集，其余子集作为训练集，训练初始模型；遍历S份子集，以获得S个训练模型；

选取S个所述训练模型中准确率最高的训练模型作为所述分割模型。

4.根据权利要求1所述的识别方法，其特征在于，获取所述肿瘤区域和所述子宫区域的面积之比，具体为：

获取所述肿瘤区域内的第一像素个数和所述子宫区域内的第二像素个数；

计算所述第一像素个数和所述第二像素个数之比，以获得所述面积之比。

5.根据权利要求1所述的识别方法，其特征在于，通过所述ROC曲线获取所述阈值，具体包括：

获取多张分割图像；其中，所述分割图像为通过所述分割模型识别后的多张核磁共振图像，多张所述分割图像包括IA期和IB期的图像；

通过计算机视觉模型分别获取所述分割图像中的肿瘤区域和子宫区域的像素个数，以获得各个所述分割图像的肿瘤区域和子宫区域的面积之比；

将IA期的分割图像作为正样本，IB期的分割图像作为负样本，根据多个所述面积之比绘制ROC曲线，选取所述ROC曲线上最靠近左上角的点对应的面积之比，以获得所述阈值。

6.根据权利要求2所述的识别方法，其特征在于，所述预定倍数为1.2倍。

7.一种肿瘤恶化程度的识别装置，其特征在于，包含：

图像获取模块，用于获取核磁共振图像；其中，所述核磁共振图像包含有子宫图像和肌瘤图像；

图像提取模块，用于通过目标检测模型，定位所述子宫图像在所述核磁共振图像中的区域，并提取包含所述区域的区域图像；

图像分割模块，用于通过分割模型，识别所述区域图像中的所述子宫图像的子宫区域和所述肌瘤图像的肌瘤区域；

面积之比模块，用于获取所述肿瘤区域和所述子宫区域的面积之比；

判断模块，用于判断所述面积之比是否低于阈值；其中，所述阈值通过ROC曲线获取；

判定模块，用于当判断到所述面积之比低于所述阈值时，判定所述核磁共振图像对应的肿瘤恶化程度为IA期，否则为IB期。