[发明专利]一种基于迁移学习来预测下咽癌患者预后生存时间的方法

说明书

本发明公开一种基于迁移学习来预测下咽癌患者预后生存时间的方法，针对下咽癌患者因诊断和预后数据少、预后生存时间调查周期长，调查难度大导致的下咽癌患者预后时间判断困难，但CNN网络经过数年来的发展和海量的数据集训练，能够较为准确的识别图像特征并分类，因此提出一种基于迁移学习来预测下咽癌患者预后生存时间的方法。该方法首先对输入的下咽癌患者的核磁共振图像(MRI)的T1图像的Dicom文件进行图像校正。再通过CNN来读取校正后的图片，并转化为特征向量。之后再构建另一个神经网络，利用之前CNN转化的特征向量训练其成为分类器，分类的目标是下咽癌患者的预后生存时间。

技术领域

本发明涉及一种基于迁移学习来预测医学图像发展规律的方法，涉及智能诊疗技术领域。

背景技术

针对下咽癌患者因诊断和预后数据少、预后生存时间调查周期长，调查难度大导致的下咽癌患者预后时间判断困难，但CNN网络经过数年来的发展和海量的数据集训练，能够较为准确的识别图像特征并分类，因此提出一种基于迁移学习来预测下咽癌患者预后生存时间的方法。

迁移学习是不局限于训练数据和测试数据具备相同特征的一种学习方法，迁移学习可以学习运用已有数据中的知识规律，对不同但是相关的领域进行求解，有效解决了传统机器学习以上提到的问题。

发明内容

本发明针对下咽癌患者MRI图像不准确、预后数据少、预后生存时间调查周期长，调查难度大导致的下咽癌患者预后时间判断困难；CNN网络经过数年来的发展和海量的数据集训练，能够较为准确的识别图像特征并分类，因此提出一种基于迁移学习来预测下咽癌患者预后生存时间的方法。

本发明为解决上述技术问题采取的技术方案是：

本发明所述的一种基于迁移学习来预测下咽癌患者预后生存时间的方法，所述方法实施过程如下：

(1)通过读取下MRI图像T1的Dicom文件，进行MRI图像校正，之后转化成普通图像格式。

由于核磁共振机器线圈接收信号不均匀等原因，会导致MRI存在灰度不均匀现象，进而影响临床诊断的准确性。而通过灰度不均匀图像校正的方法MRI图像对进行校正。

进一步地，在(1)中，dicom文件进行图像校正，具体过程为：

a.将dicom文件合成为nii文件。

b.将nii文件整体进行灰度不均匀图像校正，从而得到校正后的nii文件。

c.校正后的nii文件转化成普通格式图像。

(2)通过CNN来读取矫正后的图像，并转化成特征向量。

通过非对称卷积核对图像的进行卷积，获取特征向量，之后通过一系列的池化操作进行不断降低特征向量的维数，最后得到指定维数的特征向量。

(3)将提取的特征向量在神经网络中对神经网络进行训练。

将(2)提取的特征向量在神经网络中对神经网络进行分类训练。采用的神经网络是全连接网络，学习率随训练次数而不断衰减，提高神经网络的准确性，从而完成训练模型的分类，再把测试集数据输入训练好的模型中，最终完成预后时间的分类。

本发明的有益效果是：本发明提出一种基于迁移学习来预测下咽癌患者预后生存时间的方法，所述方法采用通过读取下咽癌患者T1的Dicom文件，进行图像校正，之后转化成普通图像格式；之后通过CNN来读取矫正后的图像，并转化成特征向量；最后将提取的特征向量在神经网络中对神经网络进行分类训练。

本发明方法解决因下咽癌患者因诊断和预后数据少、预后生存时间调查周期长，调查难度大而导致的下咽癌患者预后时间判断困难的问题，并提高判断下咽癌患者预后时间的准确率。在相似的癌症智能诊断领域具有潜在经济价值。

附图说明