[发明专利]基于多视角深度学习的非小细胞肺癌亚型分类系统

权利要求书

1.一种基于多视角深度学习的非小细胞肺癌亚型分类系统，基于通过对被检查体进行肺部CT扫描而生成的体数据，生成并显示检查部位的图像数据，得到被检查体非小细胞肺癌病灶的病理亚型分类结果，其特征在于，包括信息获取模块、网络模块、训练模块，其中，

所述信息获取模块用于获得n张带有医生标注的肺部CT图像，对每一张图像通过粗分割、边缘清洗后获得仅含有肺野的CT图像数据；在横切面、冠状面、矢状面三个视角下，对得到的仅含有肺野的CT图像数据以医生标注区域为中心，按相同尺寸获得感兴趣区域；

所述网络模块用于构建多视角深度学习网络模型；

所述训练模块使用通过所述信息获取模块获得的感兴趣区域数据，对所述多视角深度学习网络模型进行冠状面、矢状面、横切面下的单独训练，模型初始化权重使用在ImageNet数据集上的预训练权重，得到三个视角下非小细胞肺癌亚型分类的深度学习网络模型，通过对三个视角下的分类结果进行硬投票得到最终分类结果，从而建立对非小细胞肺癌亚型分类的深度学习网络模型；

经所述信息获取模块、所述网络模块、所述训练模块处理后得到对非小细胞肺癌亚型分类的深度学习网络模型，将被检测肺部CT图像经所述信息获取模块处理后直接输入深度学习网络模型，即可获得模型预测的亚型分类标签。

2.根据权利要求1所述的一种基于多视角深度学习的非小细胞肺癌亚型分类系统，其特征在于，所述信息获取模块中，对每一张CT图像获得仅含有肺野的图像数据的过程为：

S1：基于不同CT机的扫描层厚，通过近似点采样方法进行插值；

S2：基于CT数据的像素值，对每一张图像进行归一化与二值化处理，得到粗分割区域；

S3：通过边缘清洗组件清洗粗分割区域边缘；

S4：通过最大联通区域方法，检测二值粗分割区域最大的两个区域，即两肺区域；

S5：通过开闭运算对获得的肺部区域进行填充孔洞、平滑边缘；

S6：通过高斯模糊对图像进行降噪处理。

3.根据权利要求1或2所述的一种基于多视角深度学习的非小细胞肺癌亚型分类系统，其特征在于，所述信息获取模块中，对得到的仅含有肺野的CT图像数据获得三个视角下感兴趣区域的过程为：

Step1：读取医生标注信息得到肿瘤区域的边缘点坐标，计算所有边缘点坐标在x，y，z方向上的最大值和最小值，使用三个方向获得的6个值即可得出肿瘤区域的外接长方体；

Step2：分别计算所有边缘点坐标在x，y，z方向上最大值和最小值的均值，获得的三个方向上的均值点坐标即为外接长方体的体心；

Step3：使用一个正方体包裹肿瘤外接长方体，将二者体心对齐，在三个不同视角下分别去除不含有肿瘤区域的层，即可得到最后的感兴趣区域数据。

4.根据权利要求1或2所述的一种基于多视角深度学习的非小细胞肺癌亚型分类系统，其特征在于，所述多视角深度学习网络模型包括第一部分网络、第二部分网络和根据分类模型的二分类功能要求构建连接神经元数量为2的输出层，其中第一部分网络使用在ImageNet数据集上预训练的深度残差网络，迁移除全连接层以外的所有层结构以及层的参数，第二部分网络为连接在第一部分网络所有层之后的参数随机初始化的全连接层。

5.根据权利要求1-4之一所述的一种基于多视角深度学习的非小细胞肺癌亚型分类系统，其特征在于，所述训练模块的具体过程为：

在三个视角下，分别使用对应视角的数据，通过放缩将每张CT图像放大至224×224像素，并按张输入多视角深度学习网络模型，设置学习率进行训练，对同一视角下相同的感兴趣区域，保存每一张的分类信息，通过硬投票获得该视角下的病灶分类结果；

在三视角分别训练之后，将相同感兴趣区域在三个视角的分类结果汇总并进行硬投票得到最后的亚型分类结果；获得对非小细胞肺癌亚型分类的深度学习网络模型。