[发明专利]使用深度学习网络对断层医学影像进行病灶分类的系统

摘要

本发明公开了一种使用深度学习网络对断层医学影像进行病灶分类的系统，该系统用于S1、收集病例断层医学影像数据，对病例断层医学影像进行标注形成训练集；S2、对断层医学影像进行预处理；S3、对训练集中的数据进行扩充；S4、构建并训练DCNN分类模型；S5、输入数据与处理预测结果。本发明能够帮助放射科医生快速区分病灶种类，从而大幅提高医生的工作效率。

主权项

1.一种使用深度学习网络对断层医学影像进行病灶分类的系统，其特征在于，包括：标注模块，用于对训练集中病例的断层医学影像进行标注，设病例为Xi，i∈[1,……,N]，其中N为病例的总数量，每个病例有一个标注Yi，表示病灶种类，并用下式表示病例：Xi＝Xij，j∈[1,……，Mi]，其中Mi为病例Xi的断层医学影像数量，同时假设每张断层影像Xij的标注为yij，它表示第i个病例的第j张断层影像的类别，yij的取值如下式：yij＝Yi；预处理模块，用于对断层医学影像进行预处理，在不影响图片特征的情况下，对经标注后的图片进行缩小；训练集扩充模块，用于对训练集中的数据进行扩充，对缩小后的图像，按照更小的预设尺寸，以1个像素为步幅，抠取出多张图片，同时按照步骤S1中的步骤对每张新成的影像数据进行标注，以扩充训练集中的数据；分类模型构建模块，用于构建并训练DCNN分类模型，通过预设算法调整DCNN分类模型中的可训练参数，该DCNN分类模型包括一个输入节点和多个输出节点，其输入节点的输入为经扩充后的训练集，每个输出节点的输出为病例属于某一类病灶的概率；输入新数据与处理预测结果模块，用于将待分类病例的断层医学影像输入到DCNN分类模型的输入节点，计算每个输出节点的输出值的平均值，比较各个平均值，选择最大值作为最终输出。