[發明專利]使用深度學習網絡對斷層醫學影像進行病灶分類的系統

有效

• 申請號: 201610043748.9
• 申請日: 2016-01-22
• 公開（公告）號: CN105718952B
• 公開（公告）日: 2018-10-30
• 發明（設計）人: 王興剛;羅博;王良;歐陽杰;劉濤;楊巍;賀松平
• 申請（專利權）人: 武漢科恩斯醫療科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 許美紅

1.一種使用深度學習網絡對斷層醫學影像進行病灶分類的系統，其特征在于，包括：

標注模塊，用于對訓練集中病例的斷層醫學影像進行標注，設病例為X_i，i∈[1,……,N]，其中N為病例的總數量，每個病例有一個標注Y_i，表示病灶種類，并用下式表示病例：X_i＝X_ij，j∈[1,……，M_i]，其中M_i為病例X_i的斷層醫學影像數量，同時假設每張斷層影像X_ij的標注為y_ij，它表示第i個病例的第j張斷層影像的類別，y_ij的取值如下式：y_ij＝Y_i；

預處理模塊，用于對斷層醫學影像進行預處理，在不影響圖片特征的情況下，對經標注后的圖片進行縮小；

訓練集擴充模塊，用于對訓練集中的數據進行擴充，對縮小后的圖像，按照更小的預設尺寸，以1個像素為步幅，摳取出多張圖片，同時按照步驟S1中的步驟對每張新成的影像數據進行標注，以擴充訓練集中的數據；

分類模型構建模塊，用于構建并訓練DCNN分類模型，通過預設算法調整DCNN分類模型中的可訓練參數，該DCNN分類模型包括一個輸入節點和多個輸出節點，其輸入節點的輸入為經擴充后的訓練集，每個輸出節點的輸出為病例屬于某一類病灶的概率；

輸入新數據與處理預測結果模塊，用于將待分類病例的斷層醫學影像輸入到DCNN分類模型的輸入節點，計算每個輸出節點的輸出值的平均值，比較各個平均值，選擇最大值作為最終輸出。

2.根據權利要求1所述的系統，其特征在于，所述斷層醫學影像為CT影像或者MRI斷層影像，M_i取值為10～30。

3.根據權利要求1所述的系統，其特征在于，該系統還包括初始化模塊，用于在構建DCNN分類模型后，采用計算機視覺系統識別項目ImageNet中經過預訓練的模型初始化DCNN分類模型。

4.根據權利要求1所述的系統，其特征在于，訓練集中病例的斷層醫學影像為1536×1536的二維圖像，預處理模塊將圖片縮小為360×360的二維圖像。

5.根據權利要求4所述的系統，其特征在于，訓練集擴充模塊具體用于對縮小后的圖像，按照288×288的預設尺寸，以1個像素為步幅，摳取出72×72＝5184張圖片。