[發(fā)明專利]一種卷積神經(jīng)網(wǎng)絡(luò)區(qū)分肝癌分化等級的方法

在審

• 申請?zhí)枺?/td>: 201810946331.2
• 申請日: 2018-08-20
• 公開（公告）號: CN109214433A
• 公開（公告）日: 2019-01-15
• 發(fā)明（設(shè)計）人: 林宏心;韋超;王光興;卓雙木
• 申請（專利權(quán)）人: 福建師范大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 福州元創(chuàng)專利商標代理有限公司 35100
• 代理人: 蔡學俊

本發(fā)明涉及一種卷積神經(jīng)網(wǎng)絡(luò)區(qū)分肝癌分化等級的方法。該方法包括步驟：步驟S1、準備數(shù)據(jù)：通過多光子顯微鏡采集肝癌的MPM圖像；步驟S2、擴大肝癌MPM圖像數(shù)據(jù)集：通過對步驟S1采集的原始像素大小為512×512的圖像進行像素調(diào)整，水平對此旋轉(zhuǎn)、垂直對稱旋轉(zhuǎn)、剪裁等手段，得到訓(xùn)練集圖像數(shù)量擴大為原來的16倍；步驟S3、設(shè)計卷積神經(jīng)網(wǎng)絡(luò)，得到分化等級的區(qū)分結(jié)果：設(shè)計卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)；卷積神經(jīng)網(wǎng)絡(luò)一共8層：第1層到第5層整體稱為卷積層，用于提取圖像中的詳細特征；第6層到第8層為3個全連接層，第8層后輸出肝癌圖像分化等級的概率。本發(fā)明能夠有效克服目前臨床活檢技術(shù)中耗時、漏診、主觀性強的缺點。

技術(shù)領(lǐng)域

本發(fā)明屬于醫(yī)學圖像處理領(lǐng)域，特別涉及一種卷積神經(jīng)網(wǎng)絡(luò)區(qū)分肝癌分化等級的方法。

背景技術(shù)

肝癌是最常見的致命惡性腫瘤，僅在中國，2015年就有466100例新增病例喝422100例死亡病例。低分化的肝癌具有較強的侵襲性和較差的預(yù)后，從而導(dǎo)致了較低的5年生存率。不同腫瘤分化等級的肝癌患者對應(yīng)不同的預(yù)后和治療策略，具有截然不同的結(jié)果。因此，肝癌分化等級的區(qū)分具有巨大的臨床價值。目前，常用的方法，如組織病理學檢查和B超，很容易受到檢查人員經(jīng)驗和辨別力的影響。開發(fā)一種新方法來實現(xiàn)無標記、快速、量化和自動的區(qū)分肝癌的分化等級是很有必要的。

近年來，多光子顯微鏡（MPM）已經(jīng)成為一種有前景的快速、無標記、高分辨率的顯微成像技術(shù)，非常適合用于檢查未加工過的組織樣本。MPM也將成為癌癥檢測和研究中不可替代的成像技術(shù)。該技術(shù)使用較長波長的近紅外激光對生物組織中的深層物質(zhì)進行成像，由于精確定位和較小的光損傷，組織樣本可以被長時間地觀察。作為非線性光學效應(yīng)的兩種主要形式，在不需要任何外源性染料的情況下，二次諧波發(fā)生（SHG）可成像膠原蛋白，雙光子激發(fā)熒光（TPEF）可揭示肝細胞的形態(tài)。SHG和TPEF的結(jié)合使用可精確測定與肝疾病相關(guān)的膠原蛋白的形態(tài)和結(jié)構(gòu)。

機器學習技術(shù)目前非常適合分析醫(yī)學數(shù)據(jù)。基于醫(yī)學圖像的機器學習可以顯著地提高肝疾病的檢測準確率。深度學習是一種由多計算層組成的機器學習，它使算法能夠基于實例學習而不是手工設(shè)計來執(zhí)行相應(yīng)的預(yù)測功能。近年來，一種特殊的深度學習技術(shù)—卷積神經(jīng)網(wǎng)絡(luò)（CNN），已經(jīng)成為醫(yī)學圖像中診斷疾病的高度精確算法，所獲得的精確度和準確性可與專家媲美。例如，基于多組學特征，深度學習被用來區(qū)分肝癌患者的生存亞群。此外，Li等人還發(fā)現(xiàn)，多個全連接卷積神經(jīng)網(wǎng)絡(luò)和極限學習體系結(jié)構(gòu)的結(jié)合，可以準確地預(yù)測肝癌核分級。最近，深度學習已經(jīng)進一步應(yīng)用于MPM圖像，如血管分割，卵巢癌診斷。然而還未有深度，學習應(yīng)用在肝癌MPM圖像方面的研究報道。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種卷積神經(jīng)網(wǎng)絡(luò)區(qū)分肝癌分化等級的方法，能夠有效克服目前臨床活檢技術(shù)中耗時、漏診、主觀性強的缺點。

為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種卷積神經(jīng)網(wǎng)絡(luò)區(qū)分肝癌分化等級的方法，包括如下步驟：

步驟S1、準備數(shù)據(jù)：通過多光子顯微鏡采集肝癌的MPM圖像，單張圖像大小為425.10×425.10 μm²，像素為512×512；

步驟S2、擴大肝癌MPM圖像數(shù)據(jù)集：將步驟S1采集的原始像素大小為512×512的圖像調(diào)整為像素大小為2000×2000的原圖像，并對原圖像進行水平對稱旋轉(zhuǎn)，得到一組新圖像；再對新圖像和原圖像進行垂直對稱旋轉(zhuǎn)，使得訓(xùn)練集的圖像數(shù)量擴大為原來的4倍；將擴大的訓(xùn)練集中每張圖像平均剪裁成4部分，構(gòu)成新的訓(xùn)練集，至此訓(xùn)練集圖像數(shù)量擴大為原來的16倍，即有原圖像數(shù)×16張像素大小為1000×1000的數(shù)據(jù)集；