[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)檢測CT圖像的方法

有效

• 申請?zhí)枺?/td>: 201811316415.4
• 申請日: 2018-11-06
• 公開（公告）號: CN109492690B
• 公開（公告）日: 2021-11-30
• 發(fā)明（設(shè)計(jì)）人: 黃文愷;胡凌愷;何杰賢;彭廣龍;薛義豪;吳羽;朱靜
• 申請（專利權(quán)）人: 廣州大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G16H50/20
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 顏希文;羅堯

1.一種基于卷積神經(jīng)網(wǎng)絡(luò)檢測CT圖像的方法，其特征在于，包括如下步驟：

S1、提供病人的CT圖像、基因組表達(dá)譜、蛋白質(zhì)表達(dá)譜、吸煙情況和工作環(huán)境信息，并對CT圖像進(jìn)行標(biāo)注獲得數(shù)據(jù)集；

S2、根據(jù)步驟S1提供的CT圖像、基因組表達(dá)譜、蛋白質(zhì)表達(dá)譜、吸煙情況和工作環(huán)境信息搭建一個主要神經(jīng)網(wǎng)絡(luò)和四個次要神經(jīng)網(wǎng)絡(luò)，其中，主要神經(jīng)網(wǎng)絡(luò)以卷積神經(jīng)網(wǎng)絡(luò)為主體，四個次要神經(jīng)網(wǎng)絡(luò)分別用于分析基因組表達(dá)譜、蛋白質(zhì)表達(dá)譜、吸煙情況和工作環(huán)境對病人病情影響的大小并輸出相應(yīng)的權(quán)值；

S3、用已標(biāo)注的數(shù)據(jù)集對所述主要神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，代入所述次要神經(jīng)網(wǎng)絡(luò)輸出的權(quán)值，以判斷病人的CT圖像是否具有肺癌相應(yīng)特征。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述主體由輸入層、隱藏層和輸出層構(gòu)成，所述輸入層輸入CT圖像，隱藏層由四層卷積層和兩層平均池化層構(gòu)成，每兩層卷積層后面連接一層平均池化層，所述輸出層用softmax將輸出結(jié)果變成概率輸出，兩個概率值的和為1，其中更接近1的是正確值；其中兩個概率值分別為患者有無肺癌的概率。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S1包括如下步驟：

S11、需從病人的CT掃描中獲取肺部的CT切片；

S12、需要對病人的基因組進(jìn)行檢測，對病人進(jìn)行驗(yàn)血檢測蛋白質(zhì)表達(dá)情況，咨詢吸煙情況，咨詢工作環(huán)境；

S13、將獲取的CT圖像進(jìn)行標(biāo)注。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述主要神經(jīng)網(wǎng)絡(luò)由一個卷積層，leaky_relu激活，第二個卷積層，leaky_relu激活，第一個池化層，第一個池化層大小為2x2，第三個卷積層，leaky_relu激活，第四個卷積層，leaky_relu激活，第二層池化層，第二層池化層大小為2x2，第五層卷積層，leaky_relu激活，第六層卷積層，leaky_relu激活，第三層池化層，第三層池化層大小為7x7，然后經(jīng)過softmax將輸出值變成概率輸出構(gòu)成，其中概率輸出為患者有無肺癌的概率輸出。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，用于分析基因組表達(dá)譜的次要神經(jīng)網(wǎng)絡(luò)中，用0和1來代表基因未表達(dá)和表達(dá)，搭建分析基因組因素的神經(jīng)網(wǎng)絡(luò)；先將基因組表達(dá)與否和是否患病關(guān)聯(lián)起來，收集的有關(guān)基因數(shù)目為36個，組成大小為【6,6】的數(shù)組，該數(shù)組將只有0和1兩個值，每一個數(shù)組對應(yīng)一個患者，給該數(shù)組貼上標(biāo)簽是否患病；該神經(jīng)網(wǎng)絡(luò)只有一層卷積層，該層卷積層采用的是大小為【2,2】，步長為1，通道數(shù)為2的卷積核進(jìn)行卷積；其輸出層把卷積層的輸出值經(jīng)過softmax處理變成概率輸出，然后除以一個有限值，所述有限值是收集的數(shù)據(jù)中患肺癌并且相關(guān)基因表達(dá)多達(dá)18個的人數(shù)占總?cè)藬?shù)的概率，再將得到的值當(dāng)做權(quán)值；其中概率輸出為患者有無肺癌的概率輸出。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，用于分析蛋白質(zhì)表達(dá)譜的次要神經(jīng)網(wǎng)絡(luò)中，先將病人蛋白質(zhì)表達(dá)與否和是否患病關(guān)聯(lián)起來，收集的有關(guān)蛋白質(zhì)表達(dá)情況數(shù)目為36個，組成大小為【6,6】的數(shù)組，該數(shù)組只有0和1兩個值，每一個數(shù)組對應(yīng)一個患者，給該數(shù)組貼上標(biāo)簽是否患病；該神經(jīng)網(wǎng)絡(luò)只有一層卷積層，該層卷積層采用的是大小為【2,2】，步長為1，通道數(shù)為2的卷積核進(jìn)行卷積；其輸出層把卷積層的輸出值經(jīng)過softmax處理變成概率輸出，然后除以一個有限值，所述有限值是收集的數(shù)據(jù)中患肺癌并且相關(guān)蛋白質(zhì)表達(dá)多達(dá)18個的人數(shù)占總?cè)藬?shù)的概率，再將得到的值當(dāng)做權(quán)值；其中概率輸出為患者有無肺癌的概率輸出。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，用于分析吸煙情況的次要神經(jīng)網(wǎng)絡(luò)中，先將病人是否有過戒煙，用1表示沒有，0表示有；生活作息是否規(guī)律，1表示不規(guī)律，0表示規(guī)律；基因表達(dá)情況與蛋白質(zhì)表達(dá)情況的和；加上環(huán)境等級，用這四個數(shù)據(jù)組成一個【2,2】的數(shù)組；該神經(jīng)網(wǎng)絡(luò)使用大小為【2,2】，步長為1，通道數(shù)為2的卷積核進(jìn)行卷積；其輸出層把卷積層的輸出值經(jīng)過softmax處理變成概率輸出，然后除以一個有限值，所述有限值是收集的數(shù)據(jù)中患肺癌并且有吸煙的人數(shù)占總?cè)藬?shù)的概率，再將得到的值當(dāng)做權(quán)值；其中概率輸出為患者有無肺癌的概率輸出。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，用于分析工作環(huán)境的次要神經(jīng)網(wǎng)絡(luò)中，先將工作環(huán)境的優(yōu)劣等級分為，0、1、2、3、4、5、6、7、8、9這十個等級；工作壓力是否很大，1代表很大，0代表不大；空氣污染等級；工作附近有無施工，1代表有，0代表無，將這四個數(shù)據(jù)組成【2,2】的數(shù)組；該神經(jīng)網(wǎng)絡(luò)將使用大小為【2,2】，步長為1，通道數(shù)為2的卷積核進(jìn)行卷積；其輸出層把卷積層的輸出值經(jīng)過softmax處理變成概率輸出，然后除以一個有限值，所述有限值是收集的數(shù)據(jù)中患肺癌的人數(shù)占總?cè)藬?shù)的概率，再將得到的值當(dāng)做權(quán)值；其中概率輸出為患者有無肺癌的概率輸出。