[發(fā)明專利]一種基于深度神經(jīng)網(wǎng)絡(luò)的直腸癌T分期自動(dòng)診斷系統(tǒng)及其構(gòu)建方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010029854.8
• 申請(qǐng)日: 2020-01-13
• 公開（公告）號(hào): CN111210909A
• 公開（公告）日: 2020-05-29
• 發(fā)明（設(shè)計(jì)）人: 盧云;劉廣偉;劉尚龍
• 申請(qǐng)（專利權(quán)）人: 青島大學(xué)附屬醫(yī)院
• 主分類號(hào): G16H50/20
• 分類號(hào): G16H50/20;G06T7/00;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 北京中濟(jì)緯天專利代理有限公司 11429
• 代理人: 張曉

本發(fā)明公開了一種基于深度神經(jīng)網(wǎng)絡(luò)的直腸癌T分期自動(dòng)診斷系統(tǒng)，屬于圖像識(shí)別技術(shù)領(lǐng)域?；谏疃壬窠?jīng)網(wǎng)絡(luò)的直腸癌T分期自動(dòng)診斷系統(tǒng)包括深度神經(jīng)網(wǎng)絡(luò)模型，所述深度神經(jīng)網(wǎng)絡(luò)模型包括：特征提取網(wǎng)絡(luò)，區(qū)域生成網(wǎng)絡(luò)，池化層，分類和回歸層；所述深度神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)過程包括：首先，使用ResNet?50模型，對(duì)輸入的整張圖像的層面類型進(jìn)行學(xué)習(xí)并判斷，學(xué)習(xí)判斷該圖像投照方位，建立層面識(shí)別模塊；然后，以ResNet101模型作為基礎(chǔ)網(wǎng)絡(luò)，在每個(gè)圖像層面分別訓(xùn)練一個(gè)目標(biāo)檢測(cè)模型，用于勾畫出腫瘤區(qū)域，并判斷腫瘤T分期。本發(fā)明利用計(jì)算機(jī)技術(shù)來處理圖像，有一致的處理結(jié)果以及相當(dāng)?shù)臏?zhǔn)確度，便于集成和大規(guī)模的應(yīng)用。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識(shí)別技術(shù)領(lǐng)域，特別涉及一種基于深度神經(jīng)網(wǎng)絡(luò)的直腸癌T分期自動(dòng)診斷系統(tǒng)，還涉及一種基于深度神經(jīng)網(wǎng)絡(luò)的直腸癌T分期自動(dòng)診斷系統(tǒng)的構(gòu)建方法。

背景技術(shù)

直腸癌是世界范圍內(nèi)常見的消化道惡性腫瘤之一，其發(fā)病率居于所有惡性腫瘤發(fā)病率的第三位，其導(dǎo)致的死亡率位列癌癥死亡率的第四位。同時(shí)，直腸癌也是我國常見的惡性腫瘤之一，嚴(yán)重影響著人類的平均生存壽命和生活質(zhì)量。

對(duì)于直腸癌的治療，以手術(shù)為主的綜合性治療大大延長(zhǎng)了直腸癌病人的預(yù)期壽命及生活質(zhì)量。但并不是所有直腸癌患者均適合手術(shù)治療，即使有著手術(shù)治療的可能，手術(shù)方式的選擇也對(duì)病人的術(shù)后生活質(zhì)量及預(yù)后的影響較大。準(zhǔn)確的術(shù)前分期對(duì)于直腸癌病人的治療方案的選擇和制定具有重要的指導(dǎo)作用。影像學(xué)的發(fā)展為直腸癌術(shù)前診斷提供了強(qiáng)有力的支持，當(dāng)前，可以運(yùn)用超聲內(nèi)鏡、CT、MRI等多種輔助檢查方法做到對(duì)直腸癌患者術(shù)前腫瘤分期的判定。

超聲內(nèi)鏡雖然對(duì)于部分直腸癌腫瘤的術(shù)前T分期診斷準(zhǔn)確率最高可達(dá)到91％，但MRI檢查相比于超聲內(nèi)鏡對(duì)于檢查人員技術(shù)性要求較低，且可以在腫瘤造成梗阻及腫瘤位置較高的狀況下仍能得到較準(zhǔn)確的分期，使用限制條件少。相較于CT檢查結(jié)果，MRI具有組織分辨率高、術(shù)前診斷準(zhǔn)確性高等特點(diǎn)。因此MRI成為世界范圍內(nèi)公認(rèn)的用于直腸癌術(shù)前腫瘤分期的最有價(jià)值的手段，高分辨磁共振成像技術(shù)使得軟組織及腫瘤的成像更加清晰。

隨著成像技術(shù)及影像科醫(yī)師診斷水平的不斷進(jìn)步，術(shù)前診斷的準(zhǔn)確性大大提高。但由于我國人口眾多，影像資料龐大，影像科醫(yī)師短缺，造成了不同地區(qū)、不同醫(yī)院的影像科醫(yī)生工作負(fù)荷高、壓力大、診斷水平的參差不齊，對(duì)于同一份MRI影像資料，不同影像科醫(yī)師的診斷結(jié)果差異巨大，甚至誤判，使得MRI檢查無法充分發(fā)揮其在術(shù)前診斷中的作用。

作為一項(xiàng)重要的計(jì)算機(jī)技術(shù)，人工智能具有計(jì)算機(jī)處理數(shù)據(jù)時(shí)所具有的誤差穩(wěn)定、運(yùn)算速度快、精度高等特點(diǎn)。通過運(yùn)用深度學(xué)習(xí)技術(shù)學(xué)習(xí)大量的影像學(xué)圖像特征及與之相對(duì)應(yīng)的診斷結(jié)果，從而使人工智能獲得具有像影像科醫(yī)師一樣的閱片及作出診斷的能力，是目前亟待解決的問題。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種基于深度神經(jīng)網(wǎng)絡(luò)的直腸癌T分期自動(dòng)診斷系統(tǒng)及其構(gòu)建方法。為了對(duì)披露的實(shí)施例的一些方面有一個(gè)基本的理解，下面給出了簡(jiǎn)單的概括。該概括部分不是泛泛評(píng)述，也不是要確定關(guān)鍵/重要組成元素或描繪這些實(shí)施例的保護(hù)范圍。其唯一目的是用簡(jiǎn)單的形式呈現(xiàn)一些概念，以此作為后面的詳細(xì)說明的序言。

根據(jù)本發(fā)明實(shí)施例的第一方面，提供了一種基于深度神經(jīng)網(wǎng)絡(luò)的直腸癌T分期自動(dòng)診斷系統(tǒng)。

在一些可選實(shí)施例中，所述系統(tǒng)包括：深度神經(jīng)網(wǎng)絡(luò)模型，所述深度神經(jīng)網(wǎng)絡(luò)模型包括：

特征提取網(wǎng)絡(luò)，用于對(duì)輸入的整張圖像的圖像特征進(jìn)行抽象并生成卷積特征圖；

區(qū)域生成網(wǎng)絡(luò)，用于根據(jù)特征提取網(wǎng)絡(luò)輸出的卷積特征圖進(jìn)行篩選，推薦候選區(qū)域；

池化層，對(duì)所述卷積特征圖以及所述候選區(qū)域進(jìn)行卷積操作，將不同大小的輸入信號(hào)轉(zhuǎn)換為固定長(zhǎng)度的輸出信號(hào)，得到一組低維特征向量；

分類和回歸層，根據(jù)池化層輸出的低維特征向量，進(jìn)行分類與回歸，輸出最終診斷結(jié)果；