[發(fā)明專利]一種基于深度學(xué)習(xí)和影像組學(xué)的泌尿結(jié)石檢測分類方法在審
| 申請?zhí)枺?/td> | 202010156643.0 | 申請日: | 2020-03-09 |
| 公開(公告)號: | CN111340130A | 公開(公告)日: | 2020-06-26 |
| 發(fā)明(設(shè)計(jì))人: | 范兵;呂晨翀;李明智;張佳琦;胡陽 | 申請(專利權(quán))人: | 江西省人民醫(yī)院;北京醫(yī)準(zhǔn)智能科技有限公司 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06K9/32;G06N3/04;G06N3/08 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 330006*** | 國省代碼: | 江西;36 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 深度 學(xué)習(xí) 影像 泌尿 結(jié)石 檢測 分類 方法 | ||
1.一種基于深度學(xué)習(xí)與影像組學(xué)的泌尿系結(jié)石檢測分類方法,其特征在于,包括以下步驟:
獲取常規(guī)CT圖像;
利用第一深度學(xué)習(xí)模型從所述CT圖像中自動(dòng)化地提取結(jié)石感興趣區(qū)域,確認(rèn)所述結(jié)石感興趣區(qū)域的結(jié)石是否存在,并對結(jié)石感興趣區(qū)域進(jìn)行初次粗略分類;
提取結(jié)石感興趣區(qū)域的影像組學(xué)特征;
利用第二深度學(xué)習(xí)模型和結(jié)石感興趣區(qū)域內(nèi)的結(jié)石周圍的影像組學(xué)特征對所檢出的結(jié)石感興趣區(qū)域進(jìn)行二次精細(xì)分類,得到最終的結(jié)石分類結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)與影像組學(xué)的泌尿系結(jié)石檢測分類方法,其特征在于:所述結(jié)石感興趣區(qū)域?yàn)镃T圖像的一個(gè)或多個(gè)區(qū)域。
3.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)與影像組學(xué)的泌尿系結(jié)石檢測分類方法,其特征在于:第一深度學(xué)習(xí)模型至少包括Faster R-CNN模型,所述Faster R-CNN模型至少依次包括卷積預(yù)處理層、區(qū)域候選網(wǎng)絡(luò)(RPN)、結(jié)石感興趣區(qū)域池化層、第一分類層,其中,
所述卷積預(yù)處理層對常規(guī)CT圖像進(jìn)行縮放、剪裁、池化,并輸出常規(guī)CT圖像的特征圖譜;
所述區(qū)域候選網(wǎng)絡(luò)(RPN)用于生成和校正包含若干結(jié)石感興趣區(qū)域,并輸出各結(jié)石感興趣區(qū)域內(nèi)的結(jié)石是否存在信息;
所述結(jié)石感興趣區(qū)域池化層疊加所述特征圖譜和所述結(jié)石感興趣區(qū)域,生成若干帶有特征圖譜的結(jié)石感興趣區(qū)域,并將帶有特征圖譜的結(jié)石感興趣區(qū)域作池化處理,以使得帶有特征圖譜的各個(gè)結(jié)石感興趣區(qū)域具有相同輸出尺度;
所述第一分類層分別計(jì)算各個(gè)有特征圖譜的結(jié)石感興趣區(qū)域所屬類別,并將其進(jìn)行初次粗略分類。
4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)與影像組學(xué)的泌尿系結(jié)石檢測分類方法,其特征在于:卷積預(yù)處理層包括至少13個(gè)卷積微層、13個(gè)激活函數(shù)層、4個(gè)池化層。
5.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)與影像組學(xué)的泌尿系結(jié)石檢測分類方法,其特征在于:所述區(qū)域候選網(wǎng)絡(luò)(RPN)被配置至少用于生成錨點(diǎn)、函數(shù)分類器選取正錨點(diǎn)、邊界框回歸修正正錨點(diǎn)、利用修正后的正錨點(diǎn)生成結(jié)石感興趣區(qū)域。
6.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)與影像組學(xué)的泌尿系結(jié)石檢測分類方法,其特征在于:
所述生成錨點(diǎn)的步驟至少包括,根據(jù)實(shí)際CT圖像中結(jié)石大小,將錨點(diǎn)大小設(shè)置為第一錨點(diǎn)值×第二錨點(diǎn)值,
所述第一錨點(diǎn)值為6,10,16,22,32或64,
和,所述第二錨點(diǎn)值為6,10,16,22,32或64。
7.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)與影像組學(xué)的泌尿系結(jié)石檢測分類方法,其特征在于:
所述函數(shù)分類器為softmax或sigmoid。
8.根據(jù)權(quán)利要求6所述的基于深度學(xué)習(xí)與影像組學(xué)的泌尿系結(jié)石檢測分類方法,其特征在于:在結(jié)石檢測分類前,對第一深度學(xué)習(xí)模型和第二深度學(xué)習(xí)模型進(jìn)行訓(xùn)練,其中第一深度學(xué)習(xí)模型的訓(xùn)練至少包括區(qū)域候選網(wǎng)絡(luò)(RPN)的訓(xùn)練和第一分類層的訓(xùn)練,第二深度學(xué)習(xí)模型至少包括第二分類層的訓(xùn)練。
9.根據(jù)權(quán)利要求8所述的基于深度學(xué)習(xí)與影像組學(xué)的泌尿系結(jié)石檢測分類方法,區(qū)域候選網(wǎng)絡(luò)(RPN)的訓(xùn)練用到的正錨點(diǎn)和負(fù)錨點(diǎn)的獲取方式為:如果一個(gè)錨點(diǎn)與標(biāo)準(zhǔn)真值的IoU>第一樣本閾值,就認(rèn)定為正錨點(diǎn),如果錨點(diǎn)與標(biāo)準(zhǔn)真值滿足0<=IoU<第二樣本閾值,認(rèn)定為負(fù)錨點(diǎn),如果錨點(diǎn)與標(biāo)準(zhǔn)真值的IoU滿足第二樣本閾值<=IoU<第一樣本閾值之間,則不參與訓(xùn)練,所述標(biāo)準(zhǔn)真值來源于醫(yī)生對涉及到的CT影像標(biāo)記實(shí)際結(jié)石感興趣區(qū)域。
10.根據(jù)權(quán)利要求9所述的基于深度學(xué)習(xí)與影像組學(xué)的泌尿系結(jié)石檢測分類方法,其特征在于:
所述第一樣本閾值為大于等于0.5,
和/或,所述第二樣本閾值為小于等于0.4。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于江西省人民醫(yī)院;北京醫(yī)準(zhǔn)智能科技有限公司,未經(jīng)江西省人民醫(yī)院;北京醫(yī)準(zhǔn)智能科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010156643.0/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫組成的,而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評測方法及系統(tǒng)





