[發(fā)明專利]一種基于CNN和NLSTM神經(jīng)網(wǎng)絡(luò)應(yīng)用于CT影像的顱內(nèi)出血檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010785690.1
• 申請(qǐng)日: 2020-08-06
• 公開（公告）號(hào): CN111932512B
• 公開（公告）日: 2022-08-05
• 發(fā)明（設(shè)計(jì)）人: 劉萍萍;石立達(dá);朱俊杰;陳儇;劉鵬程;周求湛;金百鑫
• 申請(qǐng)（專利權(quán)）人: 吉林大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06V10/764;G06K9/62;G06V10/82;G06V10/774;G06N3/04;G06N3/08
• 代理公司: 哈爾濱龍科專利代理有限公司 23206
• 代理人: 高媛

本發(fā)明公開了一種基于CNN和NLSTM神經(jīng)網(wǎng)絡(luò)應(yīng)用于CT影像的顱內(nèi)出血檢測(cè)方法，屬于智能醫(yī)學(xué)影像處理領(lǐng)域。本發(fā)明使用CNN神經(jīng)網(wǎng)絡(luò)提取CT影像的圖片特征，在提取CNN特征之前，CNN神經(jīng)網(wǎng)絡(luò)也是經(jīng)過(guò)訓(xùn)練的，我們這里使用的預(yù)訓(xùn)練CNN網(wǎng)絡(luò)為ResNeXt。提取的圖像的embedding和病人的序列信息相結(jié)合作為NLSTM神經(jīng)網(wǎng)絡(luò)的輸入，通過(guò)交叉熵?fù)p失函數(shù)計(jì)算損失反向傳播網(wǎng)絡(luò)，最后得到的網(wǎng)絡(luò)結(jié)構(gòu)去進(jìn)行測(cè)試。這種CNN與RNN神經(jīng)網(wǎng)絡(luò)相結(jié)合的模式很適合處理CT序列影像，CNN與NLSM是一種新穎的顱內(nèi)出血檢測(cè)分類方法。本發(fā)明公開了基于CNN和NLSTM相結(jié)合的顱內(nèi)出血檢測(cè)方法，是一種準(zhǔn)確高效的自動(dòng)出血檢測(cè)和分類方法，對(duì)臨床有著極其重要的價(jià)值，具有廣闊的應(yīng)用場(chǎng)景。

技術(shù)領(lǐng)域

本發(fā)明屬于智能醫(yī)學(xué)影像處理領(lǐng)域，具體涉及一種基于CNN和NLSTM神經(jīng)網(wǎng)絡(luò)應(yīng)用于CT影像的顱內(nèi)出血檢測(cè)方法。

背景技術(shù)

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)和人工智能研究的最新趨勢(shì)之一，它也是當(dāng)今最流行的科學(xué)研究趨勢(shì)之一。近年來(lái)，深度學(xué)習(xí)方法在醫(yī)學(xué)影像處理中得到了廣泛的關(guān)注。對(duì)于一些特定的任務(wù)，深度學(xué)習(xí)方法已經(jīng)顯示出可以與醫(yī)學(xué)專家相匹敵或超越醫(yī)學(xué)專家的表現(xiàn)。

顱內(nèi)出血(ICH)，是指腦中的血管破裂引起出血，因此由血管獲得血液的腦細(xì)胞受到破壞的同時(shí)，由于出血壓迫周圍的神經(jīng)組織而引起障礙。它也叫腦出血、腦溢血、出血性中風(fēng)，占全部腦卒中的20％-30％，急性期病死率為30％-40％。顱內(nèi)出血包含：腦室內(nèi)出血(IVH)、腦實(shí)質(zhì)性出血(IPH)、蛛網(wǎng)膜下腔出血(SAH)、硬膜外出血(EDH)和硬膜下血腫(SDH)。可見，顱內(nèi)出血分類主要是與出血位置有關(guān)。

診斷顱內(nèi)出血是醫(yī)學(xué)領(lǐng)域的一個(gè)重要挑戰(zhàn)。確定顱內(nèi)出血的部位和類型是治療病人的關(guān)鍵。目前的診斷顱內(nèi)出血的方法是對(duì)大腦進(jìn)行CT掃描。由于腦組織、血液、肌肉和骨骼等對(duì)X射線吸收特性不同，CT掃描會(huì)產(chǎn)生高對(duì)比度圖像，然后供醫(yī)生查看。傳統(tǒng)的分類方法有放射科醫(yī)生負(fù)責(zé)目視檢查和定量評(píng)估。這個(gè)過(guò)程不僅非常耗時(shí)而且需要有長(zhǎng)期工作經(jīng)驗(yàn)訓(xùn)練有素的放射科醫(yī)生才能判別準(zhǔn)確。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決目前顱內(nèi)出血的CT圖像評(píng)估耗時(shí)且對(duì)醫(yī)生的專業(yè)性依賴較大的問(wèn)題，提供一種基于CNN和NLSTM神經(jīng)網(wǎng)絡(luò)應(yīng)用于CT影像的顱內(nèi)出血檢測(cè)分類方法。

為實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案如下：

步驟一：從dicom格式的醫(yī)學(xué)CT影像得到CT圖像值：

dicom格式的圖片要轉(zhuǎn)化成CT圖像值，轉(zhuǎn)化公式如下：

image_hu＝pixel×Rescaleslope+Rescaleintercept

其中，image_hu為CT圖像值，又稱hu值；pixel為dicom影像的像素值，Rescaleslope為縮放斜率，Rescaleintercept為縮放截距；

步驟二：Windowing操作

對(duì)步驟一得到的CT圖像值進(jìn)行Windowing操作，使用的窗口如下：Brain window：[40，80]，Subdural window：[80，200]，Bone window：[40，380]，其中，方括號(hào)內(nèi)第一位數(shù)字表示窗位，第二位數(shù)字表示窗寬；

步驟三：轉(zhuǎn)化成jpg圖像

Windowing操作完之后再進(jìn)行歸一化使得圖像的像素值在[0，1]之間，將圖片的像素值與255相乘得到[0，255]之間的值，隨后使用opencv的imwrite()函數(shù)生成.jpg圖像；

步驟四、訓(xùn)練CNN神經(jīng)網(wǎng)絡(luò)