[發(fā)明專利]一種基于CT圖像影像組學特征的進展期胃癌邊緣狀態(tài)識別系統在審
| 申請?zhí)枺?/td> | 202011371119.1 | 申請日: | 2020-11-30 |
| 公開(公告)號: | CN112419290A | 公開(公告)日: | 2021-02-26 |
| 發(fā)明(設計)人: | 盧云;王貴英;李帥;劉尚龍;楊斌;張建;李琴 | 申請(專利權)人: | 青島大學附屬醫(yī)院;河北醫(yī)科大學第三醫(yī)院;北京航空航天大學;青島百洋智能科技股份有限公司 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06T7/13;G06T7/62;G06K9/62;G06K9/46;G06K9/32 |
| 代理公司: | 青島易維申知識產權代理事務所(普通合伙) 37310 | 代理人: | 于正友 |
| 地址: | 266000 山*** | 國省代碼: | 山東;37 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 ct 圖像 影像 特征 進展 胃癌 邊緣 狀態(tài) 識別 系統 | ||
本發(fā)明屬于圖像識別技術領域,公開一種基于CT圖像影像組學特征的進展期胃癌邊緣狀態(tài)識別系統,包括:特征提取網絡、區(qū)域生成網絡和目標檢測網絡;所述特征提取網絡用于對輸入的已繪制ROI的CT圖像進行抽象,提取影像組學特征;所述區(qū)域生成網絡利用Pearson相關分析算法選擇影像組學特征,建立Pearson相關矩陣,計算成對影像組學特征相關系數,選擇具有最大絕對相關系數平均值的影像組學特征,采用SFFS算法篩選最優(yōu)影像組學特征;所述目標檢測網絡用于預測切緣陽性概率。本發(fā)明的系統能夠識別肉眼無法辨識的微觀醫(yī)學影像信息,可以精確鑒別胃癌的浸潤深度,可以在術前對切緣狀態(tài)進行預判。
技術領域
本發(fā)明涉及圖像識別技術領域,特別涉及一種基于CT圖像影像組學特征的進展期胃癌邊緣狀態(tài)識別系統,還涉及一種電子設備,還涉及一種計算機可讀存儲介質。
背景技術
目前,胃癌是全球第五大常見的惡性腫瘤和第三大癌癥死亡原因。日本第四版胃癌治療指南指出,根治性手術切除是目前唯一有望治愈進展期胃癌的方法。術前精確預測胃癌手術切緣狀態(tài),對于避免不必要的姑息性手術以及合理選擇術前新輔助放化療具有重要的指導意義。上腹部增強CT是術前評估胃癌最常用的診斷工具,目前,對于進展期胃癌邊緣狀態(tài)的判斷主要通過醫(yī)生進行識別,對醫(yī)生的經驗以及水平有較高要求,而且,肉眼條件下在CT圖像中無法準確分辨胃癌浸潤最遠處。
近年來,圖像識別技術獲得了長足進步,如何利用圖像識別技術在CT圖像中對進展期胃癌邊緣狀態(tài)進行識別,是目前亟待解決的問題。
發(fā)明內容
本發(fā)明實施例提供了一種基于CT圖像影像組學特征的進展期胃癌邊緣狀態(tài)識別系統,以解決現有技術中通過人工識別進展期胃癌邊緣狀態(tài)的問題。為了對披露的實施例的一些方面有一個基本的理解,下面給出了簡單的概括。該概括部分不是泛泛評述,也不是要確定關鍵/重要組成元素或描繪這些實施例的保護范圍。其唯一目的是用簡單的形式呈現一些概念,以此作為后面的詳細說明的序言。
根據本發(fā)明實施例的第一方面,提供了一種基于CT圖像影像組學特征的進展期胃癌邊緣狀態(tài)識別系統。
在一些可選實施例中,一種基于CT圖像影像組學特征的進展期胃癌邊緣狀態(tài)識別系統,包括:特征提取網絡、區(qū)域生成網絡和目標檢測網絡;
所述特征提取網絡用于對輸入的已繪制ROI的CT圖像進行抽象,提取影像組學特征;
所述區(qū)域生成網絡利用Pearson相關分析算法選擇影像組學特征,建立Pearson相關矩陣,計算成對影像組學特征相關系數,選擇具有最大絕對相關系數平均值的影像組學特征,采用SFFS算法篩選最優(yōu)影像組學特征;其中,影像組學特征包括:形態(tài)學特征、一階統計特征、紋理特征;
所述目標檢測網絡采用MLR構建影像組學模型,用于預測切緣陽性概率。
可選地,所述特征提取網絡將所有ROI數據重采樣為體素間距為1×1×1mm3各向同性數據。
可選地,所述特征提取網絡在原始圖像上應用6個內置可選濾波器,生成相應的衍生圖像,使用Pyradiomics在原始圖像和衍生圖像中提取CT圖像的影像組學特征。
可選地,在所述SFFS算法中,以AUC值作為SFFS評分標準,以獲得最優(yōu)影像組學特征。
可選地,形態(tài)學特征包括:最大3D直徑、伸長率、平面度、最小軸長、主軸長、最大2D直徑列、最大2D直徑行、最大2D直徑切片、網格體積。
可選地,一階統計特征包括:均值、能量、總能量、熵、最小強度值、第10個百分位強度值、第90個百分位強度值、最大強度值、平均強度值、中值強度值、四分位數范圍、強度值范圍、偏度、峰度、方差和均勻度。
可選地,紋理特征包括:灰度共生矩陣、灰度游程長度矩陣、灰度大小區(qū)域帶矩陣、近鄰灰度色調差矩陣、和灰度相關矩陣;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于青島大學附屬醫(yī)院;河北醫(yī)科大學第三醫(yī)院;北京航空航天大學;青島百洋智能科技股份有限公司,未經青島大學附屬醫(yī)院;河北醫(yī)科大學第三醫(yī)院;北京航空航天大學;青島百洋智能科技股份有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011371119.1/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:車廂及軌道車輛
- 下一篇:一種石墨生產用水霧除塵裝置
- 彩色圖像和單色圖像的圖像處理
- 圖像編碼/圖像解碼方法以及圖像編碼/圖像解碼裝置
- 圖像處理裝置、圖像形成裝置、圖像讀取裝置、圖像處理方法
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序以及圖像解碼程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序、以及圖像解碼程序
- 圖像形成設備、圖像形成系統和圖像形成方法
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序





