[發明專利]一種卵巢腫瘤自動鑒別系統

有效

• 申請號: 202110278287.4
• 申請日: 2021-03-17
• 公開（公告）號: CN113033636B
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 簡俊明;高欣
• 申請（專利權）人: 濟南國科醫工科技發展有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06N3/04;G06N3/08;G16H30/20;A61B5/055;A61B5/00
• 代理公司: 蘇州久元知識產權代理事務所(普通合伙) 32446
• 代理人: 袁欣琪

本發明提出了一種卵巢腫瘤自動鑒別系統，是一種新型神經網絡架構，包括數據獲取及預處理、特征提取、多模態特征聚合、預測等步驟。該系統能夠直接以多模態磁共振圖像作為輸入，整個流程無需人工勾畫腫瘤病灶區域，也無需人工提取特征，僅通過二維卷積核就能實現基于三維圖像的全自動診斷，能夠有效提高基于術前磁共振圖像的上皮性惡性和交界性卵巢腫瘤鑒別精度。

技術領域

本發明要解決的技術問題是交界性和惡性卵巢腫瘤鑒別，該技術屬于醫學圖像信息處理、計算機輔助診斷領域。

背景技術

研究表明多模態磁共振是一種有效鑒別二者的成像手段，但影像科醫生憑經驗判斷來區分二者的診斷精度較低，現有的影像組學方法需要人工勾畫腫瘤病灶區域，在勾畫的區域內提取人工設計的特征，然后經過特征篩選，構建并訓練模型。

由于影像組學方法固有的特性，需要勾畫腫瘤病灶區域和人工特征提取兩個步驟。勾畫腫瘤病灶區域比較費時耗力，需要非常專業的醫學知識，且主觀性較強，不同醫生所勾畫的腫瘤區域可能會有差異；所提取的特征沒有針對性，無法針對特定的疾病來設計。上述兩個原因都會導致模型的性能不穩定，精度差。

發明內容

本發明提供一種卵巢腫瘤自動鑒別系統，其特征在于，包括以下步驟：數據獲取及預處理、特征提取、多模態特征聚合、預測。

進一步地，所述數據獲取及預處理包括，獲取患者j的k個模態的磁共振數據，并將這些磁共振數據對齊，使不同的磁共振模態有相同的大小和空間分辨率。患者j的磁共振數據集合可以表示為

其中m_k代表第k個模態的磁共振數據，代表第k個模態的第n個切片。

進一步地，所述特征提取包括，使用二維卷積神經網絡(Conv(·))對每個切片分別進行特征提取，得到該患者的特征集合

其中代表從第k個模態的第n個切片中提取到的特征圖，w和h為該特征圖的寬度和高度，則為模態k的單模態特征向量。

進一步地，所述多模態特征聚合包括，使用模態注意力模塊實現多模態特征聚合，首先使用全局均值池化(f_gp(·))來獲取第k模態的描述子d_k和全局模態描述子d：

d＝{d₁，d₂，…_，d_k}

其中，i代表n方向，即沿切片方向的起始值。

隨后使用兩個全連接層(f_fc1(·)和f_fc2(·))和一個激活層(f_ac(·))對全局模態描述子d進行非線性化和降維操作，從而獲取模態注意力向量a：

a＝f_fc2(f_ac(f_fc1(d)))

緊接著，使用一個softmax層(f_sm(·))來對各個模態的注意力值進行校準，以使其權重和為1：

其中，為校準后的模態注意力向量，最后，根據各個模態的注意力值，對多個單模態磁共振特征向量進行加權求和，來獲取最后的多模態磁共振特征向量fea⁽ⁿ⁾：

其中，為第i個模態的第n個切片中提取的特征圖，代表第個i磁共振模態的注意力值。

進一步地，所述預測包括使用分類器來獲取切片級的預測結果、使用上下文多示例池化層(f_cp(·))來聚合切片級的預測結果、獲取患者的預測結果。