[發明專利]基于多模型權重分配網絡的直腸癌病理完全反應預測方法

在審

• 申請號: 202210526774.2
• 申請日: 2022-05-16
• 公開（公告）號: CN114863123A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 李蘭蘭;徐斌;胡益煌;王大彪
• 申請（專利權）人: 福州大學
• 主分類號: G06V10/40
• 分類號: G06V10/40;G06V10/28;G06V10/26;G06V10/25;G06V10/82;G06N3/04;G16H50/20
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

1.一種基于多模型權重分配網絡的直腸癌病理完全反應預測方法，其特征在于，包括如下步驟：

原始圖像預處理；

特征提取、分割；

對經特征提取、分割生成的ROI圖像進行標準處理，輸入預測模型得到預測結果。

2.根據權利要求1所述的基于多模型權重分配網絡的直腸癌病理完全反應預測方法，其特征在于，所述原始圖像預處理包括對垂直軸圖像的切片和數據增強，即將原始的nrrd格式的MRI圖像進行切片，為減少高強度的偽影數量，使用一種對比度限制的自適應直方圖均衡方法來改進對比度，為防止過擬合，采用包括旋轉、水平翻轉的數據增強方法來改變輸入圖像，在數據增強后，數據集被擴展到其原始大小的4倍。

3.根據權利要求1所述的基于多模型權重分配網絡的直腸癌病理完全反應預測方法，其特征在于，所述特征提取、分割，即在神經網絡中使用卷積核直接提取原始圖像的特征，并通過滑動卷積核塊來提取整個原始圖像的特征；通過卷積提取特征后，根據提取的特征輸出腫瘤的二值圖像；然后根據二值圖像對原始圖像進行分割，得到所需的腫瘤區域圖像；對于腫瘤的二值圖像還需要進一步的后處理，以去除圖像中的雜點噪聲。

4.根據權利要求1所述的基于多模型權重分配網絡的直腸癌病理完全反應預測方法，其特征在于，所述對經特征提取、分割生成的ROI圖像進行標準處理，即：首先，找到經特征提取、分割生成的ROI圖像每個方向上的最外層像素；然后，將4個像素向外擴展5個像素，生成一個包含整個腫瘤的標準矩形輪廓；最后，將生成的輪廓進行裁剪，得到裁剪圖像。

5.根據權利要求1所述的基于多模型權重分配網絡的直腸癌病理完全反應預測方法，其特征在于，所述預測模塊為分別采用含有3層、4層和5層卷積層的神經網絡以及原始圖像大小分別為64*64、128*128和256*256的腫瘤圖像，得到的9種模型。

6.根據權利要求1所述的基于多模型權重分配網絡的直腸癌病理完全反應預測方法，其特征在于，所述輸入預測模型得到預測結果，即：計算每個病例每個切片的治療結果的概率值，并將概率值與權重分配算法結合，計算出每個病例的總體概率值。

7.根據權利要求6所述的基于多模型權重分配網絡的直腸癌病理完全反應預測方法，其特征在于，所述將概率值與權重分配算法結合，計算出每個病例的總體概率值的計算公式如下：

其中，S_i表示每個切片的預測得分即概率值，j表示每個病例的切片數，W_i表示每個切片的權重。

8.一種基于多模型權重分配網絡的直腸癌病理完全反應預測系統，其特征在于，包括：預處理模塊、分割模塊、后處理模塊和預測模塊；

所述預處理模塊用于對原始圖像進行切片以及數據增強；

所述分割模塊用于對預處理模塊輸出的圖像進行腫瘤的分割，輸出腫瘤二值圖像；

所述后處理模塊用于對輸出腫瘤二值圖像進行噪點去除；

所述預測模塊用于將后處理模塊輸出的圖像定位至原始圖像中并截取出來進行預測，并輸出結果。

9.根據權利要求8所述的基于多模型權重分配網絡的直腸癌病理完全反應預測系統，其特征在于，所述分割模塊采用的網絡結構為U-Net。

10.根據權利要求8所述的基于多模型權重分配網絡的直腸癌病理完全反應預測系統，其特征在于，所述預測模塊采用的是卷積神經網絡。