[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

本發明涉及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。該方法包括：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。本發明方法預測精度較好。該模型避免傳統方法需要大量人工標記和特征提取的缺點，實現了由圖像輸入到預測結果的自動輸出。

技術領域

本發明屬于深度學習預測領域，具體涉及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。

背景技術

公開號為CN111382756A的專利申請，提出了一種電腦輔助直腸癌治療反應預測系統，用于預測直腸癌患者在治療后達成病理完成反應(pathological complete response，pCR)的機率，包括：具有至少一個二元決策樹模型的隨機森林模型。每個二元決策樹模型具有至少一特征節點，每個特征節點根據一特征門檻值產生兩個分支，其中每個分支接續另一特征節點或對應一初步pCR預測機率。該隨機森林模型整合每個二元決策樹模型所產生的該初步pCR預測機率，進而產生一最終pCR預測機率。

公開號為CN112950624A的專利申請，提出了一種基于深度卷積神經網絡的直腸癌T分期自動診斷方法及設備，首先對采集的直腸圖片進行預處理，然后針對數據集不足的問題進行數據增強，最后利用數據集訓練深度卷積神經網絡，可以達到輔助醫生自動診斷的目的，為臨床的診斷和治療提供了新的有效的方法，大大提高了診斷的效率及準確率。

缺點1：公開號為CN111382756A的專利申請，該方法在特征提取階段使用的是影像組學特征，雖然這一類特征在一定程度上反映了圖像的部分信息，但是特征還不夠豐富有層次；且采用隨機森林的方法不夠神經網絡的方法簡便高效。

缺點2：公開號為CN112950624A的專利申請，在圖像處理和決策上是對單張直腸圖像進行分析，而臨床上對整個病例(一個病例包含多張圖像切片)進行預測更有意義；且每張直腸癌圖像所包含的腫瘤信息是不同的，應做不同處理。

發明內容

本發明的目的在于提供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，該方法集分割和預測網絡為一體實現自動分割直腸癌腫瘤區域并且預測直腸癌患者新輔助治療后治療反應。

為實現上述目的，本發明的技術方案是：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，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。

在本發明一實施例中，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。

在本發明一實施例中，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。

在本發明一實施例中，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。

在本發明一實施例中，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。