[發明專利]一種眼眶淋巴瘤和炎性假瘤分類方法、系統、設備及終端

在審

• 申請號: 202310252538.0
• 申請日: 2023-03-16
• 公開（公告）號: CN116228733A
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 趙鳳軍;康皓貝;張濤;王賓;曹欣;易黃建;彭進業;賀小偉
• 申請（專利權）人: 西北大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/44;G06V10/80;G06V10/764;G06V10/82;G06V10/762;G06N3/0464;G06N3/0455;G06N3/08
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 何畏

1.一種眼眶淋巴瘤和炎性假瘤分類方法，其特征在于，眼眶淋巴瘤和炎性假瘤分類方法包括：在獲取到的眼眶DCE-MRI圖像中，將原始圖像中的腫瘤區域和眼錐三角區域進行手動分割并預處理；將預處理后的三維圖像作為樣本，，劃分樣本數據集；對腫瘤區域使用神經網絡提取特征，并對特征進行聚類統計分析，作為腫瘤區域特征；對眼錐三角區域進行特征提取作為相似度評判標準，使用自分類和自恢復網絡提取眼錐區域特征；將訓練數據集輸入網絡并結合腫瘤區域和眼錐三角區的特征訓練網絡模型，使用測試集數據進行預測；將多模態數據輸入分類模型中進行處理，實現對眼眶淋巴瘤和炎性假瘤的分類任務。

2.如權利要求1所述的眼眶淋巴瘤和炎性假瘤分類方法，其特征在于，眼眶淋巴瘤和炎性假瘤分類方法包括以下步驟：

步驟一，原始圖像的分割與處理：在獲取的眼眶DCE-MRI圖像中，對原始圖像中的腫瘤區域和眼錐三角區域使用MITK軟件手動分割；將raw格式的數據處理成mat格式數據；統計圖像中大于0的數值個數選取數值最多的感興趣區域作為最大切片，依次選擇五張切片；將處理后的三維原始圖像、腫瘤區域的三維圖像和眼錐三角區的三維圖像作為樣本數據集，劃分訓練集和測試集；

步驟二，腫瘤區域的特征提取：以分割后腫瘤區域的每個像素點為中心提取9×9的圖像patch塊，將提取的patch塊在第三維疊加起來；搭建兩層神經網絡，由編碼和解碼部分組成，使用訓練數據集訓練神經網絡；將訓練集和測試集輸入神經網絡自動提取特征；使用k-means++聚類算法對特征進行聚類，將特征聚為k類；對聚類后的特征統計分析，得到腫瘤區域特征；

步驟三，眼錐三角區域的特征提取：訓練自編碼器網絡，提取圖像的深層特征作為相似度對數據進行相似排序；生成五個位置坐標，并在五個坐標點位置生成視覺詞；通過自恢復分支，計算原圖像和恢復后的圖像對比損失函數，訓練五分類網絡；選出最優模型，得到眼錐三角區深層特征提取模型，并提取眼錐區域的深度特征；

步驟四，基于ViT模型的融合特征分類：將原始圖像的訓練數據輸入預訓練好的ViT模型，將Transformer編碼器得到的特征數據與腫瘤的紋理特征和眼錐三角區的深度特征結合，通過MLP分類頭對眼眶淋巴瘤和炎性假瘤分類；

步驟五，多模態分類：對多模態數據進行處理，使用軟投票策略對模態進行集成，最終完成對眼眶淋巴瘤和炎性假瘤的分類任務。

3.如權利要求2所述的眼眶淋巴瘤和炎性假瘤分類方法，其特征在于，步驟一中的在獲取的眼眶DCE-MRI圖像中，對原始圖像的分割與處理包括：

(1)在獲取得到的眼眶DCE-MRI圖像中，對原始圖像中的腫瘤區域和眼錐三角區域使用MITK軟件手動分割；

(2)將原始圖像、分割后的腫瘤區域和眼錐三角區域的raw格式數據轉換成mat格式數據；

(3)統計圖像中大于0的數值個數選取數值最多的感興趣區域作為最大的切片，以最大切片為中心上下選擇兩張切片，共五張切片；

(4)將處理后的三維原始圖像、腫瘤區域的三維圖像和眼錐三角區的三維圖像作為樣本數據集，隨機劃分訓練集和測試集。

4.如權利要求2所述的眼眶淋巴瘤和炎性假瘤分類方法，其特征在于，步驟二中的腫瘤區域的特征提取包括：

(1)以分割后腫瘤區域的每個像素點為中心提取9×9的圖像patch塊，將提取的patch塊在第三維進行疊加；

(2)搭建兩層神經網絡，由編碼和解碼部分組成，使用訓練數據集訓練神經網絡；

(3)將訓練集和測試集輸入訓練好的神經網絡自動提取特征；

(4)使用k-means++聚類算法對特征進行聚類，將特征聚為k類；

(5)對聚類后的特征統計分析，得到腫瘤區域特征。