The invention discloses an intelligent assistant identification method for pancreatic cancer and pancreatitis disease, which includes reading and normalizing pancreatic medical image data to obtain normalized image, denoising, registration and image fusion of normalized image to obtain multimodal fusion image, and display in pancreatic structure. The region of interest is selected and mapped to other images in a clear image, and the region of interest is saved as a natural image format that can be recognized by the subsequent classification network. According to the selected region of interest, the features of the multi-modal fusion image are extracted, classified and fused, and a basic classification network is established for the fused features. The invention has strong universality and can be applied to clinical practice as well as scientific research in the field of pancreatic cancer and pancreatitis.
【技术实现步骤摘要】
针对胰腺癌与胰腺炎性疾病进行智能辅助鉴别的方法
本专利技术涉及智能辅助诊断
,具体涉及一种针对胰腺癌与胰腺炎性疾病进行智能辅助鉴别的方法。
技术介绍
胰腺癌(pancreaticcancer,PC)是一种常见的消化系统恶性肿瘤,在我国恶性肿瘤中,其发病率居第7位,死亡率居第6位,3年生存率不足5%。胰腺癌早期症状多不明显,当出现腹痛、黄疸、体重明显下降时往往已处晚期。在胰腺癌诊断方面,由于其临床表现与其他胰腺炎性疾病极为相似,例如慢性胰腺炎(chronicpancreatitis,CP),均有腹痛、消化不良、厌食、恶心、呕吐、体重减轻和梗阻性黄疸等表现,而且在常规影像学片子中与其他胰腺炎性疾病重叠较多,故术前明确诊断胰腺癌较为困难,尤其难以准确鉴别出胰腺癌与胰腺炎性疾病。众所周知,影像学检查在胰腺病变的诊断中发挥着关键作用,但是影像学检查只能够提供最直观的图像,对其中信息的识取受限于检查的直接显示效果和影像医师的自身水平及经验,往往会因为人眼分辨能力以及人为疏忽等,不能充分利用影像图片所包含的更多信息,如对病变组织具有区分能力的超可视化底层特征,医生用传统的读片方式必然会漏读。因此,医生需要一种高级的辅助技术将各种检查信息综合起来,对多模态图像进行处理,以提高肿瘤、钙化、炎症或纤维化等病变的检出率,这就是智能辅助诊断技术(CAD技术)。该技术可识别出人眼所不能识别的诊断信息,作为医生的第二双眼睛,提高了胰腺癌诊断的准确率,在胰腺癌的诊断过程中起着越来越重要的作用。影像学检查包括多排计算机断层扫描、磁共振、超声、内镜超声(EUS)、PET等,但这些检查 ...
【技术保护点】
1.一种针对胰腺癌与胰腺炎性疾病进行智能辅助鉴别的方法,其特征在于,包括下述步骤:1)对胰腺医学影像数据进行读取和归一化操作,得到归一化图像;2)对归一化图像进行去噪、配准以及图像融合,得到多模态融合图像;3)在胰腺结构显示清晰的图像中选取感兴趣区并映射到其他图像上,同时将该感兴趣区保存为后续分类网络可识别的自然图像格式;4)根据所选取的感兴趣区,对多模态融合图像的特征进行提取、分类和融合,并针对融合后的特征建立基本分类网络模型;5)对各个基本分类网络的分类结果进行鉴别,获得最终的分类鉴别结果。
【技术特征摘要】
1.一种针对胰腺癌与胰腺炎性疾病进行智能辅助鉴别的方法,其特征在于,包括下述步骤:1)对胰腺医学影像数据进行读取和归一化操作,得到归一化图像;2)对归一化图像进行去噪、配准以及图像融合,得到多模态融合图像;3)在胰腺结构显示清晰的图像中选取感兴趣区并映射到其他图像上,同时将该感兴趣区保存为后续分类网络可识别的自然图像格式;4)根据所选取的感兴趣区,对多模态融合图像的特征进行提取、分类和融合,并针对融合后的特征建立基本分类网络模型;5)对各个基本分类网络的分类结果进行鉴别,获得最终的分类鉴别结果。2.根据权利要求1所述的方法,其特征在于,步骤1)中所述胰腺医学影像数据来源于PACS系统和医学成像设备。3.根据权利要求1所述的方法,其特征在于,步骤2)中所述图像融合采用像素级图像融合技术,包括空间域算法和变换域算法。4.根据权利要求1所述的方法,其特征在于,步骤3)中所述感兴趣区为包含病灶处全部胰腺组织的矩形,所述自然图像格式为.png或.bmp。5.根据权利要求1所述的方法,其特征在于,步骤4)中所述的特征提取、分类、融合以及建立基本分类网络模型的具体步骤如下:1)对多模态融合图像构建专用深度金字塔卷积神经网络,该网络的结构为在全连接层之前使用一系列金字塔池化层,从而允许输入图像为任意尺寸;2)将数据输入多模态融合图像专用深度金字塔卷积神经网络,提取由全连接层输出的特征,生成特征图;3)基于双线性融合函数对上述特征进行融合,即将两个特征图的对应位置元素进行外积运算后求和,得到融合特征图,该融合特征图的通道数是原始特征图通道数的平方,表示为其中,ybil表示融合特征图,xa和xb表示特征图,xa、xb∈RH×W×D,H、W、D分别表示特征图的长度、宽度和通道数量,4)采用卷积融合函数对融合特征图进行降维处理,得到降维的融合特征图,即将双线性融合函数的融合结果与滤波器f进行卷积运算,同时引入偏差值b,从而实现降维,表示为yconv=ybi...
【专利技术属性】
技术研发人员:杨晓冬,程超,左长京,张玉全,刘兆邦,孙高峰,潘桂霞,
申请(专利权)人:中国科学院苏州生物医学工程技术研究所,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。