The invention relates to a lung cancer pathological type diagnosis method based on computer vision and CT image, and relates to the field of image processing, medical big data and computer vision. It includes: 1) collecting CT medical image of lung cancer, building training set; 2) processing the image of training set, generating training samples needed; 3) using training samples to train pathological diagnosis model of lung cancer based on CT image. 4) collect new CT images of lung cancer and build a verification set; 5) use the verification set to verify the diagnosis model. The invention solves the problems of invasive, easy to be affected by specimen sampling, long diagnosis time and low efficiency of pathological type diagnosis of lung cancer at present. The whole process of pathological type diagnosis is fast, efficient and noninvasive by using CT influence, realizing the high efficiency and noninvasive of pathological diagnosis.
【技术实现步骤摘要】
一种基于计算机视觉与CT影像的肺癌病理类型诊断方法
本专利技术涉及肺癌的智能诊断领域,特别是基于计算机视觉技术从CT影像中诊断肺癌病理类型的方法,属于人工智能领域。
技术介绍
肺癌占所有癌症死亡人数的四分之一以上,并且是全世界男性和女性对人类健康的主要威胁之一。肺癌的病理类型分为小细胞癌和非小细胞癌,其中非小细胞癌主要有鳞状细胞癌、大细胞癌和腺癌。不同病理类型的肺癌的增殖和扩增情况完全不同,治疗上的措施也是不同的。诊断是治疗的前提,只有及时确诊才能实施有效的治疗方案,延长患者生存。肺癌亚型早期确定一方面有助于制定正确的治疗方案,另一方面有利于评估患者预后,有望提高肺癌的治愈率。目前,组织病理学与分子生物学是肿瘤病理诊断的金标准,却通常只能在手术切除或穿刺活检等离体组织标本上进行,获取组织标本不仅具有侵入性,易受标本取材影响,且不能反映肿瘤组织的整体状况。影像组学作为量化实体肿瘤放射学表型的手段,它假设放射照相表型代表潜在的病理生理学。肺癌子类型在CT影像中呈现不同的影像特征,因此影像学能够区分肺癌疾病形式及预测预后和治疗反应。与上述组织病理学和分子生物学方法相比,影像学的优势在于无创伤性,并可在活体实时进行,具有可重复性,这种优势使得基于图像分析肿瘤异质性的临床应用越来越受到重视。高分辨率图像采集设备和计算处理能力的硬件进步,再加上新颖的人工智能(AI)算法和大量数据,促成了放射学,医学等领域的AI应用的激增。借助人工智能计算机视觉,同时结合肺癌大数据和知识等,创造出高效、非侵入性的肺癌病理类型诊断方 ...
【技术保护点】
1.一种基于计算机视觉与CT影像的肺癌病理类型诊断方法,包括以下部分:/n步骤1:构建肺癌肿瘤区域CT影像训练集;/n步骤2:对所述训练集进行处理,生成所需要的训练样本;/n步骤3:利用训练样本进行基于CT影像的深度学习诊断模型训练,生成深度学习病理类型诊断模型;/n步骤4:构建新的肺癌CT影像验证集;/n步骤5:对训练好的肺癌病理类型诊断模型在验证集上进行模型验证。/n
【技术特征摘要】
1.一种基于计算机视觉与CT影像的肺癌病理类型诊断方法,包括以下部分:
步骤1:构建肺癌肿瘤区域CT影像训练集;
步骤2:对所述训练集进行处理,生成所需要的训练样本;
步骤3:利用训练样本进行基于CT影像的深度学习诊断模型训练,生成深度学习病理类型诊断模型;
步骤4:构建新的肺癌CT影像验证集;
步骤5:对训练好的肺癌病理类型诊断模型在验证集上进行模型验证。
2.根据权利要求1所述的一种基于计算机视觉与CT影像的肺癌病理类型诊断方法,其特征在于:
所述的步骤1中构建肺癌肿瘤区域CT影像训练集,具体为:筛选肺癌CT影像;手工标注并裁剪肿瘤区域影像;得到肺癌CT影像训练集。
3.根据权利要求1所述的一种基于计算机视觉与CT影像的肺癌病理类型诊断方法,其特征在于:
所述的步骤2中对所述训练集进行处理,包括以下步骤中的任意一个或多个:
1)对所述训练集中的图像进行放大或缩小的步骤;
2)对所述训练集中的图像进行旋转步骤;
3)对所述训练集中的图像进行平移步骤;
4)对所述训练集中的图像进行放射...
【专利技术属性】
技术研发人员:王淑栋,董立媛,王珣,孟璠,张亚钦,
申请(专利权)人:中国石油大学华东,
类型:发明
国别省市:山东;37
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。