一种基于计算机视觉与CT影像的肺癌病理类型诊断方法技术

本发明专利技术涉及一种基于计算机视觉与CT影像的肺癌病理类型诊断方法，涉及图像处理、医疗大数据、计算机视觉领域。包括：1)采集肺癌CT医疗图像，构建训练集；2)对训练集中的图像进行处理，生成所需要的训练样本；3)利训练样本进行基于CT图像的肺癌病理类型诊断模型训练。4)采集新的肺癌CT图像，构建验证集；5)使用验证集对诊断模型进行验证。本发明专利技术解决了目前肺癌病理类型诊断的侵入性、易受标本取材的影响、诊断时间长、效率低的问题，利用CT影响进行病理类型诊断，整个过程快速、高效、无侵入性，实现了病理诊断的高效、无创性。

A method of pathological type diagnosis of lung cancer based on computer vision and CT image

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法，为肺癌的快速、精准诊疗提供有效的帮助。
技术实现思路
本专利技术的目的是为了解决上述肺癌病理类型诊断所存在的问题，提供一种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，为肺癌病理诊断提供一种高效、无创的检测方法。一种基于计算机视觉技术与CT影像的肺癌病理类型识别方法，其技术方案包括：步骤1:构建肺癌CT医疗图像训练集；步骤2:对训练集进行数据分析处理，生成所需要的训练样本；步骤3:利用训练样本进行深度学习模型训练，生成肺癌病理类型诊断模型；步骤4:构建新的肺癌CT医疗图像验证集；步骤5:对训练好的肺癌病理类型诊断模型进行验证；进一步的，步骤1中构建肺癌CT医图像训练集，具体步骤为筛选出含有肿瘤的CT影像，手动标注肿瘤区域，以50*50的尺寸裁剪CT影像图片保留肿瘤区域，形成训练集。步骤2中，对训练集进行数据分析处理，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变换的步骤；5)对所述训练集中的图像进行对比度增强的步骤。步骤3中，肺癌病理类型诊断模型，其卷积神经网络结构包括：1)输入层，包括对肺癌CT影像的放大、缩小、旋转、平移及放射变换等步骤，得输入网络的训练样本，对训练样本进行归一化操作，输入网络；2)卷积层，使用不同大小的卷积核提取CT影像特征；3)激活层，对卷积层的输出结果做一次非线性映射；4)池化层，压缩数据和参数的数量，特征降维；5)全连接层，网络的最后一层，进行识别处理。步骤4中，肺癌CT医疗图像验证集是全新的、模型没有见过的肿瘤区域图像。步骤5中，利用肺癌CT医疗图像验证集，对模型性能进行验证，选择在验证集上获得最佳效果的模型。本专利技术的有益效果和优点如下：本专利技术针对肺癌病理诊断具有侵入性且易受标本取材的影响、诊断时间长、效率低等问题，提供了一种基于计算机技术与CT影像的肺癌病理类型诊断方法，利用肺癌CT医疗图像数据以及深度学习等技术，实现通过CT影像对肺癌病理类型的智能诊断，整个诊断过程快速、高效、无侵入性，实现了病理诊断的高效、无创性。附图说明图1是根据本专利技术的流程示意图图2是本专利技术的训练样本生成示意图具体实施方式以下结合具体实施方式进一步对本专利技术的技术方案进行阐述。本系统主体方案主要体现了非侵入性的智能诊断的基本思想。如图1所示基于计算机视觉与CT影像的肺癌病理类型诊断方法，包括一下模块：1)数据预处理模块，用于筛选肺癌CT影像，标注裁剪肿瘤区域，形成肺癌CT医疗图像数据集。2)数据分析模块，用于处理所述的肺癌肿瘤区域CT图像，生成多个训练样本。3)模型训练模块，建立深度学习模型，利用训练样本进行肺癌病理类型诊断模型训练，生成基于计算机视觉的肺癌病理类型诊断模型。4)模型识别模块，利用新构建的肺癌肿瘤区域CT图像验证集，对训练好的肺癌病理类型诊断模型进行验证，得到最优诊断模型。一种基于计算机视觉与CT影像的肺癌病理类型诊断方法，基本步骤如下：步骤1：构建肺癌CT影像训练集；步骤2：对所述训练集进行分析处理，生成所需要的训练样本；步骤3：利用训练样本进行肺癌病理类型诊断深度学习模型的训练，生成基于计算机视觉的肺癌病理类型诊断模型。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进行验证。基于计算机视觉与CT影像的肺癌病理类型诊断方法的诊断过程是一个不断训练学习的过程，随着病例数据集的不断扩充，深度学习模型参数的不断调优与更新，本专利技术诊断模型的诊断准确率将会不断提升。以上所述，仅是本专利技术的较佳实施方案而已，并非对本专利技术做任何形式上的限制。任何熟悉本专业的技术人员，在不脱离本专利技术方案技术方案范围内，可以利用上述
技术实现思路
做出些许改动或修饰为等同变化的实施方案，但凡是未脱离本专利技术技术方案内容，依据本专利技术的技术实质对以上实施内容所做的任何简单修改、等同变化与修饰，均仍属于本专利技术技术方案范围内。本文档来自技高网...

【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