基于3D CNN深度学习的前列腺癌症图像识别方法技术

本发明专利技术涉及一种基于3D CNN深度学习的前列腺癌症图像识别方法。该方法包括：S1：对于数据进行预处理和离线数据增强；S2：经过预处理后的数据被输入深度学习网络以提取特征，然后对所提取的特征进行分类。本发明专利技术提高了前列腺癌症的诊断水平，使用基于3D数据的深度学习方法，相比传统的机器学习方法可以提取更丰富的图像特征。

Prostate cancer image recognition method based on 3D CNN deep learning

【技术实现步骤摘要】
基于3DCNN深度学习的前列腺癌症图像识别方法
本专利技术涉及医疗图像处理
，具体地涉及一种基于3DCNN深度学习的前列腺癌症图像识别方法。
技术介绍
目前，在医学上，癌是指起源于上皮组织的恶性肿瘤，是恶性肿瘤中最常见的一类。每年，新发癌症病例约380万，死亡人数约229万，总体癌症发病率平均每年上升3.9％左右，发病率及死亡率呈现逐年上升趋势。癌症已成为我国四大慢性病之一，严重影响我国人民健康。国际抗癌联盟认为1/3的早期癌症是可以治愈的。因此及时发现癌症并进行治疗具有重要的临床意义。前列腺癌症占诊出癌症的五分之一，活组织检查是前列腺癌症常见的检查方法。随着磁共振成像技术(MagneticResonanceImaging)的发展，构建计算机辅助诊断系统(computer-aideddiagnosis)可以帮助医生快速诊断疾病。通过磁共振成像技术，可以减少25％的非必要活组织检查和过度诊断等问题，可以更加有效的检出癌症。因此，通过MRI图像可以减轻病人痛苦，优化癌症的检测过程。然而通过阅读MRI图像推断前列腺癌症是比较困难本文档来自技高网...

【技术保护点】
1.一种基于3D CNN深度学习的前列腺癌症图像识别方法，其特征在于，所述方法包括：/nS1：对于数据进行预处理和离线数据增强；/nS2：经过预处理后的数据被输入深度学习网络以提取特征，然后对所提取的特征进行分类。/n

【技术特征摘要】
1.一种基于3DCNN深度学习的前列腺癌症图像识别方法，其特征在于，所述方法包括：
S1：对于数据进行预处理和离线数据增强；
S2：经过预处理后的数据被输入深度学习网络以提取特征，然后对所提取的特征进行分类。


2.根据权利要求1所述的方法，其特征在于，
在S1中，所述预处理包括裁剪操作和重采样操作，所述裁剪操作将病灶区域从整体影像中裁剪出来，所述重采样操作将不同类型的影像数据重采样为1mm×1mm×1mm的空间分辨率。


3.根据权利要求1所述...

【专利技术属性】
技术研发人员：杜强，高泽宾，彭穗，郭雨晨，聂方兴，
申请(专利权)人：北京小白世纪网络科技有限公司，
类型：发明
国别省市：北京;11