一种基于视觉特征识别口腔鳞状细胞癌的深度学习方法技术

本发明专利技术公开了一种基于视觉特征识别口腔鳞状细胞癌的深度学习方法，包括：1)建立开发集和测试集；2)构建数据训练样本；3)训练目标检测网络模型；4)通过该目标检测模型对开发集的口腔照片进行批量初始定位，使用定位后的图片区域构建分类网络数据样本；5)扩充分类网络数据样本；6)DenseNet作为分类网络的主干网络，并改进DenseNet，使模型更加集中于困难的错误分类的样本；7)将分类网络在扩充样本上进行训练，得到口腔鳞状细胞癌分类网络；8)检验分类网络；9)应用分类网络分类口腔照片。本方法从口腔照片中检出口腔鳞状细胞癌的灵敏度高，特异性好，适用于各种口腔鳞状细胞癌的检测以及筛查。

A deep learning method for oral squamous cell carcinoma recognition based on visual features

【技术实现步骤摘要】
一种基于视觉特征识别口腔鳞状细胞癌的深度学习方法
本专利技术属于医学图像处理领域，涉及到深度学习技术用于某一类照片中特定视觉特征区域的检测。此训练所得的深度学习神经网络对照片中口腔鳞状细胞癌的检测具有良好的准确率，精准度与召回率，适用于口腔鳞状细胞癌患者的筛查。技术背景口腔癌位列世界十大恶性肿瘤之一。2018年，全世界范围内预测口腔癌新发病例354864人，因口腔癌死亡的人数177384人。就病理分型而言，口腔癌患者中90％以上是鳞状细胞癌，重度吸烟和酗酒的中老年男性为高发人群。在咀嚼槟榔盛行的国家和地区，如印度、巴基斯坦、孟加拉以及中国的中南地区的部分省份都是口腔鳞状细胞癌的高发地区。这些地区人口稠密，经济发展欠均衡，医疗资源供给不足，口腔癌的防治是这些国家和地区的重要卫生工作。口腔鳞状细胞癌在起病早期临床表现为口腔黏膜白斑、红斑以及红白斑，少有疼痛与口腔功能障碍。不少患者即使发现了口腔黏膜的异常，也会因为症状轻微而忽视及时就医。由于发病部位的缘故，相当一部分患者首诊于牙科医生，一部分患者首诊于全科医生，但多数牙科医生和全科医生并本文档来自技高网...

【技术保护点】
1.一种基于视觉特征识别口腔鳞状细胞癌的深度学习方法，其特征在于，包括以下步骤：/n步骤1.拍摄获取规格一致并且清晰的口腔照片，所述照片采集了口腔鳞状细胞癌病变区域和口腔正常区域，包括：开发集，用于模型训练和调参；/n测试集，用于结果测评；/n步骤2.从开发集中抽取照片构建数据训练样本：挑选若干张开发集中的照片，该照片带有病变区域，并用矩形选框完整框选可见的病变区域标记类别作为真实框，排除口腔内被周边组织遮挡的病变组织，和部分曝光不清晰的区域，并保存矩形选框在所述图片的二维平面坐标中的四个角点位置信息；/n步骤3.训练目标检测网络模型：构建SSD框架模型，采用VGG16作为SSD框架的基础网络...

【技术特征摘要】
1.一种基于视觉特征识别口腔鳞状细胞癌的深度学习方法，其特征在于，包括以下步骤：
步骤1.拍摄获取规格一致并且清晰的口腔照片，所述照片采集了口腔鳞状细胞癌病变区域和口腔正常区域，包括：开发集，用于模型训练和调参；
测试集，用于结果测评；
步骤2.从开发集中抽取照片构建数据训练样本：挑选若干张开发集中的照片，该照片带有病变区域，并用矩形选框完整框选可见的病变区域标记类别作为真实框，排除口腔内被周边组织遮挡的病变组织，和部分曝光不清晰的区域，并保存矩形选框在所述图片的二维平面坐标中的四个角点位置信息；
步骤3.训练目标检测网络模型：构建SSD框架模型，采用VGG16作为SSD框架的基础网络结构；真实数据样本输入训练SSD框架模型，引入迁移学习方法对SSD框架模型进行训练，得到训练好的SSD框架模型；
步骤4.将步骤1获取的开发集照片输入训练好的SSD框架模型，输出所述照片的病变区域的位置及类型，类型包括：
阴阳类型：阳性数据，标记为1，即检测所得与真实框的病变区域相似的输入照片；
阴性数据，正常口腔照片，标记为0；
拍摄设备类型：
数码单反拍摄的照片，标记为1，其他设备拍摄的照片，标记为0；
病变区域的位置及类型作为分类网络数据样本保存；
步骤5.将步骤4输出的分类网络数据样本，进行预处理扩充样本数量；
预处理包括：使分类网络数据样本的照片顺时针旋转45度角；调整分类网络数据样本的照片对比度；对分类网络数据样本进行大小缩放；使分类网络数据样本镜像翻转；
将扩充的开发集数据按照9：1的比例划分到步骤1的训练集和验证集；
步骤6.改进分类网络与预训练：
步骤6.1.将深度跨连接网络DenseNet作为基础网络，使用迁移学习方法，以在ImageNet数据集DenseNet预训练模型来进行模型训练；
步骤6.2.对DenseNet网络结构进行改进：损失函数为焦点损失FL，FL(pt)＝-α(1-...

【专利技术属性】
技术研发人员：熊学鹏，赵怡芳，傅秋云，李凯雄，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42