【技术实现步骤摘要】
一种鼻咽癌辅助诊断模型构建和辅助诊断方法及系统
本专利技术涉及医疗数据处理
,具体涉及一种鼻咽癌辅助诊断模型构建和辅助诊断方法及系统。
技术介绍
鼻咽癌是中国南方地区,尤其是广东省最常见的头颈部恶性肿瘤之一,在我国每年的发病率约为25-50/10万。鼻内镜检查与组织活检是发现和诊断早期头鼻咽癌的关键手段,早期鼻咽癌患者经联合放化疗后可取得较好疗效。I、II期患者的5年生存期可达86-93%,而III、IV期患者的5年生存率降低至63-80%。因此,早发现、早诊断、早治疗对鼻咽癌患者的诊治尤为重要。使用鼻内镜拍摄患者的鼻内镜图像进行病变活检,是筛查和诊断鼻咽癌患者的重要方式。目前,对可疑病灶的定性和取材选择主要依赖于内镜医师依靠其临床和工作经验,对鼻内镜图像进行分析,其准确性和敏感性受到内镜医师专业技术水平的影响。如,典型的粘膜下鼻咽癌或侧方咽隐窝内的鼻咽癌难以与周围正常粘膜相鉴别,在肉眼下容易被内镜医师漏诊。又如,腺样体肥大等鼻咽腔内的共患病易造成重复活检,降低鼻咽癌的活检检出率,造成诊疗费用增加以及治疗的延迟。研究表明,经验丰富的专家医生经鼻内镜图像诊断鼻咽癌,其准确率和特异度可达80.5%及70.8%,但经验稍欠的住院医师仅达72.8%及55.5%。即现有技术中,仅依靠医生的临床和工作经验分析鼻内镜图像诊断鼻咽癌,其诊断的准确率和特异度远远不能满足鼻咽癌患者早筛早诊早治的需求,导致部分患者无法得到及时有效的治疗,严重影响了患者的治疗效果和预后。近年来,随着数据处理技术的发展,运用人工智能进行 ...
【技术保护点】
1.一种鼻咽癌辅助诊断模型构建方法,其特征在于,包括以下步骤:/nS01、样本获取:获取鼻内镜图像,所述鼻内镜图像包含鼻咽癌组和非鼻咽癌组;/nS02、预处理:对所述鼻内镜图像进行预处理;/nS03、模型训练:将预处理后的鼻内镜图像输入卷积神经网络中,对所述卷积神经网络进行训练,获得鼻咽癌辅助诊断模型。/n
【技术特征摘要】
1.一种鼻咽癌辅助诊断模型构建方法,其特征在于,包括以下步骤:
S01、样本获取:获取鼻内镜图像,所述鼻内镜图像包含鼻咽癌组和非鼻咽癌组;
S02、预处理:对所述鼻内镜图像进行预处理;
S03、模型训练:将预处理后的鼻内镜图像输入卷积神经网络中,对所述卷积神经网络进行训练,获得鼻咽癌辅助诊断模型。
2.根据权利要求1所述鼻咽癌辅助诊断模型构建方法,其特征在于,所述步骤S01样本获取中,根据拍摄鼻内镜图像时所用光源的种类,将所述鼻内镜图像分为WLI模式图像集和NBL模式图像集;
所述步骤S03模型训练中,分别将所述WLI模式图像集和所述NBL模式图像集输入卷积神经网络中,获得WLI模式鼻咽癌辅助诊断模型和NBL模式鼻咽癌辅助诊断模型。
3.根据权利要求1所述鼻咽癌辅助诊断模型构建方法,其特征在于,
所述步骤S02预处理中,包括以下步骤:
S021、对鼻内镜图像进行筛选,剔除失焦、模糊或过曝光的不合格图像,保留显像清晰的合格图像;
S022、将所述合格图像进行旋转、平移、剪切、放缩和通道转移的操作进行数据扩增,以增加样本量;
S023、将所述合格图像分为训练数据集和验证数据集;
所述步骤S03模型训练中,所述卷积神经网络为InceptionResNetv2,所述InceptionResNetv2包括stem模块、InceptionResNet模块、Reduction模块、AveragePooling层、Dropout层和Softmax层;
所述步骤S03模型训练包括以下步骤:
S031、将所述训练数据集中的某张鼻内镜图像输入所述stem模块中,通过所述stem模块对所述鼻内镜图像进行卷积计算、最大池化操作和特征拼接,以初步提取所述鼻内镜图像的特征获得特征图像Y;
S032、将所述特征图像Y输入所述InceptionResNet模块和所述Reduction模块中,通过所述InceptionResNet模块对所述特征图像Y进行Relu激活、卷积计算、线性卷积激活、特征拼接操作进一步提取特征,通过所述Reduction模块减小图像尺寸,将所述特征图像Y转化为图像特征矩阵Z;
S033、将所述图像特征矩阵Z输入所述AveragePooling层进行均值池化操作抽象为特征向量F;将所述特征向量F依次通过所述Dropout层进行随机失活操作、所述Softmax层进行逻辑回归操作,使所述特征向量F转化为二分类输出P,所述二分类输出P∈(0,1),用于表示预测患病概率;
S034、通过交叉熵计算公式计算所述二分类输出P与该鼻内镜图像真实标签之间的交叉熵损失;将所述交叉熵损失通过梯度下降算法反向传播至所述卷积神经网络,用于更新所述卷积神经网络的网络参数;
S035、将所述验证数据集中的某张鼻内镜图像输入所述卷积神经网络中,根据输出的预测患病概率计算分类结果评价指标对本轮模型训练效果进行内部测试;
S036、依次输入多张不同的鼻内镜图像,重复所述步骤S031-S35,不断更新优化所述卷积神经网络的网络参数,使所述卷积神经网络的二分类输出P不断逼近真实标签;在完成指定的迭代周期后,或者当内部测试的分类结果评价指标在指定的迭代周期内不再上升时,所述鼻咽癌辅助诊断模型训练完成;
所述步骤S03模型训练之后还包括步骤S04外部测试,所述步骤S04外部测试具体为:将所述验证数据集中的某张鼻内镜图像输入所述鼻咽癌辅助诊断模型中,根据输出的预测患病概率计算分类结果评价指标来反映该鼻咽癌辅助诊断模型预测的准确性。
4.根据权利要求3所述鼻咽癌辅助诊断模型构建方法,其特征在于,所述stem模块包含多个卷积模块,所述InceptionResNet模块包含InceptionResNet-A模块、InceptionResNet-B模块和InceptionResNet-C模块;所述Reduction模块包含Reduction-A模块和Reduction-B模块;
所述步骤S031具体包括以下步骤:
S0311、将某张鼻内镜图像处理为299*299*3的3通道图像输入所述stem模块中,通过所述stem模块中的核大小为3*3*32的卷积模块提取出149*149*32大小的特征图像Y1;
S0312、将所述特征图像Y1通过连续两次3*3的卷积计算得到特征图像Y2;
S0313、对所述特征图像Y2进...
【专利技术属性】
技术研发人员:文译辉,龙宇栋,项毅帆,文卫平,雷文斌,林浩添,肖钧,郭翀,
申请(专利权)人:中山大学附属第一医院,中山大学中山眼科中心,
类型:发明
国别省市:广东;44
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。