【技术实现步骤摘要】
基于深度学习的早期肺癌预测方法
本专利技术涉及机器学习
,更具体地说,涉及一种基于深度学习的早期肺癌预测方法。
技术介绍
中国最新癌症流行病学统计显示2015年新增肺癌病人73万,死亡病人60万,肺癌已成为中国发病率和死亡率均居于首位的癌症。肺癌死亡例数占总体癌症死亡例数的25%。由于肺癌的高复发风险和低存活率,绝大多数处于IB-IIIA期的肺癌病人都会进行术后辅助化疗。但基于病灶残留程度、淋巴结转移情况、癌症分期等参数,即使是同样的治疗方案,病人总体预后也会大不相同。近年来,临床医生一直致力于寻找肺癌有关的独立预后因素。肿瘤大小和病理分级、淋巴结是否转移、受累淋巴结的数目和部位以及是否存在基因突变等都被发现是与肿瘤预后有关的因素,准确评估这些因素可以帮助我们正确筛选出具有高复发转移倾向的预后不良现象,从而为患者提供更个性化的治疗方案,对提高肺癌的疗效具有重要意义。
技术实现思路
针对现有方法的不足,提出一种基于深度学习的早期肺癌预测方法。本专利技术解决其技术问题所采用的技术方案是:构造一种基于深度学习的早期肺癌预测方法,包括:获取多中心的早期肺腺癌的肺结节CT扫描图像数据,并进行图像数据预处理;其中,预处理的方式至少包括数据整合、数据清洗、缺失填补及归一化处理;对预处理后的肺结节CT扫描图像数据依据掩膜方式进行节点区域提取,按切片顺序进行组装,用插值方法扩增肺癌病灶节点图像,将扩增后的肺癌病灶节点图像分为训练集和测试集两组;基于mdCNN工具箱,构建顺次连接 ...
【技术保护点】
1.一种基于深度学习的早期肺癌预测方法,其特征在于,包括:/n获取多中心的早期肺腺癌的肺结节CT扫描图像数据,并进行图像数据预处理;其中,预处理的方式至少包括数据整合、数据清洗、缺失填补及归一化处理;/n对预处理后的肺结节CT扫描图像数据依据掩膜方式进行节点区域提取,按切片顺序进行组装,用插值方法扩增肺癌病灶节点图像,将扩增后的肺癌病灶节点图像分为训练集和测试集两组;/n基于mdCNN工具箱,构建顺次连接的三重CNN神经网络模型,将作为训练集的的肺癌病灶节点图像作为作为三重CNN神经网络模型的输入,通过调整三重CNN神经网络模型的参数,并通过作为测试集的肺癌病灶节点图像验证三重CNN神经网络模型的准确度;/n将实时的病患的肺结节CT扫描图像数据进行预处理后,输入训练好的三重CNN神经网络模型,对病患是否为早期肺腺癌进行判断。/n
【技术特征摘要】
1.一种基于深度学习的早期肺癌预测方法,其特征在于,包括:
获取多中心的早期肺腺癌的肺结节CT扫描图像数据,并进行图像数据预处理;其中,预处理的方式至少包括数据整合、数据清洗、缺失填补及归一化处理;
对预处理后的肺结节CT扫描图像数据依据掩膜方式进行节点区域提取,按切片顺序进行组装,用插值方法扩增肺癌病灶节点图像,将扩增后的肺癌病灶节点图像分为训练集和测试集两组;
基于mdCNN工具箱,构建顺次连接的三重CNN神经网络模型,将作为训练集的的肺癌病灶节点图像作为作为三重CNN神经网络模型的输入,通过调整三重CNN神经网络模型的参数,并通过作为测试集的肺癌病灶节点图像验证三重CNN神经网络模型的准确度;
将实时的病患的肺结节CT扫描图像数据进行预处理后,输入训练好的三重CNN神经网络模型,对病患是否为早期肺腺癌进行判断。
2.根据权利要求1所述的基于深度学习的早期肺癌预测方法,其特征在于,在进行图像数据预处理的步骤中,包括步骤:
对属于同一病患的肺结节CT扫描图像进行删除,对缺失及命名不规范的图像数据进行删除;
利用画图软件在图像中勾的结节病灶;
对肺结节CT扫描图像的像素值进行归一化处理。
3.根据权利要求1所述的基于深度学习的早期肺癌预测方法,其特征在于,在对预处理后的肺结节CT扫描图像数据依据掩膜方式进行节点区域提取的步骤中,使用掩膜方式的目的是在肺结节CT扫描图像上选定的区域中对一个不透明的图形模板遮盖,继而后续的腐蚀或扩散将只影响选定的区域以外的区域。
4.根据权利要求3所述的基于深度学习的早期肺癌预测方法,其特征在于,经过肺癌病灶节点图像扩充后,扩充后的肺癌病灶节点图像形成64x64x64的向量数据表示形式。
5.根据权利要求4所述的基于深度学习的早期肺癌预测方法,其特征在于,在第一重CNN神经网络模型的构建过程中,设计7层的CNN神经网络模型,并将64x64x64的向量数据输入第一重CNN神经网络模型,输出结果为三类早期肺腺癌的病症类型。
6.根据权利要求1所述的基于深度学习的早期肺癌预测方法,其特征在于,在第二重CNN神经网络模型的构建过程中,包括步骤:
对肺癌病灶节点图像进行缩放,使其像素间距为1mm,依据掩膜方式进行节点区域提取,确定节点中心位置,按切片顺序进行组装,提取节点28x28x28mm...
【专利技术属性】
技术研发人员:吴云飞,
申请(专利权)人:南昌迭心信息科技有限公司,
类型:发明
国别省市:江西;36
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。