一种用于直肠癌淋巴结转移的智能诊断模型构建方法技术

本发明专利技术公开了一种用于直肠癌淋巴结转移的智能诊断模型构建方法，包括：I、对直肠癌的CT图像进行预处理；II、采用GU‑Net模型对预处理后的直肠癌CT图像进行肿瘤分割；III、构建直肠癌淋巴结转移分类模型GRU‑DenseNet；IV、训练直肠癌淋巴结转移分类模型GRU‑DenseNet。本发明专利技术提供了用于直肠癌影像分类的深度神经网络模型DenseNet‑GRU，其利用了具有记忆功能的循环神经网络GRU(Gated Recurrent Unit)计算DenseNet所提取的特征之间的关联关系，进而获得不同图像之间相同像素区域的特征变化情况，最终达到判断直肠癌患者的淋巴结是否发生了转移。

【技术实现步骤摘要】
一种用于直肠癌淋巴结转移的智能诊断模型构建方法
本专利技术涉及直肠癌诊断领域，具体地说，特别涉及到一种用于直肠癌淋巴结转移的智能诊断模型构建方法。
技术介绍
直肠癌是国内近年来发病率和死亡率均居前列的恶性肿瘤。现有的直肠癌淋巴结转移的临床判断主要依靠肉眼识别。随着信息技术的发展，利用计算机实现医学图像的辅导诊断逐渐得到普及。利用计算机实现医学图像处理的现有技术主要有两类：浅层学习方法和深度神经网络。经典的浅层学习方法包括决策树和聚类算法。这类算法的主要优点是思想简单，但由于特征提取过程复杂，导致分类效率不高。深度神经网络中的卷积神经网络CNN(ConvolutionalNeuralNetwork)是一种广泛应用于医学图像处理的算法，且有许多变体，DenseNet就是CNN其中之一。DenseNet的主要特点是分类性能优，模型参数少，但由于不具备记忆功能，无法表示所提取的特征之间的关联关系，无法直接应用于直肠癌影像分类。
技术实现思路
本专利技术的目的在于针对现有技术中的不足，提供一种用于直肠癌淋巴结转移的智能本文档来自技高网...

【技术保护点】
1.一种用于直肠癌淋巴结转移的智能诊断模型构建方法，其特征在于，包括：/nI、对直肠癌的CT图像进行预处理；/nII、采用GU-Net模型对预处理后的直肠癌CT图像进行肿瘤分割；/nIII、构建直肠癌淋巴结转移分类模型GRU-DenseNet；/nIV、训练直肠癌淋巴结转移分类模型GRU-DenseNet。/n

【技术特征摘要】
1.一种用于直肠癌淋巴结转移的智能诊断模型构建方法，其特征在于，包括：
I、对直肠癌的CT图像进行预处理；
II、采用GU-Net模型对预处理后的直肠癌CT图像进行肿瘤分割；
III、构建直肠癌淋巴结转移分类模型GRU-DenseNet；
IV、训练直肠癌淋巴结转移分类模型GRU-DenseNet。


2.根据权利要求1所述的用于直肠癌淋巴结转移的智能诊断模型构建方法，其特征在于，所述直肠癌CT图像预处理过程如下：
1)读取CT图像：获取图像像素值、rescaleslope值、rescaleintercept值和窗宽窗位，并将图像中每个像素的灰度值转换成CT值，CT值反映人体组织对x射线吸收值；
2)随机数据增强：通过预先设置的移动比例和随机数种子，将CT图像和掩膜图像随机上下平移，以扩充数据集和提高模型的泛化能力；
3)全局阈值分割：通过步骤1)获得的CT值矩阵，并根据人体组织的CT图像对CT值矩阵进行分割，得到相应的二值图，生成的二值图作为后续处理步骤的临时掩膜图像；
4)调整窗口：通过步骤1)获得的CT值矩阵，并利用窗位窗宽选择目标肿瘤区域的CT值范围，使得目标肿瘤区域的纹理细节以及肿瘤区域和周围组织对比增强；
5)提取感兴趣区：利用步骤3)获得的临时掩膜与步骤4)处理后的CT图像相乘，得到感兴趣区图像，感兴趣区内图像值保持不变，感兴趣区外图像值为0；
6)限制对比度自适应直方图均衡：将步骤5)处理后的CT图像分为多个小区域，分别对每个区域直方图均衡，并增加了对比度限制，以避免CT图像中存在的噪声被放大。


3.根据权利要求1所述的用于直肠癌淋巴结转移的智能诊断模型构建方法，其特征在于，采用GU-Net模型对预处理后的直肠癌CT图像进行肿瘤分割过程如下：
1)GU-Net训练阶段：将步骤I预处理阶段得到的CT图像和医生标注的掩模图像划分为训练集和验证集并生成数据加载器，使用80％的样本作为训练集，20％的样本作为验证集；
将Dice系数作为分割的...

【专利技术属性】
技术研发人员：贾欣齐，李睿，张志成，王阳，吕品，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海;31