【技术实现步骤摘要】
垂体瘤影像分类方法、系统及电子设备
本专利技术涉及图像处理
,具体涉及垂体瘤影像分类方法、系统及电子设备。
技术介绍
垂体瘤是神经系统中常见的原发性肿瘤,占所有原发脑肿瘤的10%-25%,仅次于胶质瘤和脑膜瘤。垂体瘤的诊断主要基于核磁共振增强扫描和垂体激素检查,这需要临床经验丰富的医生做出初步的诊断。由此存在着以下的不足:垂体瘤发病率高,分类繁多。在对垂体瘤进行分类时一般依赖经验丰富的医生进行人工解读,因而容易受到医生认知能力和主观因素的干扰,分类准确率较低。因此,如何提高垂体瘤的分类准确率成了亟需解决的问题。
技术实现思路
本申请实施例公开了一种垂体瘤影像分类方法、系统及电子设备,能够提高垂体瘤的分类准确率。本申请实施例公开一种垂体瘤影像分类方法,所述方法包括:获取待分类的脑部核磁影像;将所述待分类的脑部核磁影像输入分类模型,所述分类模型是包括注意力模块的人工神经网络,所述分类模型是以提取出垂体瘤所在区域的垂体瘤核磁影像作为第一训练样本进行训练后得到的;通过所述分类模型提取所述脑部核磁影像中的图像特征,并通过所述注意力模块确定所述脑部核磁影像中每个图像特征的重要程度,并基于所述每个图像特征的重要程度得到所述脑部核磁影像对应的分类结果。本申请实施例公开一种用于垂体瘤影像分类的分类模型训练方法,所述分类模型至少包括:注意力模块和与所述注意力模块连接的第一编码层;所述方法包括:利用已训练好的分割模型中的第二编码层的参数对所述分类模型的所述第一编码层的参数进行初始化;所述分割模型是利用包括 ...
【技术保护点】
1.一种垂体瘤影像分类方法,其特征在于,所述方法包括:/n获取待分类的脑部核磁影像;/n将所述待分类的脑部核磁影像输入分类模型,所述分类模型是包括注意力模块的人工神经网络,所述分类模型是以提取出垂体瘤所在区域的垂体瘤核磁影像作为第一训练样本进行训练后得到的;/n通过所述分类模型提取所述脑部核磁影像中的图像特征,并通过所述注意力模块确定所述脑部核磁影像中每个图像特征的重要程度,并基于所述每个图像特征的重要程度得到所述脑部核磁影像对应的分类结果。/n
【技术特征摘要】
1.一种垂体瘤影像分类方法,其特征在于,所述方法包括:
获取待分类的脑部核磁影像;
将所述待分类的脑部核磁影像输入分类模型,所述分类模型是包括注意力模块的人工神经网络,所述分类模型是以提取出垂体瘤所在区域的垂体瘤核磁影像作为第一训练样本进行训练后得到的;
通过所述分类模型提取所述脑部核磁影像中的图像特征,并通过所述注意力模块确定所述脑部核磁影像中每个图像特征的重要程度,并基于所述每个图像特征的重要程度得到所述脑部核磁影像对应的分类结果。
2.根据权利要求1所述的方法,其特征在于,所述分类模型包括:基于轴位的分类模型、基于矢状位的分类模型以及基于冠状位的分类模型;基于轴位、矢状位、冠状位的分类模型分别以基于轴位、矢状位、冠状位三个方向从所述垂体瘤核磁影像中提取出的核磁影像作为第一训练样本进行训练后得到;
以及,所述将所述待分类的脑部核磁影像输入分类模型,包括:
分别基于轴位、矢状位和冠状位三个方向从所述待分类的脑部核磁影像中提取出基于轴位的脑部核磁影像、基于矢状位的脑部核磁影像、基于冠状位的脑部核磁影像;
将所述基于轴位的脑部核磁影像输入至所述基于轴位的分类模型,将所述基于矢状位的脑部核磁影像输入至所述基于矢状位的分类模型,并将所述基于冠状位的脑部核磁影像输入至所述基于冠状位的分类模型;
以及,所述通过所述注意力模块确定所述脑部核磁影像中每个图像特征的重要程度,并基于所述每个图像特征的重要程度得到所述脑部核磁影像对应的分类结果,包括:
通过所述基于轴位的分类模型中的注意力模块确定基于轴位的脑部核磁影像中每个图像特征的重要程度,并根据基于轴位的脑部核磁影像中每个图像特征的重要程度得到基于轴位的脑部核磁影像对应的第一分类结果;
通过所述基于矢状位的分类模型中的注意力模块确定基于矢状位的脑部核磁影像中每个图像特征的重要程度,并根据基于矢状位的脑部核磁影像中每个图像特征的重要程度得到基于矢状位的脑部核磁影像对应的第二分类结果;
通过所述基于冠状位的分类模型中的注意力模块确定基于冠状位的脑部核磁影像中每个图像特征的重要程度,并根据基于冠状位的脑部核磁影像中每个图像特征的重要程度得到基于冠状位的脑部核磁影像对应的第三分类结果;
对所述第一分类结果、所述第二分类结果和所述第三分类结果进行融合,得到待分类的脑部核磁影像最终的分类结果。
3.根据权利要求1所述的方法,其特征在于,所述分类模型还包括:与所述注意力模型连接的第一编码层;
以及,在所述将所述待分类的脑部核磁影像输入分类模型之前,所述方法还包括:
在对所述分类模型进行训练时,利用已训练好的分割模型中的第二编码层的参数对所述分类模型的第一编码层的参数进行初始化;所述分割模型是利用包括垂体瘤的原始核磁影像作为第二训练样本训练得到的人工神经网络,所述分割模型用于从核磁影像中预测分割出垂体瘤所在区域;
将提取出垂体瘤所在区域的垂体瘤核磁影像作为第一训练样本对初始化后的分类模型进行训练,以迭代调整所述初始化后的分类模型包括的所述注意力模块和所述第一编码层的参数,直至满足预设结束条件。
4.根据权利要求3所述的方法,其特征在于,所述分类模型至少还包括:平均池化层、全连接层和归一化层;所述平均池化层分别与所述第一编码层和所述全连接层连接,所述全连接层还与所述归一化层连接,所述归一化层的输出为所述分类模型的分类结果;
以及,所述预设结束条件包括:
第一阶段迭代训练的第一结束条件;所述第一结束条件包括:第一阶段迭代训练的迭代次数到达第一数量;和/或,所述分类模型的损失函数收敛;
第二阶段迭代训练第二结束条件;所述第二结束条件包括:第二阶段迭代训练的迭代次数到达第二数量;和/或,所述分类模型的损失函数收敛;
以及,所述将提取出垂体瘤所在区域的垂体瘤核磁影像作为第一训练样本对所述分类模型进行训练,以迭代调整所述分类模型包括的所述注意力模块和所述第一编码层的参数,直至满足预设结束条件,包括:
利用提取出垂体瘤所在区域的垂体瘤核磁影像作为第一训练样本,对所述注意力模块、所述平均池化层和所述全连接层的参数进...
【专利技术属性】
技术研发人员:任间,蒋小兵,李弘于,赵齐,
申请(专利权)人:中山大学肿瘤防治中心,
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。