一种将先验知识融入深度学习引导磁共振图像分类的方法技术

本发明专利技术公开了一种将先验知识融入深度学习引导磁共振图像分类的方法，该方法是对患者的磁共振图像是否发生前列腺包膜侵犯进行图像分类，将临床医生的先验知识融入卷积神经网络，并指导网络进行是否发生包膜侵犯判断。该方法利用前列腺腺体轮廓和癌灶轮廓，计算生成注意力图，注意力图反映了医生在判断包膜侵犯时认为的最有可能发生侵犯的位置。本发明专利技术改进了卷积注意力模块，将生成的注意力图加入到神经网络，指导网络更多地对可能发生侵犯的区域进行关注，从而提高网络的评估性能。与现有技术相比，本发明专利技术能够有效提高模型表现，对包膜侵犯进行自动分类，提高医生的效率。提高医生的效率。提高医生的效率。

【技术实现步骤摘要】
一种将先验知识融入深度学习引导磁共振图像分类的方法


[0001]本专利技术属于图像处理和医学
，涉及一种将先验知识融入深度学习引导磁共振图像分类的方法。

技术介绍

[0002]前列腺癌是男性癌症死亡的第二大原因，早期准确的诊断可以大大的提高生存率。对于前列腺癌患者，根治性前列腺切除术被认为是首选方法。手术前准确地判断前列腺癌是否突破前列腺包膜(Extracapsular Extension，ECE)是非常重要的。为了提高术前风险评估，许多方法被用来预测包膜侵犯，但效果并不理想。
[0003]磁共振成像作为一种无创的影像方法，广泛应用于癌症的相关检测中。根据欧洲放射学会的前列腺影像报告数据系统(Prostate Imaging Reporting&Data System，PI
‑
RADS)第二版，通常用于检测前列腺癌的扫描序列包括T2加权成像(T2 Weighted Imaging，T2WI)、弥散加权图像(Diffusion Weighted Imaging，DWI)、动态增强图像(Dynamic本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种将先验知识融入深度学习引导磁共振图像分类的方法，该方法是对患者的磁共振图像是否发生前列腺包膜侵犯进行图像分类，其特征在于包括以下具体步骤：步骤1：对患者进行磁共振扫描得到磁共振图像，自动或者手动在磁共振图像上对前列腺腺体和癌灶边缘进行勾画，得到腺体和癌灶的轮廓；步骤2：生成一张与磁共振图像大小相同的空白图作为注意力图，通过以下的操作，设置所述空白图上的像素值；具体包括：1)取磁共振图像上癌灶内的任一像素点；2)若该像素点不在腺体轮廓内，将注意力图中对应位置的像素点的像素值设为1；3)若该像素点在腺体内部，计算该像素点到腺体边界的距离d
p
，注意力图对应像素点的像素值设置为其中r为图像分辨率，α用于控制像素值的衰减程度，d
p
越小，像素...

【专利技术属性】
技术研发人员：张一鸿，宋阳，杨光，张玉东，奚伟，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：