一种肠道图像的识别方法及终端设备技术

本发明专利技术涉及一种肠道图像的识别方法及终端设备，方法包括：获取待识别肠道CT扫描图像，从所述待识别肠道CT扫描图像中提取影像组学特征；将所述影像组学特征输入预先训练好的识别模型中进行计算，得到肠道肠壁纤维化程度识别结果；其中，所述识别模型通过多个肠道CT扫描图像对应的影像组学特征训练得到。通过使用逻辑斯蒂回归方法，基于影像组学特征构建肠道肠壁纤维化识别模型。并对所述识别模型进行训练，利用训练好的识别模型对肠道肠壁纤维化程度的准确识别，解决人工读片判断缺乏客观性、不够准确的问题，提高肠道肠壁纤维化程度识别的精确性。的精确性。的精确性。

【技术实现步骤摘要】
一种肠道图像的识别方法及终端设备


[0001]本专利技术涉及图像识别
，尤其涉及一种肠道图像的识别方法、 计算机可读存储介质及终端设备。

技术介绍

[0002]目前对肠道图像的识别，尤其是肠壁纤维化程度的识别，存在着识别 结果不准确，耗时较久的问题。
[0003]因此，如何准确对肠道的肠壁纤维化程度进行识别是亟需解决的问 题。

技术实现思路

[0004]鉴于上述现有技术的不足，本专利技术的目的在于提供一种肠道图像的识 别方法、计算机可读存储介质及终端设备，旨在准确识别出肠道的肠壁纤 维化程度。
[0005]本专利技术实施例第一方面，提供了一种肠道图像的识别方法，所述方法 包括如下步骤：
[0006]获取肠道CT扫描图像，从所述肠道CT扫描图像中提取影像组学特征；
[0007]将所述影像组学特征输入预先训练好的识别模型中进行计算，得到肠 壁纤维化程度识别结果；其中，所述识别模型通过多个肠道CT扫描图像对 应的影像组学特征训练得到。
[0008]本专利技术实施例第二方面，提供了一种计算机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肠道图像的识别方法，其特征在于，所述方法包括：获取待识别肠道CT扫描图像，从所述待识别肠道CT扫描图像中提取影像组学特征；将所述影像组学特征输入预先训练好的识别模型中进行计算，得到肠道肠壁纤维化程度识别结果；其中，所述识别模型通过多个肠道CT扫描图像对应的影像组学特征训练得到。2.如权利要求1所述的肠道图像的识别方法，其特征在于，所述识别模型为基于影像学组特征建立的逻辑斯蒂回归模型。3.如权利要求1所述的肠道图像的识别方法，其特征在于，所述影像组学特征包括强度特征、纹理特征、形状特征及变换特征。4.如权利要求2所述的肠道图像的识别方法，其特征在于，所述识别模型的训练方法，包括：获取多个样本肠道CT扫描图像及肠道肠壁的纤维化程度；分别对每个样本肠道CT扫描图像进行特征提，得到所述样本肠道对应的影像组学特征及纤维化程度，并将所述影像组学特征及纤维化程度作为对应所述样本肠道的训练样本；其中，所述纤维化程度包括无
‑
轻度纤维化与中
‑
重度纤维化；将各个样本肠道对应的训练样本作为所述识别模型的训练样本集；基于训练样本集，结合留一法交叉验证与网格寻优法得到所述识别模型的最优参数；将计算到的所述最优参数代入所述识别模型中，得到所述训练好的识别模型。5.如权利要求4所述的肠道图像的识别方法，其特征在于，所述结合留一法交叉验证与网格寻优法得到所述识别模型的最优参数，包括：将所述训练样本集中的所有训练样本分成十折，其中的一折作为测试集，其余九折作为训练集；采用Lilliefors检验与Levene检验对训练集中的每一个影像组学特征进行正态性检验与方差齐次性检验，若不符合正态分布，则采用Mann
‑
Whitney U检验分析特征在无
‑
轻度与中
‑
重度纤维化组间的统计学差异；若符合正态分布但非方差齐次，选择Welch
’
s T检验；若符合正态分布且...

【专利技术属性】
技术研发人员：黄炳升，李雪华，梁栋，孟霁昕，袁程朗，罗梓欣，黄斯韵，张洪源，冯盛宇，曾英候，张宇轩，张乃文，毛仁，冯仕庭，陈旻湖，李子平，
申请(专利权)人：深圳大学，
类型：发明
国别省市：