基于多模型权重分配网络的直肠癌病理完全反应预测方法技术

本发明专利技术涉及一种基于多模型权重分配网络的直肠癌病理完全反应预测方法。该方法包括：原始图像预处理；特征提取、分割；对经特征提取、分割生成的ROI图像进行标准处理，输入预测模型得到预测结果。本发明专利技术方法预测精度较好。该模型避免传统方法需要大量人工标记和特征提取的缺点，实现了由图像输入到预测结果的自动输出。动输出。动输出。

【技术实现步骤摘要】
基于多模型权重分配网络的直肠癌病理完全反应预测方法


[0001]本专利技术属于深度学习预测领域，具体涉及一种基于多模型权重分配网络的直肠癌病理完全反应预测方法。

技术介绍

[0002]公开号为CN111382756A的专利申请，提出了一种电脑辅助直肠癌治疗反应预测系统，用于预测直肠癌患者在治疗后达成病理完成反应(pathological complete response，pCR)的机率，包括：具有至少一个二元决策树模型的随机森林模型。每个二元决策树模型具有至少一特征节点，每个特征节点根据一特征门槛值产生两个分支，其中每个分支接续另一特征节点或对应一初步pCR预测机率。该随机森林模型整合每个二元决策树模型所产生的该初步pCR预测机率，进而产生一最终pCR预测机率。
[0003]公开号为CN112950624A的专利申请，提出了一种基于深度卷积神经网络的直肠癌T分期自动诊断方法及设备，首先对采集的直肠图片进行预处理，然后针对数据集不足的问题进行数据增强，最后利用数据集训练深度卷积神经网络，可以达到辅助医生自动诊断的目的，为临床的诊断和治疗本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模型权重分配网络的直肠癌病理完全反应预测方法，其特征在于，包括如下步骤：原始图像预处理；特征提取、分割；对经特征提取、分割生成的ROI图像进行标准处理，输入预测模型得到预测结果。2.根据权利要求1所述的基于多模型权重分配网络的直肠癌病理完全反应预测方法，其特征在于，所述原始图像预处理包括对垂直轴图像的切片和数据增强，即将原始的nrrd格式的MRI图像进行切片，为减少高强度的伪影数量，使用一种对比度限制的自适应直方图均衡方法来改进对比度，为防止过拟合，采用包括旋转、水平翻转的数据增强方法来改变输入图像，在数据增强后，数据集被扩展到其原始大小的4倍。3.根据权利要求1所述的基于多模型权重分配网络的直肠癌病理完全反应预测方法，其特征在于，所述特征提取、分割，即在神经网络中使用卷积核直接提取原始图像的特征，并通过滑动卷积核块来提取整个原始图像的特征；通过卷积提取特征后，根据提取的特征输出肿瘤的二值图像；然后根据二值图像对原始图像进行分割，得到所需的肿瘤区域图像；对于肿瘤的二值图像还需要进一步的后处理，以去除图像中的杂点噪声。4.根据权利要求1所述的基于多模型权重分配网络的直肠癌病理完全反应预测方法，其特征在于，所述对经特征提取、分割生成的ROI图像进行标准处理，即：首先，找到经特征提取、分割生成的ROI图像每个方向上的最外层像素；然后，将4个像素向外扩展5个像素，生成一个包含整个肿瘤的标准矩形轮廓；最后，将生成的轮廓进行裁剪，得到裁剪图像。5.根据权利要求1所述的基于多模型权重分配网络的直肠癌病理完全反应预测方法，其特征在于，所述预...

【专利技术属性】
技术研发人员：李兰兰，徐斌，胡益煌，王大彪，
申请(专利权)人：福州大学，
类型：发明
国别省市：