基于图像的肝硬化状态智能评估系统及其方法技术方案

本申请涉及智慧医疗领域，且具体地公开了一种基于图像的肝硬化状态智能评估系统及其方法，其先使用基于自动编码器的降噪模块滤除肝脏图像的噪声，并对降噪后肝脏图像进行局部二值模式化处理和Canny边缘检测以得到局部二值模式图和Canny边缘检测图，接着将所述局部二值模式图、所述Canny边缘检测图和所述降噪后肝脏图像进行合并以得到多通道肝脏图像，通过这样的方式，来扩展神经网络的输入以使得基于神经网络的特征提取器能提取到更为丰富的特征，进而提高对肝硬化程度评估的精准度。进而提高对肝硬化程度评估的精准度。进而提高对肝硬化程度评估的精准度。

【技术实现步骤摘要】
基于图像的肝硬化状态智能评估系统及其方法


[0001]本申请涉及智慧医疗领域，且更为具体的涉及一种基于图像的肝硬化状态智能评估系统及其方法。

技术介绍

[0002]肝硬化是临床常见的慢性进行性肝病,病理组织学上有广泛的肝细胞坏死、残存肝细胞结节性再生、结缔组织增生与纤维隔形成，导致肝小叶结构破坏和假小叶形成，肝脏逐渐变形、变硬而发展为肝硬化。
[0003]在肝硬化治疗过程中，首先是要对肝硬化程度进行精准评估以确定肝硬化发展所处的阶段，从而给予正确的诊疗和护理方案。传统的肝硬化程度评估由临床医生来进行，具体地，患者首先去影像科采集肝脏图像，然后将所得到的肝脏图像交予临床医生，医生通过观察肝脏图像中的肝脏特性来给予患者诊疗分析和决策意见。但这种方式效率低下。其次，如果每次患者都需要通过临床医生来进行肝硬化程度评估，那么如果患者想要更多频次地了解其身体情况，这会带来极大的不便。
[0004]近年来，医疗大数据和基于深度学习的深度神经网络技术的发展为智慧医疗提供了技术支持，相应地，期待一种基于医疗图像的肝硬化程度评估方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于图像的肝硬化状态智能评估系统及其方法，其先使用基于自动编码器的降噪模块滤除肝脏图像的噪声，并对降噪后肝脏图像进行局部二值模式化处理和Canny边缘检测以得到局部二值模式图和Canny边缘检测图，接着将所述局部二值模式图、所述Canny边缘检测图和所述降噪后肝脏图像进行合并以得到多通道肝脏图像，通过这样的方式，来扩展神经网络的输入以使得基于神经网络的特征提取器能提取到更为丰富的特征，进而提高对肝硬化程度评估的精准度。
[0006]根据本申请的一个方面，提供了一种基于图像的肝硬化状态智能评估系统，其包括：
[0007]图像采集模块，用于获取待检测患者的肝脏图像；
[0008]图像降噪模块，用于将所述待检测患者的肝脏图像通过基于自动编码器的降噪模块以得到降噪后肝脏图像；
[0009]纹理特征提取模块，用于对所述降噪后肝脏图像进行局部二值模式化处理和Canny边缘检测以得到局部二值模式图和Canny边缘检测图；
[0010]多通道合并模块，用于将所述局部二值模式图、所述Canny边缘检测图和所述降噪后肝脏图像进行合并以得到多通道肝脏图像；
[0011]双流编码模块，用于将所述多通道肝脏图像通过包含第一卷积神经网络和第二卷积神经网络的双流网络结构以得到分类特征图，其中，所述第一卷积神经网络使用具有第
一尺寸的第一卷积核，所述第二卷积神经网络使用具有第二尺寸的第二卷积核，所述第一尺寸不同于所述第二尺寸；以及
[0012]评估结果生成模块，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果为待检测患者的肝硬化程度等级标签。
[0013]在上述基于图像的肝硬化状态智能评估系统中，所述图像降噪模块，包括：卷积编码单元，用于将所述待检测患者的肝脏图像输入所述降噪模块的编码器，其中，所述编码器使用卷积层对所述待检测患者的肝脏图像进行显式空间编码以得到图像特征；以及，反卷积编码单元，用于将所述图像特征输入所述降噪模块的解码器，其中，所述解码器使用反卷积层对所述图像特征进行反卷积处理以得到所述降噪后肝脏图像。
[0014]在上述基于图像的肝硬化状态智能评估系统中，所述多通道合并模块，进一步用于以如下公式将所述局部二值模式图、所述Canny边缘检测图和所述降噪后肝脏图像沿着通道维度进行合并以得到所述多通道肝脏图像；其中，所述公式为F
h
＝Concat[F1,F2,F3]c
，其中，F1为局部二值模式图，F2为所述Canny边缘检测图，F3为降噪后肝脏图像，Coucat[
·
]c
表示沿通道维度的合并函数。
[0015]在上述基于图像的肝硬化状态智能评估系统中，所述双流编码模块，包括：第一深度卷积编码单元，用于使用所述第一卷积神经网络以所述第一卷积核对所述多通道肝脏图像进行卷积编码以从所述第一卷积神经网络的各层分别提取第一特征图以得到多个第一特征图；第二深度卷积编码单元，用于使用所述第二卷积神经网络以所述第二卷积核对所述多通道肝脏图像进行卷积编码以从所述第二卷积神经网络的各层分别提取第二特征图以得到多个第二特征图；以及，密集连接单元，用于分别融合所述多个第一特征图和所述多个第二特征图中每组对应深度的第一特征图和第二特征图以得到多个融合特征图。
[0016]在上述基于图像的肝硬化状态智能评估系统中，所述第一深度卷积编码单元，进一步用于：使用所述第一卷积神经网络的各层在层的正向传递中对输入数据进行卷积处理、沿特征矩阵的池化处理和激活处理以由所述第一卷积神经网络的各层分别提取第一特征图以得到多个第一特征图，其中，所述第一卷积神经网络的第一层的输入为所述多通道肝脏图像，且所述第一卷积神经网络使用具有第一尺寸的第一卷积核。
[0017]在上述基于图像的肝硬化状态智能评估系统中，所述第二深度卷积编码单元，进一步用于:使用所述第二卷积神经网络的各层在层的正向传递中对输入数据进行卷积处理、沿特征矩阵的池化处理和激活处理以由所述第二卷积神经网络的各层分别提取第二特征图以得到多个第二特征图，其中，所述第二卷积神经网络的第一层的输入为所述多通道肝脏图像，且所述第二卷积神经网络使用具有第二尺寸的第二卷积核，所述第一尺寸不同于所述第二尺寸。
[0018]在上述基于图像的肝硬化状态智能评估系统中，所述双流编码模块，还包括：优化单元，用于基于所述多个融合特征图中各个融合特征图的所有位置的特征值集合的统计特征，分别计算所述各个融合特征图的深度递归的通道压榨
‑
激励优化因数；以及，融合单元，用于以所述各个融合特征图的深度递归的通道压榨
‑
激励优化因数作为权重，分别对所述多个融合特征图中各个融合特征图进行加权以得到多个加权后融合特征图作为所述分类特征图。
[0019]在上述基于图像的肝硬化状态智能评估系统中，所述优化单元，进一步用于：基于
所述多个融合特征图中各个融合特征图的所有位置的特征值集合的均值和方差，以如下公式计算多个融合特征图中各个融合特征图各个位置的特征值对应的所述优化因数；其中，所述公式为：
[0020][0021]其中v
i
表示所述多个融合特征图中各个融合特征图的第i个位置的特征值，且μ和σ分别表示所述多个融合特征图中各个融合特征图所有位置的特征值集合的均值和方差，exp(
·
)表示特征值的指数运算，所述特征值的指数运算表示计算以特征值为幂的自然指数函数值。
[0022]在上述基于图像的肝硬化状态智能评估系统中，所述评估结果生成模块，进一步用于：使用所述分类器以如下公式对所述分类特征图进行处理以生成分类结果，其中，所述公式为：
[0023]O＝softmax{(W
n
,本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像的肝硬化状态智能评估系统，其特征在于，包括：图像采集模块，用于获取待检测患者的肝脏图像；图像降噪模块，用于将所述待检测患者的肝脏图像通过基于自动编码器的降噪模块以得到降噪后肝脏图像；纹理特征提取模块，用于对所述降噪后肝脏图像进行局部二值模式化处理和Canny边缘检测以得到局部二值模式图和Canny边缘检测图；多通道合并模块，用于将所述局部二值模式图、所述Canny边缘检测图和所述降噪后肝脏图像进行合并以得到多通道肝脏图像；双流编码模块，用于将所述多通道肝脏图像通过包含第一卷积神经网络和第二卷积神经网络的双流网络结构以得到分类特征图，其中，所述第一卷积神经网络使用具有第一尺寸的第一卷积核，所述第二卷积神经网络使用具有第二尺寸的第二卷积核，所述第一尺寸不同于所述第二尺寸；以及评估结果生成模块，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果为待检测患者的肝硬化程度等级标签。2.根据权利要求1所述的基于图像的肝硬化状态智能评估系统，其特征在于，所述图像降噪模块，包括：卷积编码单元，用于将所述待检测患者的肝脏图像输入所述降噪模块的编码器，其中，所述编码器使用卷积层对所述待检测患者的肝脏图像进行显式空间编码以得到图像特征；以及反卷积编码单元，用于将所述图像特征输入所述降噪模块的解码器，其中，所述解码器使用反卷积层对所述图像特征进行反卷积处理以得到所述降噪后肝脏图像。3.根据权利要求2所述的基于图像的肝硬化状态智能评估系统，其特征在于，所述多通道合并模块，进一步用于以如下公式将所述局部二值模式图、所述Canny边缘检测图和所述降噪后肝脏图像沿着通道维度进行合并以得到所述多通道肝脏图像；其中，所述公式为F
h
＝Concat[F1,F2,F3]
c
，其中，F1为局部二值模式图，F2为所述Canny边缘检测图，F3为降噪后肝脏图像，Concat[
·
]
c
表示沿通道维度的合并函数。4.根据权利要求3所述的基于图像的肝硬化状态智能评估系统，其特征在于，所述双流编码模块，包括：第一深度卷积编码单元，用于使用所述第一卷积神经网络以所述第一卷积核对所述多通道肝脏图像进行卷积编码以从所述第一卷积神经网络的各层分别提取第一特征图以得到多个第一特征图；第二深度卷积编码单元，用于使用所述第二卷积神经网络以所述第二卷积核对所述多通道肝脏图像进行卷积编码以从所述第二卷积神经网络的各层分别提取第二特征图以得到多个第二特征图；以及密集连接单元，用于分别融合所述多个第一特征图和所述多个第二特征图中每组对应深度的第一特征图和第二特征图以得到多个融合特征图。5.根据权利要求4所述的基于图像的肝硬化状态智能评估系统，其特征在于，所述第一深度卷积编码单元，进一步用于：使用所述第一卷积神经网络的各层在层的正向传递中对输入数据进行卷积处理、沿特
征矩阵的池化处理和激活处理以由所述第一卷积神经网络的各层分别提取第一特征图以得到多个第一特征图，其中，所述第一卷积神经网络的第一层的输入为所述多通道肝脏图像，且所述第一卷积神经网络使用具有第一尺寸的第一卷积核。6.根据权利要求5...

【专利技术属性】
技术研发人员：邓敏，沈亚，
申请(专利权)人：嘉兴市第一医院，
类型：发明
国别省市：