基于多中心跨维度医学影像的肺腺癌侵袭性辅助预测系统技术方案

一种基于多中心跨维度医学影像的肺腺癌侵袭性辅助预测系统，通过输入模块采集CT图像和一维临床特征并分别输出至特征提取模块和跨维度特征融合模块，特征提取模块对CT图像进行预处理分别生成2D图像和3D图像，并分别提取出二维特征和三维特征后输出至跨维度特征融合模块，跨维度特征融合模块融合二维特征、三维特征和一维临床特征进行跨维度特征融合后根据各个分布节点医院的本地模型进行分类，传输加密梯度模块采集各个分布节点医院的加密后的梯度数据，更新优化梯度模块根据各个分布节点医院的加密后的梯度数据，对位于服务器端的联合模型的参数进行更新，联合模型参数更新模块将联合模型更新后得到的梯度数据重新分发至各个分布节点医院用于进行各自本地更新。发至各个分布节点医院用于进行各自本地更新。发至各个分布节点医院用于进行各自本地更新。

【技术实现步骤摘要】
基于多中心跨维度医学影像的肺腺癌侵袭性辅助预测系统


[0001]本专利技术涉及的是一种计算机图像处理领域的技术，具体是一种基于多中心跨维度医学影像的肺腺癌侵袭性辅助预测系统。

技术介绍

[0002]肺腺癌是肺癌最常见的亚型，约占所有肺癌病例的一半以上。在计算机断层扫描(computed tomography,CT)图像中表现为肺结节，在病理上分为四种亚型：非典型腺瘤性增生(atypical adenomatous hyperplasia,AAH)、原位腺癌(Adenocarcinoma in Situ,AIS)、微浸润性腺癌(Minimally Invasive Adenocarcinoma,MIA)和浸润性腺癌(Invasive Adenocarcinoma,IAC)。病理诊断为AAH、AIS或MIA的非侵袭性腺癌，表现为具有磨玻璃样阴影的惰性结节，在完全切除后，5年无病生存率几乎为100％，无需辅助化疗。因此早发现、早治疗对肺腺癌患者生存有重要意义。传统的医学影像是由放射科医师或核医学医师通过视觉定性描述结节表型如大小、边缘、形状、密度、邻近组织改变等，以这些表型为依据来判断肺腺癌的侵袭性。

技术实现思路

[0003]本专利技术针对现有技术存在的上述不足，提出一种基于多中心跨维度医学影像的肺腺癌侵袭性辅助预测系统，利用本地模型模块和联合模型模块重复更新梯度，保护患者隐私，同时优化本地模型，辅助临床医师对肺腺癌患者进行临床决策。
[0004]本专利技术是通过以下技术方案实现的：
[0005]本专利技术涉及一种基于多中心跨维度医学影像的肺腺癌侵袭性辅助预测系统，包括：位于各个分布节点医院的输入模块、特征提取模块、跨维度特征融合模块和位于中心服务器的传输加密梯度模块、更新优化梯度模块和联合模型参数更新模块，其中：输入模块采集CT图像和一维临床特征并分别输出至特征提取模块和跨维度特征融合模块，特征提取模块对CT图像进行预处理分别生成2D图像和3D图像，并分别提取出二维特征和三维特征后输出至跨维度特征融合模块，跨维度特征融合模块融合二维特征、三维特征和一维临床特征进行跨维度特征融合后根据各个分布节点医院的本地模型进行分类，传输加密梯度模块采集各个分布节点医院的加密后的梯度数据，更新优化梯度模块根据各个分布节点医院的加密后的梯度数据，对位于中心服务器的联合模型的参数进行更新，联合模型参数更新模块将联合模型更新后得到的梯度数据重新分发至各个分布节点医院用于进行各自本地更新。
[0006]所述的数据预处理是指：每个中心医院各自读入基本临床信息和CT图像作为本地数据，保护患者隐私，无需上传本地数据。
[0007]所述的二维特征是指：对原始CT图像进行预处理生成2D图像，使用自注意机制网络提取的CT图像的二维平面特征，其优选通过各种不同的自注意机制网络提取。
[0008]所述的三维特征是指：对原始CT图像进行预处理生成3D图像，使用3D卷积网络提取的CT图像的三维空间特征，其优选通过各种不同的3D卷积神经网络提取。
[0009]所述的特征融合是指：采用跨维度特征融合的方法将一维的临床特征与CT图像提取的二维和三维特征进行融合。
[0010]所述的本地模型，利用各个分布节点医院提取到的多维度融合特征进行训练。
[0011]所述的梯度数据是指：各个分布节点医院的本地模型更新时产生的梯度，即沿着目标函数梯度的方向更新参数以让目标函数值达到要求。
附图说明
[0012]图1为本专利技术本地模型结构示意图；
[0013]图2为本专利技术联合模型结构示意图。
具体实施方式
[0014]如图1所示，为本实施例涉及一种基于多中心跨维度医学影像的肺腺癌侵袭性辅助预测系统，包括：位于各个分布节点医院的输入模块、特征提取模块、跨维度特征融合模块和位于中心服务器的传输加密梯度模块、更新优化梯度模块和联合模型参数更新模块，其中：输入模块采集CT图像和一维临床特征并分别输出至特征提取模块和跨维度特征融合模块，特征提取模块对CT图像进行预处理分别生成2D图像和3D图像，并分别提取出二维特征和三维特征后输出至跨维度特征融合模块，跨维度特征融合模块融合二维特征、三维特征和一维临床特征进行跨维度特征融合后根据各个分布节点医院的本地模型进行分类，传输加密梯度模块采集各个分布节点医院的加密后的梯度数据，更新优化梯度模块根据各个分布节点医院的加密后的梯度数据，对位于中心服务器的联合模型的参数进行更新，联合模型参数更新模块将联合模型更新后得到的梯度数据重新分发至各个分布节点医院用于进行各自本地更新。
[0015]如图2所示，为本实施例涉及上述系统的基于多中心跨维度医学影像的肺腺癌侵袭性辅助预测方法，包括如下步骤：
[0016]步骤1)数据预处理：每个中心医院各自读入基本临床信息和CT图像作为本地数据，保护患者隐私，无需上传本地数据；
[0017]步骤2)提取CT图像二维特征：对原始CT图像进行预处理生成2D图像，使用自注意机制网络提取CT图像的二维平面特征，处理CT图像的数据时，通过各种不同的自注意机制网络提取特征；
[0018]步骤3)提取CT图像三维特征：对原始CT图像进行预处理生成3D图像，使用3D卷积网络提取CT图像的三维空间特征，处理CT图像的数据时，通过各种不同的3D卷积神经网络提取特征；
[0019]步骤4)跨维度特征融合：采用跨维度特征融合的方法将一维的临床特征与CT图像提取的二维和三维特征进行融合，即对步骤2和步骤3中得到的特征和步骤1中读入的临床特征，采用不同的特征融合方法进行融合；
[0020]步骤5)训练本地模型：利用本地数据提取到的多维度融合特征进行训练模型(无需上传本地数据)；
[0021]步骤6)加密上传梯度：将加密后的梯度数据上传到联合模型，汇总各中心医院的
梯度更新模型参数；
[0022]步骤7)更新模型参数：将梯度分别回传给各个分布节点医院，根据梯度更新各自模型的参数，获得辅助分析结果。
[0023]本专利技术针对目前肺腺癌侵袭性问题，采用定量分析多中心跨维度数据，对于预测肺腺癌侵袭性具有重要意义，不仅可以提高预测的准确性，减少操作者的主管判断误差，而且保护患者隐私，具有一定的辅助指导意义。
[0024]上述具体实施可由本领域技术人员在不背离本专利技术原理和宗旨的前提下以不同的方式对其进行局部调整，本专利技术的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本专利技术之约束。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多中心跨维度医学影像的肺腺癌侵袭性辅助预测系统，其特征在于，包括：位于各个分布节点医院的输入模块、特征提取模块、跨维度特征融合模块和位于服务器端的传输加密梯度模块、更新优化梯度模块和联合模型参数更新模块，其中：输入模块采集CT图像和一维临床特征并分别输出至特征提取模块和跨维度特征融合模块，特征提取模块对CT图像进行预处理分别生成2D图像和3D图像，并分别提取出二维特征和三维特征后输出至跨维度特征融合模块，跨维度特征融合模块融合二维特征、三维特征和一维临床特征进行跨维度特征融合后根据各个分布节点医院的本地模型进行分类，传输加密梯度模块采集各个分布节点医院的加密后的梯度数据，更新优化梯度模块根据各个分布节点医院的加密后的梯度数据，对位于服务器端的联合模型的参数进行更新，联合模型参数更新模块将联合模型更新后得到的梯度数据重新分发至各个分布节点医院用于进行各自本地更新。2.根据权利要求1所述的基于多中心跨维度医学影像的肺腺癌侵袭性辅助预测系统，其特征是，所述的数据预处理是指：每...

【专利技术属性】
技术研发人员：刘士远，赵娜娜，施俊，韩向敏，王祥，
申请(专利权)人：上海大学，
类型：发明
国别省市：