一种前列腺结节双支路联合分类系统技术方案

本发明专利技术公开了一种前列腺结节双支路联合分类系统，属于前列腺结节分类技术领域。本发明专利技术通过数据增强、数据清洗和形态学操作对前列腺超声图像进行处理，减少了噪声，丰富和突出了图像的特征信息，通过集成学习简单平均融合的组合策略来构建一个基于改进版Alexnet模型和引入迁移学习的VGG16模型相结合的有监督双支路联合分类模型，对轮廓图像和超声图像进行识别，提升了图像识别的准确性，将前列腺超声图像和轮廓图像相结合，提升了分类的准确率；解决了现有技术中存在“前列腺和前列腺结节图像的特殊性影响前列腺图像识别和分类精度”的问题。问题。问题。

【技术实现步骤摘要】
一种前列腺结节双支路联合分类系统


[0001]本申请涉及前列腺结节良恶性分类
，特别是涉及一种前列腺结节双支路联合分类系统。

技术介绍

[0002]本部分的陈述仅仅是提到了与本申请相关的
技术介绍
，并不必然构成现有技术。
[0003]超声检查是辅助前列腺结节诊断和治疗的首选医学筛查技术，放射科医生可以借助该技术方便快捷地选择疑似患病区域从而采集对应区域的图像信息和形成关于前列腺结节的特征描述。
[0004]深度学习自从上世纪八十年代起至今已经有了三十多年的研究历史，已经被广泛应用于包括计算机视觉、语音识别、自然语言处理、音频识别、社交网络过滤、机器翻译、生物信息学、药物设计、医学图像分析等领域。
[0005]随着科技的发展，也已经存在将深度学习应用至前列腺结节超声影像识别和分析中的研究。
[0006]然而，现有技术中，考虑到前列腺结节和前列腺超声图像的特殊性，深度学习在前列腺超声图像的识别中还存在一些问题：
[0007](1)前列腺结节超声图像数据属于医学图像领域数据，具有一定的特殊性和隐私性，导致可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种前列腺结节双支路联合分类系统，其特征是，包括：成对数据获取模块，被配置为：获取前列腺结节超声图像数据和注释数据，进行数据清洗和预处理，获取对应每个病人的有效超声图像、轮廓图像和分级标志的成对数据；数据增强模块，被配置为：对成对数据进行图像数据增强，将进行图像数据增强后的成对数据划分为测试集和训练集；双支路联合分类模型构建模块，被配置为：构建双支路联合分类模型，通过训练集对双支路联合分类模型进行训练，将双支路联合分类模型的效果调整至最优；将测试集输入训练后双支路联合分类模型，获取最高概率的对应类别。2.如权利要求1所述的前列腺结节双支路联合分类系统，其特征是，所述双支路联合分类模型由处理有效超声数据的超声支路和用于处理轮廓图像的轮廓支路通过集成学习组成。3.如权利要求2所述的前列腺结节双支路联合分类系统，其特征是，所述超声支路为Alexnet模型，所述Alexnet模型包含5个卷积层和3个全连接层，3个全连接层的节点数依次为1024、128、5；所述轮廓支路为VGG16模型，所述VGG16模型载入在大规模数据集ImageNet上训练过的预训练模型，利用预训练模型参数的迁移来初始化VGG16模型的权重，并将最后一个全连接层的节点数设置为5。4.如权利要求1所述的前列腺结节双支路联合分类系统，其特征是，所述成对数据获取模块中对注释数据进行数据清洗的实现过程如下：设定缺失范围，根据缺失范围和数据属性，对信息缺失数据进行填充或删除；剔除内容错误矛盾数据；根据业务规则和注释数据，剔除不符合业务规则的逻辑错误数据和与业务规则无关的不必要数据；判断注释数据中是否重复数据，对重复数据进行删除或合并。5.如权利要求1所述的前列腺结节双支路联合分类系统，其特征是，所述成对数据获取模块中对前列腺结节超声图像数据和注释数据进行预处理的实现过程如下：根据注释数据中的前列腺结节轮廓数据信息，...

【专利技术属性】
技术研发人员：任鸿儒，吴卓儒，吴斌，魏强，吕世栋，鲁仁全，
申请(专利权)人：南方医科大学南方医院，
类型：发明
国别省市：