【技术实现步骤摘要】
一种眼眶淋巴瘤和炎性假瘤分类方法、系统、设备及终端
[0001]本专利技术属于医学图像处理、计算机辅助诊断
，尤其涉及一种眼眶淋巴瘤和炎性假瘤分类方法、系统、设备及终端。
技术介绍
[0002]目前，眼眶淋巴瘤是成人最常见的眼眶恶性肿瘤，通常采用局部放疗。炎性假瘤是一种特发性增生性炎症，该疾病通常使用皮质类胆固醇和辅助抗生素等抗炎药物治疗。眼眶淋巴瘤和炎性假瘤的临床影像学信息通常有重叠，常规组织学难以区分。活检为病理学检验眼眶淋巴瘤和炎性假瘤提供金标准，但活检是具有侵入性的，会引起一些并发症。磁共振成像术前检查技术为眼眶疾病的无创诊断提供了理想的手段。与活检相比，磁共振成像术前检查技术对人体的损伤较小，但医生的经验和医院的成像设备会影响医生对该疾病的诊断。因此，亟需提供一个无创精准的眼眶淋巴瘤和炎性假瘤的高效分类方法。目前已经有关于眼眶淋巴瘤和炎性假瘤的分类诊断系统被提出，但这些大多采取的是影像组学的方式，这需要复杂的分析步骤，包括手工提取特征，特征选择和预测模型构建等，由于每个步骤具有随机性，会导致研究结果不一致。有...
【技术保护点】
【技术特征摘要】
1.一种眼眶淋巴瘤和炎性假瘤分类方法，其特征在于，眼眶淋巴瘤和炎性假瘤分类方法包括：在获取到的眼眶DCE
‑
MRI图像中，将原始图像中的肿瘤区域和眼锥三角区域进行手动分割并预处理；将预处理后的三维图像作为样本，，划分样本数据集；对肿瘤区域使用神经网络提取特征，并对特征进行聚类统计分析，作为肿瘤区域特征；对眼锥三角区域进行特征提取作为相似度评判标准，使用自分类和自恢复网络提取眼锥区域特征；将训练数据集输入网络并结合肿瘤区域和眼锥三角区的特征训练网络模型，使用测试集数据进行预测；将多模态数据输入分类模型中进行处理，实现对眼眶淋巴瘤和炎性假瘤的分类任务。2.如权利要求1所述的眼眶淋巴瘤和炎性假瘤分类方法，其特征在于，眼眶淋巴瘤和炎性假瘤分类方法包括以下步骤：步骤一，原始图像的分割与处理：在获取的眼眶DCE
‑
MRI图像中，对原始图像中的肿瘤区域和眼锥三角区域使用MITK软件手动分割；将raw格式的数据处理成mat格式数据；统计图像中大于0的数值个数选取数值最多的感兴趣区域作为最大切片，依次选择五张切片；将处理后的三维原始图像、肿瘤区域的三维图像和眼锥三角区的三维图像作为样本数据集，划分训练集和测试集；步骤二，肿瘤区域的特征提取：以分割后肿瘤区域的每个像素点为中心提取9
×
9的图像patch块，将提取的patch块在第三维叠加起来；搭建两层神经网络，由编码和解码部分组成，使用训练数据集训练神经网络；将训练集和测试集输入神经网络自动提取特征；使用k
‑
means++聚类算法对特征进行聚类，将特征聚为k类；对聚类后的特征统计分析，得到肿瘤区域特征；步骤三，眼锥三角区域的特征提取：训练自编码器网络，提取图像的深层特征作为相似度对数据进行相似排序；生成五个位置坐标，并在五个坐标点位置生成视觉词；通过自恢复分支，计算原图像和恢复后的图像对比损失函数，训练五分类网络；选出最优模型，得到眼锥三角区深层特征提取模型，并提取眼锥区域的深度特征；步骤四，基于ViT模型的融合特征分类：将原始图像的训练数据输入预训练好的ViT模型，将Transformer编码器得到的特征数据与肿瘤的纹理特征和眼锥三角区的深度特征结合，通过MLP分类头对眼眶淋巴瘤和炎性假瘤分类；步骤五，多模态分类：对多模态数据进行处理，使用软投票策略对模态进行集成，最终完成对眼眶淋巴瘤和炎性假瘤的分类任务。3.如权利要求2所述的眼眶淋巴瘤和炎性假瘤分类方法，其特征在于，步骤一中的在获取的眼眶DCE
‑
MRI图像中，对原始图像的分割与处理包括：(1)在获取得到的眼眶DCE
‑
MRI图像中，对原始图像中的肿瘤区域和眼锥三角区域使用MITK软件手动分割；(2)将原始图像、分割后的肿瘤区域和眼锥三角区域的raw格式数据转换成mat格式数据；(3)统计图像中大于0的数值个数选取数值最多的感兴趣区域作为最大的切片，以最大切片为中心上下选择两张切片，共五张切片；(4)将处理后的三维原始图像、肿瘤区域的三维图像和眼锥三角区的三维图像作为样本数据集，随机划分训练集和测试集。4.如权利要求2所述的眼眶淋巴瘤和炎性假瘤分类方法，其特征在于，步骤二中的肿瘤
区域的特征提取包括：(1)以分割后肿瘤区域的每个像素点为中心提取9
×
9的图像patch块，将提取的patch块在第三维进行叠加；(2)搭...
【专利技术属性】
技术研发人员：赵凤军，康皓贝，张涛，王宾，曹欣，易黄建，彭进业，贺小伟，
申请(专利权)人：西北大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。