骨肿瘤影像分析方法、系统及介质技术方案

本发明专利技术提供一种骨肿瘤影像分析方法、系统及介质，涉及图像数据处理技术领域，包括：步骤S1：采集图片样本；步骤S2：对所述图片样本进行预处理；步骤S3：构建数据模型并进行交叉验证；步骤S4：对所述数据模型进行训练；步骤S5：将预处理后的图片样本输入所述数据模型中计算，判断图片样本的组别，获取所述图片样本的组别标签，即为图片样本预测结果；步骤S6：根据所述预测结果，提取数据模型最后一个卷积层的特征图，计算得到gradcam图并生成热力图。本发明专利技术能够有效辅助临床人员审阅骨肉瘤患者平片，有效降低骨肉瘤误判及漏判率。降低骨肉瘤误判及漏判率。降低骨肉瘤误判及漏判率。

【技术实现步骤摘要】
骨肿瘤影像分析方法、系统及介质


[0001]本专利技术涉及图像数据处理
，具体地，涉及一种骨肿瘤影像分析方法、系统及介质。

技术介绍

[0002]骨肉瘤是一种恶性程度高、漏诊及误诊频发，整体发病率在青少年骨肿瘤中占据首位的一种疾病。骨肉瘤患者总体预后差，检测方式有实验室检查、影像学检查和病理学检查等手段，影像学检查能够直接且全面的反应骨骼情况，使用较为广泛。目前初筛主要依靠患肢X线片，由于其发生率极低，对于经验不足的医生而言判断较难。现有涉及骨肉瘤影像学智能分析算法多应用于判断骨肉瘤预后、患者5年生存期、预测骨肉瘤肺转移、对术后早期复发进行术前预测及化疗预测。
[0003]现有相关技术未针对骨肉瘤早期漏判、误判的情况做出良好的解决方案，未从根本上提高对骨肉瘤判断的效率。骨肉瘤早发现、早治疗迄今仍不充分，加之临床首症局部疼痛常与青少年生长痛混淆，临床表现异质性强，首诊又多在基层医院且首诊检查亦多局限于快捷、价廉的X线平片以及各级各类医院医师诊断水平参差不齐，此时医护人员的诊断经验就显得极为重要，但是考虑到客观影响因素(拍摄精度、图像内容显示完整性、判断经验和依据等)和早期内骨肿瘤表征不明显的特点，还是存在无法发现的可能。

技术实现思路

[0004]针对现有技术中的缺陷，本专利技术提供一种骨肿瘤影像分析方法、系统及介质。
[0005]根据本专利技术提供的一种骨肿瘤影像分析方法、系统及介质，所述方案如下：
[0006]第一方面，提供了一种骨肿瘤影像分析方法，所述方法包括：/>[0007]步骤S1：采集图片样本；
[0008]步骤S2：对所述图片样本进行预处理；
[0009]步骤S3：构建数据模型并进行交叉验证；
[0010]步骤S4：对所述数据模型进行训练；
[0011]步骤S5：将预处理后的图片样本输入所述数据模型中计算，判断图片样本的组别，获取所述图片样本的组别标签，即为图片样本预测结果；
[0012]步骤S6：根据所述预测结果，提取数据模型最后一个卷积层的特征图，计算得到gradcam图并生成热力图。
[0013]优选地，所述步骤S1包括：获取两个以上的骨关节X光片数据的图片样本，其中包括患有骨肉瘤的患者的骨关节X光片，以及骨关节无疾病的人的骨关节X光片；
[0014]对所述数据样本进行数据标签，并将患有骨肉瘤的数据与健康人的数据分别放置在不同文件夹中。
[0015]优选地，所述步骤S2包括图片样本输入和调整；
[0016]其中，图片样本输入，应使用cv算法将输入的图片样本数据读取为m*n*3的矩阵，
每个图片样本的大小为m*n个像素点，每个像素点有RGB三个像素值；
[0017]图片样本调整包括：调整图片样本的大小，以及图片样本像素值的归一化处理。
[0018]优选地，所述调整图片样本的大小包括：将输入图片样本的较长的一边从裁剪至与较短一边相同，使得图片样本的输入大小调整为正方形；
[0019]所述图片样本像素值的归一化处理包括：求取图片样本所有像素值的平均值，用各像素值减去平均值后，再除以减后结果的最大值。
[0020]优选地，所述步骤S3包括：构建数据模型，将图片样本输入至数据模型中，将输出的线性矩阵设置为二维，输出的二维向量中，将两个元素比较大小，第一个数值代相对较大判断为健康，第二个数值较大则判断为骨肉瘤；
[0021]交叉验证步骤，将图片样本平均分为五份，选择其中一份用于测试模型，其余四份用于训练，并每次变换用于测试的一份，最终获得五个模型，将五个模型获得结果进行平均。
[0022]优选地，所述步骤S4中对所述数据模型进行训练包括：
[0023]设置模型参数，每批次输入多张图片样本，类别数为二；
[0024]将输出的二维矩阵使用softmax函数变换为0
‑
1之间的概率值，用以表示两种类别的概率，概率值的和为1；
[0025][0026][0027]其中，y1、y2分别表示判断为健康的概率和判断为骨肉瘤的概率；x1、x2分别表示输出的二维向量中的两个原素；
[0028]使用交叉熵损失函数作为损失函数，将输出的两个概率值计算出一个指标，且指标越小，模型效果越好：
[0029][0030]其中，N表示该批次投入模型的样本数；p
i
表示第i个样本被判定为骨肉瘤的概率；使用MURA1.1数据集作为预训练，将它输入模型后会获得一个模型参数，将这个模型参数作为所训练模型的初始参数；
[0031]使用Adam优化器，每批次数据输入后，会调整模型参数，使得损失函数越来越小，从而优化模型；
[0032]由交叉验证能获得五个模型，将测试样本中结果最好的一个模型作为最终模型。
[0033]优选地，所述步骤S5包括：将需要测试的图片数据经数据预处理后输入数据模型中进行计算，得到的二维矩阵中两个元素数值比较大小，较大的一维所代表的类别即为样本的预测结果。
[0034]优选地，所述步骤S6包括：在测试过程中，应用pytorch框架提取数据模型最后一个卷积层，获取得到的特征图；
[0035]利用gradcam函数，将所训练好的数据模型与所提取出的特征图输入，即输出得到gradcam图，将gradcam图与原图片覆盖即得到热力图。
[0036]第二方面，提供了一种骨肿瘤影像分析系统，所述系统包括：
[0037]模块M1：采集图片样本；
[0038]模块M2：对所述图片样本进行预处理；
[0039]模块M3：构建数据模型并进行交叉验证；
[0040]模块M4：对所述数据模型进行训练；
[0041]模块M5：将预处理后的图片样本输入所述数据模型中计算，判断图片样本的组别，获取所述图片样本的组别标签，即为图片样本预测结果；
[0042]模块M6：根据所述预测结果，提取数据模型最后一个卷积层的特征图，计算得到gradcam图并生成热力图。
[0043]与现有技术相比，本专利技术具有如下的有益效果：
[0044]1、本专利技术能够有效辅助临床人员审阅骨肉瘤患者平片，有效降低骨肉瘤误判及漏判率，为社会带来更多流动人口；
[0045]2、本专利技术克服了传统影像诊断的主观性及个人经验依赖性，实现基于X线平片的同质化、高水平的骨肉瘤结果分析特别是早期分析，继而改善骨肉瘤患者预后。
[0046]本专利技术的其他有益效果，将在具体实施方式中通过具体技术特征和技术方案的介绍来阐述，本领域技术人员通过这些技术特征和技术方案的介绍，应能理解所述技术特征和技术方案带来的有益技术效果。
附图说明
[0047]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0048]图1为本专利技术整体流程图；
[0049]图2为数据模型构建及交叉验证图片；
[0050]图3为R本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种骨肿瘤影像分析方法，其特征在于，包括：步骤S1：采集图片样本；步骤S2：对所述图片样本进行预处理；步骤S3：构建数据模型并进行交叉验证；步骤S4：对所述数据模型进行训练；步骤S5：将预处理后的图片样本输入数据模型中计算，判断图片样本的组别，获取图片样本的组别标签，即为图片样本预测结果；步骤S6：根据所述预测结果，提取数据模型最后一个卷积层的特征图，计算得到gradcam图并生成热力图。2.根据权利要求1所述的骨肿瘤影像分析方法，其特征在于，所述步骤S1包括：获取两个以上的骨关节X光片数据的图片样本，其中包括患有骨肉瘤的患者的骨关节X光片，以及骨关节无疾病的人的骨关节X光片；对所述数据样本进行数据标签，并将患有骨肉瘤的数据与健康人的数据分别放置在不同文件夹中。3.根据权利要求1所述的骨肿瘤影像分析方法，其特征在于，所述步骤S2包括图片样本输入和调整；其中，图片样本输入，应使用cv算法将输入的图片样本数据读取为m*n*3的矩阵，每个图片样本的大小为m*n个像素点，每个像素点有RGB三个像素值；图片样本调整包括：调整图片样本的大小，以及图片样本像素值的归一化处理。4.根据权利要求3所述的骨肿瘤影像分析方法，其特征在于，所述调整图片样本的大小包括：将输入图片样本的较长的一边从裁剪至与较短一边相同，使得图片样本的输入大小调整为正方形；所述图片样本像素值的归一化处理包括：求取图片样本所有像素值的平均值，用各像素值减去平均值后，再除以减后结果的最大值。5.根据权利要求1所述的骨肿瘤影像分析方法，其特征在于，所述步骤S3包括：构建数据模型，将图片样本输入至数据模型中，将输出的线性矩阵设置为二维，输出的二维向量中，将两个元素比较大小，第一个数值代相对较大判断为健康，第二个数值较大则判断为骨肉瘤；交叉验证步骤，将图片样本平均分为五份，选择其中一份用于测试模型，其余四份用于训练，并每次变换用于测试的一份，最终获得五个模型，将五个模型获得结果进行平均。6.根据权利要求1所述的骨肿瘤影像分析方法，其特征在于，所述步骤S4中对所述数据模型进行训练包括：设置模型参数，每批次输入多张图片样本，类别数为二；...

【专利技术属性】
技术研发人员：杨熙宇，赵毅哲，孙伟，刘满华，杨秀军，
申请(专利权)人：上海市第一人民医院，
类型：发明
国别省市：