【技术实现步骤摘要】
基于YOLOv7模型的结直肠癌CT智能筛查系统构建方法
[0001]本专利技术涉及图像处理
,具体涉及基于
YOLOv7
模型的结直肠癌
CT
智能筛查系统构建方法
。
技术介绍
[0002]全球范围内,结直肠癌是第三位最常见的恶性肿瘤,也是第二位最常见的恶性肿瘤死亡原因
。
据
WHO
癌症研究中心的
GLOBOCAN
项目估计,
2018
年全球范围内结直肠癌新发病例数约为
180
万,死亡人数约为
88
万
。
一直以来,结直肠癌在全球的发病率仍呈上升趋势,而多数国家死亡率呈下降趋势,并且地域分布差异明显
。
近年来,中国结直肠癌发病率和死亡率分别居恶性肿瘤第4位和第5位,且在过去
20
年间,结直肠癌死亡率呈上升趋势
。
与此同时,我国结直肠癌例均诊治费用年均增长率在
6.9
%~
9.2
%不等,患者确诊1年内的个人卫生支出约占其家庭收入的
60
%,并且结直肠癌所致经济负担在持续上升
。
[0003]结直肠癌患者常见的类型有黏液腺癌
、
没分化癌等
。
结肠癌主要以息肉形状与溃疡类型为主,随着病症进展其疾病逐渐沿着肠管呈现出明显的蔓延情况,并容易出现转移与局部侵犯,威胁到患者身体健康受,需要加强肠癌检查力度< ...
【技术保护点】
【技术特征摘要】
1.
基于
YOLOv7
模型的结直肠癌
CT
智能筛查系统构建方法,其特征在于,包括:构建临床数据集,对临床数据脱敏后由专业医生在数据集上标注,得到包括二维
jpg
格式图像数据和
txt
格式标注数据;对所述二维
jpg
格式图像数据和
txt
格式标注数据进行预处理,统计实验数据,得到实验数据特征后进行图像灰度统一
、
增强边缘
、
图像去噪;构建
YOLOv7
模型,在该模型中添加注意力机制,然后输入实验数据进行训练;基于上述训练后的
YOLOv7
模型和二维
CT
图像得到结直肠癌智能筛查系统
。2.
根据权利要求1所述基于
YOLOv7
模型的结直肠癌
CT
智能筛查系统构建方法,其特征在于,对临床数据脱敏后由专业医生在数据集上标注,具体方式为:对临床数据中的公开
CT
图像使用“letterbox”法统一大小;对临床数据中的
CT
数据处理方式为:挑选确诊的患者资料文件夹,从专业
CT
图像软件中将这些3维
DCM
格式的
CT
数据导出为
jpg
格式
CT
图像;文件夹名和图像文件名称为一串序列号;其中每一名患者的每一个切片都生成唯一序列号;将
CT
图像导入
Labelimg
软件,由专业医生根据图像中确诊部位进行勾画:医生先将患者的患病典型部位挑选出来,再使用
Labelimg
软件将目标位置框选出,注释标签填写为
confirm
,代表这部分是患有结直肠癌位置;接着医生将再选择类似部位的对照组,即未患有结直肠癌的典型部分,同样框选出来并注释为
not
;最后
Labelimg
软件生成一个名为
label
的文件夹,其中包含着与图像文件同名的
txt
标签文件;每一个标签文件中都包含所勾画的类别和位置信息,如表1所示:表1类别和位置信息
Classesxywh
其中,第一列为勾画的类别信息,分为0和1,分别代表肠癌组和非常肠癌组;
x
和
y
分别代表所画框的坐标位置;
w
和
h
代表所画框的长度和高度;上述
x、y、w
和
h
都归一化到0~1范围内
。3.
根据权利要求2所述基于
YOLOv7
模型的结直肠癌
CT
智能筛查系统构建方法,其特征在于,对临床数据使用“letterbox”法统一大小,具体方式为:计算缩放比例:根据模型输入尺寸要求,得到将原始二维
CT
图像缩放到目标尺寸的缩放比例;缩放图像:使用得到的缩放比例,将原始二维
CT
图像缩放到目标尺寸;添加黑色填充:如果缩放后的
CT
图像宽高比与目标尺寸的宽高比不匹配,在小维度上进行黑色填充,以使
CT
图像尺寸与目标尺寸完全匹配;标准化:将缩放后
CT
图像和
/
或填充后
CT
图像像素值统一到0到
255
之间
。4.
根据权利要求1所述基于
YOLOv7
模型的结直肠癌
CT
智能筛查系统构建方法,其特征在于,对所述二维
jpg
格式图像数据和
txt
格式标注数据进行预处理,统计实验数据,具体方式为:将
CT
图像中非黑色部分进行灰度统一:先将第
i
个3通道彩色图像转为灰度图像,再依次提取出灰度值在2到
240
的像素计算平均值,以此得到所有
CT
图像指定范围内的平均值,记为
mean
a
;获取每一幅
CT
图像的伽马值:将第
i
副图像转为灰度后,提取出灰度区间为
[2,4]
的像
素得到平均值记为
mean
i
,则伽马值
Gamma
i
由下式获得:其中
C
为依据图像效果设定的常量;按照所述伽马值将
CT
图像进行伽马变换,得到实验数据特征
。5.
根据权利要求1所述基于
YOLOv7
模型的结直肠癌
CT
智能筛查系统构建方法,其特征在于,按照所述伽马值将
CT
图像进行伽马变换,具体为:
g
i
(x
,
y)
=
T(f
i
(x,y)
,
Gamma
i
)
变换函数
T
的定义如下:其中
f
i
(x
,
y)
表示原始
CT
图...
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。