一种CT影像预测识别方法及系统技术方案

本发明专利技术公开了一种CT影像预测识别方法及系统，涉及图像处理技术领域，包括以下步骤：接收CT影像，对CT影像进行预处理，得到预处理CT影像；划分预处理CT影像的预测结果域，提取CT影像预测结果域的影像组学特征；对影像组学特征进行降维处理，筛选得出最优影像组学特征；将最优影像组学特征输入至预先建立的支持向量机模型内，得到影像组学模型，从而实现提高CT影像预测识别结果的功能。

【技术实现步骤摘要】

本专利技术涉及图像识别，具体的是一种ct影像预测识别方法及系统。

技术介绍

1、影像组学分析通常是通过从医学图像(如ct，mri)中提取高通量的影像特征，对特征数据进行降维后构建辅助诊断模型，用于预测肿瘤分级与病理分型，并且赋予影像特征生物学可解释性。

2、癌症的分级分型对患者的治疗及预后都起到了至关重要的作用，其确认的金标准为病理结果。但是传统的穿刺活检诊断会给病人带来创伤和经济负担。目前影像组学分析可以实现无创的辅助诊断，但仍存在一些问题，例如手动分割图像预测结果域耗费时费力。

技术实现思路

1、为解决上述
技术介绍
中提到的不足，本专利技术的目的在于提供一种ct影像预测识别方法及系统。

2、本专利技术的目的可以通过以下技术方案实现：一种ct影像预测识别方法，方法包括以下步骤：

3、接收ct影像，对ct影像进行预处理，得到预处理ct影像；

4、划分预处理ct影像的预测结果域，提取ct影像预测结果域的影像组学特征；

5、对影像组学特征进行降维处理，筛选本文档来自技高网...

【技术保护点】

1.一种CT影像预测识别方法，其特征在于，方法包括以下步骤：

2.根据权利要求1所述的一种CT影像预测识别方法，其特征在于，所述对CT影像进行预处理的过程：对CT影像基于序列进行排序，并剔除所需图像区域不全的序列后，将CT影像转换格式，对图像归一化后得到预处理CT影像。

3.根据权利要求1所述的一种CT影像预测识别方法，其特征在于，所述划分预处理CT影像的预测结果域：通过基于自适应卷积神经网络的KiTS23图像自动分割模型对nii或nii.gz或nrrd格式的预处理CT影像的所需图像区域进行划分，作为CT影像预测结果域。

4.根据权利要求1所述的一种C...

【技术特征摘要】

1.一种ct影像预测识别方法，其特征在于，方法包括以下步骤：

2.根据权利要求1所述的一种ct影像预测识别方法，其特征在于，所述对ct影像进行预处理的过程：对ct影像基于序列进行排序，并剔除所需图像区域不全的序列后，将ct影像转换格式，对图像归一化后得到预处理ct影像。

3.根据权利要求1所述的一种ct影像预测识别方法，其特征在于，所述划分预处理ct影像的预测结果域：通过基于自适应卷积神经网络的kits23图像自动分割模型对nii或nii.gz或nrrd格式的预处理ct影像的所需图像区域进行划分，作为ct影像预测结果域。

4.根据权利要求1所述的一种ct影像预测识别方法，其特征在于，所述ct影像预测结果域的影像组学特征通过影像组学超参数探索平台feature explorer(fae)进行提取。

5.根据权利要求...

【专利技术属性】
技术研发人员：许斌，居胜红，宣锴，吴天歌，赵泽宇，陈明，
申请(专利权)人：东南大学，
类型：发明
国别省市：