【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于深度学习的肾透明细胞癌影像组学分析装置。
技术介绍
1、肾脏是人体泌尿系统的重要组成器官，能够生成尿液，完成对营养物质的重吸收，维持机体内环境的相对稳定。肾癌在泌尿系统肿瘤中占第二位，约占成人肿瘤的2％～3％，其逐年增加的发病率和死亡率对人类的身体健康造成严重威胁。肾透明细胞癌是肾癌中最常见的一种肿瘤，约占肾肿瘤的60％～70％，病理切片图像作为检测肿瘤的金标准，为进一步研究和治疗肾透明细胞癌提供了有效的途径。现有技术中通常是医疗人员基于肾透明细胞癌的病理性特征，根据以往积累的经验，对肾透明细胞癌的病理学分级进行推断。显然，这种对肾透明细胞癌影像的分析过程的效率较低。
2、由此可见，现有技术中存在对肾透明细胞癌的病理学分级的预测效率低的技术问题。
技术实现思路
1、本专利技术目的在于提供一种基于深度学习的肾透明细胞癌影像组学分析装置，以解决上述问题。本专利技术提供了一种基于深度学习的肾透明细胞癌影像组学分析装置，包括：分割单元，用于根据获取到的肾癌患者的扫描切片图像对肾透明细胞癌病变区域进行分割，获取肾透明细胞癌组织的特征图像；标注单元，用于对上述肾透明细胞癌组织的特征图像进行预处理，并将经过上述预处理的上述肾透明细胞癌组织的特征图像分割成多个子图像，对各个上述子图像进行标注，并将已标注的各个上述子图像加入数据集；搭建单元，用于基于上述肾透明细胞癌组织的特征图像以及各个上述子图像搭建深度神经网络，其中，上述深度神经网络包括辅助神经
2、本专利技术与现有技术相比，具有如下的优点和有益效果：
3、1、本专利技术可以提供一种基于深度学习的肾透明细胞癌影像组学分析装置，该装置能对肾癌患者的扫描切片图像进行自动识别以及分析，能够辅助医疗人员更高效，更准确地确定肾透明细胞癌的病理学分级，从而更好的帮助患者确定合适的治疗方案，减轻医疗人员的负担。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的肾透明细胞癌影像组学分析装置，其特征在于，包括：
2.根据权利要求1所述的装置，其特征在于，所述深度神经网络为采用输入层、多层卷积神经网络、注意力模型、全连接层、softmax层、分类层搭建的。
3.根据权利要求2所述的装置，其特征在于，
4.根据权利要求3所述的装置，其特征在于，所述预测单元还包括：第二预测模块，用于在所述利用已标注的所述数据集对所述深度神经网络进行训练之后，在所述将所述测试集中的图像输入训练完成的所述深度神经网络，对所述测试集中的图像的病理学分级进行预测，以计算所述深度神经网络在所述测试集上的正确率。
5.根据权利要求1所述的装置，其特征在于，
6.根据权利要求1所述的装置，其特征在于，所述装置还包括：
7.根据权利要求1至6中任一项所述的装置，其特征在于，所述预处理包括以下一种或多种操作：裁剪、放大、旋转、增强亮度以及增强对比度。
【技术特征摘要】
1.一种基于深度学习的肾透明细胞癌影像组学分析装置，其特征在于，包括：
2.根据权利要求1所述的装置，其特征在于，所述深度神经网络为采用输入层、多层卷积神经网络、注意力模型、全连接层、softmax层、分类层搭建的。
3.根据权利要求2所述的装置，其特征在于，
4.根据权利要求3所述的装置，其特征在于，所述预测单元还包括：第二预测模块，用于在所述利用已标注的所述数据集对所述深度神经网络进行...
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。