[发明专利]融合CT影像和个性化信息的分析系统、方法、装置及介质

说明书

本发明属于图像处理技术领域，公开了一种融合CT影像和个性化信息的分析系统、方法、装置及介质。其中系统包括：影像预处理单元，用于对输入的原始CT影像进行预处理，得到预处理后病灶图像；个性信息整合单元，用于采集、整合患者的个人信息，提取得到个人信息特征向量；影像网络单元，用于将所述预处理后病灶图像输入深度影像网络，进行监督学习，训练提取影像特征向量；融合分析网络单元，用于将所述个人信息特征向量和所述影像特征向量进行拼接，输入融合分析网络，训练输出分析结果。采用本发明，能够解决现有技术中基于CT影像分析系统的分析结果不够准确的问题。

技术领域

本发明涉及影像处理技术领域，特别是涉及一种融合CT影像和个性化信息的分析系统、装置及存储介质。

背景技术

癌症是目前我国导致死亡的各种原因中排名第一的重大复杂疾病。从医学上来说，癌指的是产生于上皮组织的恶性肿瘤。一般来说，我们所说的“癌症”泛指所有恶性肿瘤。癌症具有细胞不受控生长和无限制分裂、对细胞程序性死亡的逃逸、可能侵袭或转移到其他脏器等特征，癌症的产生是一个多种因素影像、多个步骤作用的复杂生理过程。目前人们已知的癌症类型有200种以上，它们所包含的亚型就更多。根据恶性肿瘤的不同发展程度，人们将其分为不同的阶段，目前TNM分期法是世界通用的分期方法。

医生通常通过活体组织切片(biopsy)来对病灶做组织病理学的诊断，但会对人体造成一定的损伤。影像相对活检则是一种对人体损伤小的检测手段，计算机断层成像(Computed Tomography)是一种较为常见的影像诊断学的检查手段，它根据人体不同的组织有着不同的X射线吸收能力，反映人体内部的各种微小病变部位。CT影像技术具有如下的优点：无创无痛、成像时间短、成像分辨率高、图像后续处理手段丰富。人工CT诊断存在两个可能的难题：(1)读片依赖医生经验和水平；(2)如果病灶较小，医生需要长时间仔细观察，加大了医师和患者的时间成本。因此人们急需机器辅助手段来帮助解读CT影像中蕴含的信息，该研究领域被称为计算机辅助诊断(Computer Aided Diagnosis,CAD)。随着计算机视觉的发展研究，人们发现CT影像中还包含了许多肉眼难以解读的信息，这些信息可能与患者的某些临床表现甚至是基因相关联，而机器却可以解读这些信息。

近年来随着大规模数据积累和计算能力的大大提高，卷积神经网络(Convolutional Neural Network，CNN)和深度学习(Deep Learning，DL)获得了突飞猛进的发展，人们在计算机视觉领域取得了一系列卓越的成果。而医疗影像作为数字图像的一种，自2016年以来受到了深度学习技术的极大冲击，人们正在探索深度学习在这个领域的应用潜力，在一些疾病的识别任务上已经取得了很好的效果。

发明内容

本发明的目的在于提供一种融合CT影像和个性化信息的分析系统、方法、装置及介质，以解决现有技术中的分析系统的分析结果不够准确的问题。

上述目的是通过以下技术方案实现的：

根基本发明的一个方面，提供的一种融合CT影像和个性化信息的分析系统，包括：影像预处理单元，用于对输入的原始CT影像进行预处理，得到预处理后病灶图像；个性信息整合单元，用于采集、整合患者的个人信息，并对整合后数据进行处理，提取得到个人信息特征向量；影像网络单元，用于将所述预处理后病灶图像输入深度影像网络，进行监督学习，训练提取影像特征向量；融合分析网络单元，用于将所述个人信息特征向量和所述影像特征向量进行拼接，输入融合分析网络，训练输出分析结果。

优选地，该系统还包括：影像特征可视化单元，用于呈现影像网络单元的中间层输出；个性信息可视化单元，用于呈现训练后的个性信息所占权值。

更优选地，所述影像特征可视化单元中，中间层输出为反应直观征象的卷积核，所述卷积核从影像网络单元的训练过程中得到；所述个性信息可视化单元中，所述个性信息所占权值是通过将不同个人信息的分量置零并观测分析结果的变化得到。