[发明专利]基于多模型权重分配网络的直肠癌病理完全反应预测方法

权利要求书

1.一种基于多模型权重分配网络的直肠癌病理完全反应预测方法，其特征在于，包括如下步骤：

原始图像预处理；

特征提取、分割；

对经特征提取、分割生成的ROI图像进行标准处理，输入预测模型得到预测结果。

2.根据权利要求1所述的基于多模型权重分配网络的直肠癌病理完全反应预测方法，其特征在于，所述原始图像预处理包括对垂直轴图像的切片和数据增强，即将原始的nrrd格式的MRI图像进行切片，为减少高强度的伪影数量，使用一种对比度限制的自适应直方图均衡方法来改进对比度，为防止过拟合，采用包括旋转、水平翻转的数据增强方法来改变输入图像，在数据增强后，数据集被扩展到其原始大小的4倍。

3.根据权利要求1所述的基于多模型权重分配网络的直肠癌病理完全反应预测方法，其特征在于，所述特征提取、分割，即在神经网络中使用卷积核直接提取原始图像的特征，并通过滑动卷积核块来提取整个原始图像的特征；通过卷积提取特征后，根据提取的特征输出肿瘤的二值图像；然后根据二值图像对原始图像进行分割，得到所需的肿瘤区域图像；对于肿瘤的二值图像还需要进一步的后处理，以去除图像中的杂点噪声。

4.根据权利要求1所述的基于多模型权重分配网络的直肠癌病理完全反应预测方法，其特征在于，所述对经特征提取、分割生成的ROI图像进行标准处理，即：首先，找到经特征提取、分割生成的ROI图像每个方向上的最外层像素；然后，将4个像素向外扩展5个像素，生成一个包含整个肿瘤的标准矩形轮廓；最后，将生成的轮廓进行裁剪，得到裁剪图像。

5.根据权利要求1所述的基于多模型权重分配网络的直肠癌病理完全反应预测方法，其特征在于，所述预测模块为分别采用含有3层、4层和5层卷积层的神经网络以及原始图像大小分别为64*64、128*128和256*256的肿瘤图像，得到的9种模型。

6.根据权利要求1所述的基于多模型权重分配网络的直肠癌病理完全反应预测方法，其特征在于，所述输入预测模型得到预测结果，即：计算每个病例每个切片的治疗结果的概率值，并将概率值与权重分配算法结合，计算出每个病例的总体概率值。

7.根据权利要求6所述的基于多模型权重分配网络的直肠癌病理完全反应预测方法，其特征在于，所述将概率值与权重分配算法结合，计算出每个病例的总体概率值的计算公式如下：

其中，S_i表示每个切片的预测得分即概率值，j表示每个病例的切片数，W_i表示每个切片的权重。

8.一种基于多模型权重分配网络的直肠癌病理完全反应预测系统，其特征在于，包括：预处理模块、分割模块、后处理模块和预测模块；

所述预处理模块用于对原始图像进行切片以及数据增强；

所述分割模块用于对预处理模块输出的图像进行肿瘤的分割，输出肿瘤二值图像；

所述后处理模块用于对输出肿瘤二值图像进行噪点去除；

所述预测模块用于将后处理模块输出的图像定位至原始图像中并截取出来进行预测，并输出结果。

9.根据权利要求8所述的基于多模型权重分配网络的直肠癌病理完全反应预测系统，其特征在于，所述分割模块采用的网络结构为U-Net。

10.根据权利要求8所述的基于多模型权重分配网络的直肠癌病理完全反应预测系统，其特征在于，所述预测模块采用的是卷积神经网络。