[发明专利]识别脑胶质瘤方法、装置、设备和存储介质

摘要

本申请涉及页面智能决策领域，提供了识别脑胶质瘤的方法、装置、设备和存储介质，方法包括：获取脑胶质瘤3D图像集合；将临床采集的脑胶质瘤核磁共振图像序列分别输入至特征提取模型以及分割模型，训练多组超参数下特征提取模型以及分割模型；通过所述分割模型的损失函数，将误差最小的一组所述超参数下的所述模型作为目标分割模型；接收用户发送的脑胶质瘤3D图像后，则将所述用户发送的脑胶质瘤3D图像输入至所述目标分割模型，生成二值分割图像，并将所述二值分割图像发送给所述用户。通过获取无标注数据的特征，将获得的特征其引入到监督学习中，使得可使用的样本数据得到扩充和提高未标注图像的利用效率，模型预测的准确率上升。

主权项

1.一种识别脑胶质瘤的方法，其特征在于，所述神经网络包括特征提取模型以及分割模型，所述方法包括：获取脑胶质瘤3D图像序列集合；所述脑胶质瘤3D图像序列集合包括多张未标注的临床采集的脑胶质瘤核磁共振图像序列和多张已标注的临床采集的脑胶质瘤核磁共振图像序列；将所述多张未标注的临床采集的脑胶质瘤核磁共振图像序列输入至所述特征提取模型，以训练所述特征提取模型，得到未标注的临床采集的脑胶质瘤核磁共振图像序列的均值以及方差；将所述未标注的临床采集的脑胶质瘤核磁共振图像序列的均值以及方差和多张所述已标注的临床采集的脑胶质瘤核磁共振图像序列依次输入至所述分割模型，以训练多组超参数下的所述分割模型；所述特征提取模型是指其中，代表根据所述特征提取模型神经网络层的多层感知器中第n‑1层的输出，训练所述特征模型神经网络层的多层感知器中第n层中第k个神经元得到的权值，表示相应的偏置，f_iⁿ表示第i个未标注的临床采集的脑胶质瘤核磁共振图像序列输入至所述分割模型后在所述分割模型的第n层的输出，i、j以及k为任意正整数，n为自然数；当n为0时，f_i⁰是指所述未标注的临床采集的脑胶质瘤核磁共振图像序列；当n为所述分割模型的最后一层时，f_iⁿ是指所述未标注的临床采集的脑胶质瘤核磁共振图像序列的均值和方差；所述分割模型是指：其中，代表根据所述分割模型卷积层的多层感知器中第n‑1层的输出，训练所述分割模型卷积层的多层感知器中第n层中第k个神经元得到的权值，表示相应的偏置，f_iⁿ表示第i个已标注的临床采集的脑胶质瘤核磁共振图像序列输入至所述分割模型后在所述分割模型的第n层的输出，i、j以及k为任意正整数，n为自然数；当n为0时，f_i⁰是指所述已标注的临床采集的脑胶质瘤核磁共振图像序列；当n为所述分割模型的最后一层时，f_iⁿ是指所述二值图像；将所述特征提取模型输出的未标注的脑胶质瘤3D图像序列特征的均值采样以及方差采样输入至所述分割模型，进行运算训练所述分割模型中直至所述已标注的临床采集的脑胶质瘤核磁共振图像序列均已输入至所述分割模型，结束对所述特征提取模型以及所述分割模型的训练，以得到多组超参数下的所述神经网络；通过所述特征提取模型的损失函数、所述分割模型的损失函数、准确率、精确度precision以及召回率recall中的至少一项评估所述分割模型的误差，将误差最小的一组所述超参数下的所述模型作为目标分割模型；接收用户发送的脑胶质瘤3D图像后，则将所述用户发送的脑胶质瘤3D图像输入至所述目标分割模型，生成二值分割图像，并将所述二值分割图像发送给所述用户。