[发明专利]一种利用深度学习的胃癌增强CT图像自动识别系统

摘要

本发明提出了一种利用深度学习的胃癌增强CT图像自动识别系统，包括：Faster RCNN网络，所述Faster RCNN网络包括：特征提取网络、区域生成网络和感兴趣区域特征向量网络；特征提取网络用于生成卷积特征图；区域生成网络对卷积特征图进行筛选，生成可能为胃癌肿瘤的区域；最后，由感兴趣区域特征向量网络对卷积特征图及生成区域进行回归与分类，最终输出胃癌肿瘤细胞浸润最深的位置以及分割肿瘤结果。本发明的利用深度学习的胃癌增强CT图像自动识别系统，能够对增强CT图像进展期胃癌肿瘤进行识别，可以精确识别胃癌肿瘤部位，并且可以对进展期胃癌肿瘤进行T分期处理，其中对T3与T4期胃癌具有较高的准确性。

主权项

1.一种利用深度学习的胃癌增强CT图像自动识别系统，其特征在于，包括：/nFaster RCNN网络，所述Faster RCNN网络包括：特征提取网络、区域生成网络和感兴趣区域特征向量网络；/n特征提取网络用于生成卷积特征图；区域生成网络对卷积特征图进行筛选，生成可能为胃癌肿瘤的区域；最后，由感兴趣区域特征向量网络对卷积特征图及生成区域进行回归与分类，最终输出胃癌肿瘤细胞浸润最深的位置以及分割肿瘤结果；/n所述Faster RCNN网络的训练过程包括：/n步骤一，获得进展期胃癌图像，构成数据集；/n步骤二，人工利用labelImg软件对所述图像进行标识，标识所述图像中胃癌肿瘤细胞浸润最深的位置；/n步骤三，利用Faster RCNN网络提取所述图像上的感兴趣区域；/n步骤四，对数据集中的图像进行预处理，应用图像强度范围归一化和直方图均衡化方法来处理图像；/n步骤五，对预处理后的图像进行标准化处理；/n步骤六，随机抽样按比例将标准化处理后的图像划分为训练集及测试集；/n步骤七，将训练集图像输入Faster RCNN网络，进行多变量Logistic回归分析，首先确定胃的位置和形状，检测出胃癌肿瘤的位置后，标识所述图像中胃癌肿瘤细胞浸润最深的位置，得出分割肿瘤结果；/n步骤八，通过测试集对训练集进行验证；/n步骤九，当训练集的预测有效性达到预设值，则训练结束；当训练集的预测有效性低于预设值，重新构建训练集进行训练。/n