您所在的位置: 成果库 一种基于深度语义分割网络的自动识别鼻咽癌原发肿瘤方法

一种基于深度语义分割网络的自动识别鼻咽癌原发肿瘤方法

发布时间: 2022-10-12

来源: 科技服务团

基本信息

合作方式: 技术转让
成果类型: 发明专利
行业领域:
生物与新医药技术,医疗仪器技术、设备与医学专用软件
成果介绍
一种基于深度语义分割网络的自动识别鼻咽癌原发肿瘤方法,包括以下步骤: S1:采集患者的磁共振三维图像,并对所述磁共振三维图像进行初步的数据预处理; S2:对数据预处理后的磁共振三维图像进行灰度偏差场的纠正处理,使同一图像中相同组织内的灰度值更加均匀; S3:利用改进的直方图匹配算法对磁共振三维图像进行处理,通过训练一个灰度映射函数,使图像的直方图与预先挑选的模板图像的直方图进行匹配,使不同图像中相同组织内的灰度值更加相近; S4:截取磁共振三维图像的ROI区域,并分割为2*2个有重叠的patch作为模型的输入; S5:构建并训练深度语义分割网络对原发肿瘤进行识别; S6:将多个patch输入至已训练的深度语义分割网络进行原发肿瘤的识别; S7:将输出的多个patch的识别结果合并,得到最终的原发肿瘤识别结果; S8:利用平均场迭代算法对原发肿瘤识别结果进行后处理。 优选地,在步骤S1中,所述磁共振三维图像包括四个不同的数据序列T1、T1C、T1FSC、以及T2,每个序列的数据均为一个三维图像,并对这四个三维图像利用下采样、规范化进行预处理。
成果亮点
本发明公开了一种基于深度语义分割网络的自动识别鼻咽癌原发肿瘤方法,方法包括:采集患者的磁共振三维图像;对三维图像进行灰度偏差场的纠正处理;对预处理步骤后的三维图像利用改进的直方图匹配算法进行处理;对上述预处理步骤后的三维图像截取ROI区域,并分割为2*2个有重叠的patch作为模型的输入;对多个patch输入已训练的深度语义分割网络进行鼻咽癌原发肿瘤的识别,最终将输出的多个patch的识别结果合并。本发明利用患者的多个磁共振三维序列,并进行灰度偏差场纠正、直方图匹配等数据预处理步骤,能有效提高输入数据的质量,从而提高深度模型的预测效果。 本发明使用深度学习方法,并利用编码器-解码器及跳跃连接的网络结构,能学习到高分辨率图像的全局信息和细节信息,结合平均场迭代的后处理方法,能有效提高预测的准确度和模型的泛化能力。 本发明在放射治疗计划工作流程中实施AI辅助的轮廓加工方法,能有效提高医疗工作者的工作效率,在对放射治疗的需求不断增加的背景下,对缺乏放射治疗资源的中低收入国家尤其具有吸引力。同时该方法可以扩展适用于所有其他癌症类型,对未来改变放射治疗的工作流程带来实质性的推进。
团队介绍
1924年,孙中山先生亲手将广州地区实行近代高等教育模式的多所学校整合创立国立广东大学,并亲笔题写校训:“博学、审问、慎思、明辨、笃行”。孙中山先生逝世后,学校于1926年定名为国立中山大学。 今日的中山大学,由1952年院系调整后分设的中山大学和中山医科大学于2001年10月合并而成,是一所包括文学、历史学、哲学、法学、经济学、管理学、教育学、理学、医学、工学、农学、艺术学等在内的综合性大学。 中山大学和中山医科大学有着深厚的历史渊源及学术传统。鲁迅、郭沫若、冯友兰、傅斯年、赵元任、顾颉刚、周谷城、俞平伯、陈寅恪、戴镏龄、商承祚、容庚、梁方仲、姜立夫、高由禧、蒲蛰龙、高兆兰等蜚声海内外的专家学者都曾在中山大学任教。柯麟、梁伯强、谢志光、陈心陶、陈耀真、秦光煜、林树模、周寿恺、钟世藩等著名医学专家曾在中山医科大学任教。学校名家大师荟萃,他们优秀的品格和精湛的学术造诣熏陶着一代代莘莘学子,形成了良好的学术风气,许多才华横溢的毕业生成为了社会各界的杰出人才。
成果资料