【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)屬于圖像處理，具體涉及一種基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺栓塞的鑒別識(shí)別系統(tǒng)。
技術(shù)介紹
1、肺血栓栓塞（pte）是繼急性冠脈綜合癥和腦卒中后的第三大最常見(jiàn)的死亡原因。慢性肺血栓栓塞（cpe）是靜脈血栓栓塞的長(zhǎng)期并發(fā)癥，可能發(fā)展為慢性血栓栓塞性肺動(dòng)脈高壓，與急性肺栓塞（ape）相比需要不同的治療方案和管理策略。pte的識(shí)別診斷通常是通過(guò)ct肺動(dòng)脈血管成像（ctpa）顯示肺動(dòng)脈填充缺缺。但越來(lái)越多病例證實(shí)肺動(dòng)脈充盈缺損并不總是代表pte。肺動(dòng)脈肉瘤（pas）雖然罕見(jiàn)，但是其作為一種起源于肺動(dòng)脈的惡性腫瘤，通常預(yù)后極差。pas的早期診斷是至關(guān)重要的，因?yàn)樗梢苑乐共贿m當(dāng)?shù)目鼓?，并允許及時(shí)的手術(shù)干預(yù)，潛在改善結(jié)果。盡管ctpa在診斷pte方面很有用，但由于類(lèi)似的填充缺陷，pas往往類(lèi)似于pte，導(dǎo)致經(jīng)常的誤診和無(wú)效的抗凝治療。
2、以往的研究試圖通過(guò)影像學(xué)特征鑒別pas和pte，但這類(lèi)研究的患者數(shù)量太少，影像學(xué)結(jié)果是非特異性的。隨著人工智能技術(shù)（ai）的發(fā)展，將其引入臨床工作流程已被提出，以促進(jìn)疾病的診斷和治療。深度學(xué)習(xí)（dl）模型已被用于評(píng)估ape，區(qū)分縮窄性心包炎和限制性心肌病、肥厚性心肌病和高血壓性心臟病，對(duì)冠狀動(dòng)脈ct血管造影中慢性全閉塞患者經(jīng)皮再通的分割和預(yù)測(cè)，因此采用dl模型有望輔助實(shí)現(xiàn)pas與pte的鑒別診斷。
技術(shù)實(shí)現(xiàn)思路
1、本專(zhuān)利技術(shù)旨在至少在一定程度上解決上述相關(guān)技術(shù)中的技術(shù)問(wèn)題之一。
2、為此，本專(zhuān)利技術(shù)的目的在于提供一種基于深度學(xué)習(xí)
3、為了解決上述技術(shù)問(wèn)題，本專(zhuān)利技術(shù)是這樣實(shí)現(xiàn)的：
4、本專(zhuān)利技術(shù)實(shí)施例提供了一種基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，所述系統(tǒng)包括：
5、數(shù)據(jù)采集模塊，獲取包含ape、cpe和pas的三維容積ctpa圖像數(shù)據(jù)集用于深度學(xué)習(xí)模型訓(xùn)練模塊、內(nèi)部測(cè)試模塊和外部驗(yàn)證模塊的數(shù)據(jù)集，以及獲取ctpa圖像數(shù)據(jù)用于模型應(yīng)用模塊的待識(shí)別數(shù)據(jù)；
6、數(shù)據(jù)預(yù)處理模塊，對(duì)數(shù)據(jù)采集模塊采集的數(shù)據(jù)進(jìn)行預(yù)處理，獲得滿足后續(xù)模塊使用要求的數(shù)據(jù)；
7、深度學(xué)習(xí)模型訓(xùn)練模塊，采用有監(jiān)督的卷積神經(jīng)網(wǎng)絡(luò)pvdnet框架來(lái)實(shí)現(xiàn)，用預(yù)處理后的數(shù)據(jù)對(duì)該pvdnet框架進(jìn)行訓(xùn)練得到訓(xùn)練好的識(shí)別模型；
8、內(nèi)部測(cè)試模塊，用于根據(jù)相應(yīng)的內(nèi)部測(cè)試用數(shù)據(jù)集對(duì)訓(xùn)練好的識(shí)別模型進(jìn)行內(nèi)部測(cè)試；
9、外部驗(yàn)證模塊，用于根據(jù)相應(yīng)的外部驗(yàn)證用數(shù)據(jù)集對(duì)訓(xùn)練好的識(shí)別模型進(jìn)行識(shí)別，再將識(shí)別結(jié)果與人工識(shí)別結(jié)果進(jìn)行統(tǒng)計(jì)分析，驗(yàn)證識(shí)別模型的準(zhǔn)確性；
10、模型應(yīng)用模塊，通過(guò)識(shí)別模型對(duì)真實(shí)的待識(shí)別數(shù)據(jù)進(jìn)行識(shí)別，判斷對(duì)應(yīng)的ctpa圖像上是否存在ape、cpe和/或pas。
11、另外，根據(jù)本專(zhuān)利技術(shù)的基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，還可以具有如下附加的技術(shù)特征：
12、在其中的一些實(shí)施方式中，所述數(shù)據(jù)采集模塊獲取952例包含ape、cpe和pas的三維體積ctpa圖像數(shù)據(jù)集；其中，590例用作深度學(xué)習(xí)模型訓(xùn)練模塊的訓(xùn)練用數(shù)據(jù)集，186例用作內(nèi)部測(cè)試模塊的測(cè)試用數(shù)據(jù)集，176例用作外部驗(yàn)證模塊的驗(yàn)證用測(cè)試集。
13、在其中的一些實(shí)施方式中，952例三維體積ctpa圖像數(shù)據(jù)集的納入標(biāo)準(zhǔn)包括：ctpa上的填充缺損為中心型、ape已通過(guò)抗凝或溶栓治療后的隨訪實(shí)現(xiàn)確診、cpe已通過(guò)隨訪和肺內(nèi)膜切除術(shù)或球囊肺血管成形術(shù)實(shí)現(xiàn)診斷、pas已經(jīng)活檢或手術(shù)病理得以證實(shí)。
14、在其中的一些實(shí)施方式中，所述數(shù)據(jù)預(yù)處理模塊的處理內(nèi)容包括：對(duì)每個(gè)三維體積ctpa圖像進(jìn)行分割，然后通過(guò)相應(yīng)的分割掩模提取的三維邊界框從每個(gè)分割圖片中提取肺區(qū)域，保留肺動(dòng)脈和心臟；然后調(diào)整肺區(qū)域的大小，再對(duì)其進(jìn)行歸一化處理。
15、在其中的一些實(shí)施方式中，將肺區(qū)域調(diào)整為192×192×192，窗口中心為100，窗口寬度為700，進(jìn)行窗口操作，對(duì)調(diào)整大小的肺區(qū)域進(jìn)行最小-最大歸一化處理。
16、在其中的一些實(shí)施方式中，所述有監(jiān)督的卷積神經(jīng)網(wǎng)絡(luò)pvdnet框架包括預(yù)先訓(xùn)練好的resnet-50、最大池化模塊和具有softmax激活函數(shù)的完全連接層；
17、所述resnet-50包含38億個(gè)可訓(xùn)練參數(shù)來(lái)提取實(shí)例特征；
18、所述最大池化模塊，采用最大池化操作來(lái)進(jìn)行特征聚合；
19、所述完全連接層通過(guò)softmax激活函數(shù)生成概率分?jǐn)?shù)進(jìn)行分類(lèi)。
20、在其中的一些實(shí)施方式中，所述深度學(xué)習(xí)模型訓(xùn)練模塊接收所述數(shù)據(jù)預(yù)處理模塊處理后的3d體積的數(shù)據(jù)對(duì)其沿z軸進(jìn)行分割，得到若干2d切片，形成切片袋，再將所述切片袋輸入所述有監(jiān)督的卷積神經(jīng)網(wǎng)絡(luò)pvdnet框架進(jìn)行模型訓(xùn)練。
21、在其中的一些實(shí)施方式中，所述深度學(xué)習(xí)模型訓(xùn)練模塊采用五倍交叉驗(yàn)證的方式進(jìn)行模型訓(xùn)練；在每個(gè)折疊中，將訓(xùn)練數(shù)據(jù)的80%作為模型訓(xùn)練的開(kāi)發(fā)集，剩下的20%作為模型選擇的調(diào)優(yōu)集；將在調(diào)優(yōu)集上獲得最佳結(jié)果的模型用于后續(xù)的內(nèi)部測(cè)試集和外部驗(yàn)證。
22、在其中的一些實(shí)施方式中，所述深度學(xué)習(xí)模型訓(xùn)練模塊采用優(yōu)化器對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行50個(gè)epoch的訓(xùn)練，初始學(xué)習(xí)速率為1e-5，小批量大小為1；采用實(shí)例平衡抽樣來(lái)減輕類(lèi)不平衡的影響，并選擇類(lèi)平衡損失作為損失函數(shù)來(lái)訓(xùn)練模型；采用基于調(diào)整集損失的簡(jiǎn)化lon平臺(tái)方法來(lái)調(diào)整學(xué)習(xí)率；。
23、在其中的一些實(shí)施方式中，所述系統(tǒng)還包括可視化模塊，采用梯度加權(quán)類(lèi)激活映射來(lái)可視化模型的決策過(guò)程。
24、本專(zhuān)利技術(shù)的附加方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過(guò)本專(zhuān)利技術(shù)的實(shí)踐了解到。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，其特征在于，所述系統(tǒng)包括：
2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，其特征在于，所述數(shù)據(jù)采集模塊獲取952例包含APE、CPE和PAS的三維體積CTPA圖像數(shù)據(jù)集；其中590例用作深度學(xué)習(xí)模型訓(xùn)練模塊的訓(xùn)練用數(shù)據(jù)集，186例用作內(nèi)部測(cè)試模塊的測(cè)試用數(shù)據(jù)集，176例用作外部驗(yàn)證模塊的驗(yàn)證用測(cè)試集。
3.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，其特征在于，952例三維容積CTPA圖像數(shù)據(jù)集的納入標(biāo)準(zhǔn)包括：CTPA上的填充缺損為中心型、APE已通過(guò)抗凝或溶栓治療后的隨訪實(shí)現(xiàn)確診、CPE已通過(guò)隨訪和肺內(nèi)膜切除術(shù)或球囊肺血管成形術(shù)確診，PAS經(jīng)活檢或手術(shù)病理確診。
4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，其特征在于，所述數(shù)據(jù)預(yù)處理模塊的處理內(nèi)容包括：對(duì)每個(gè)三維容積CTPA圖像進(jìn)行分割，然后通過(guò)相應(yīng)的分割掩模提取的三維邊界框從每個(gè)分割圖片中提取肺區(qū)域，保留肺動(dòng)脈和心臟；然后調(diào)整肺區(qū)域的大小，再對(duì)其進(jìn)行歸
5.根據(jù)權(quán)利要求4所述的基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，其特征在于，將肺區(qū)域調(diào)整為192×192×192，窗口中心為100，窗口寬度為700，進(jìn)行窗口操作，對(duì)調(diào)整大小的肺區(qū)域進(jìn)行最小-最大歸一化處理。
6.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，其特征在于，所述有監(jiān)督的卷積神經(jīng)網(wǎng)絡(luò)PVDNet框架包括預(yù)先訓(xùn)練好的ResNet-50、最大池化模塊和具有softmax激活函數(shù)的完全連接層；
7.根據(jù)權(quán)利要求6所述的基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，其特征在于，所述深度學(xué)習(xí)模型訓(xùn)練模塊接收所述數(shù)據(jù)預(yù)處理模塊處理后的3D體積的數(shù)據(jù)對(duì)其沿z軸進(jìn)行分割，得到若干2D切片，形成切片袋，再將所述切片袋輸入所述有監(jiān)督的卷積神經(jīng)網(wǎng)絡(luò)PVDNet框架進(jìn)行模型訓(xùn)練。
8.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，其特征在于，所述深度學(xué)習(xí)模型訓(xùn)練模塊采用五倍交叉驗(yàn)證的方式進(jìn)行模型訓(xùn)練；在每個(gè)折疊中，將訓(xùn)練數(shù)據(jù)的80%作為模型訓(xùn)練的開(kāi)發(fā)集，剩下的20%作為模型選擇的調(diào)優(yōu)集；將在調(diào)優(yōu)集上獲得最佳結(jié)果的模型用于后續(xù)的內(nèi)部測(cè)試集和外部驗(yàn)證。
9.根據(jù)權(quán)利要求8所述的基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，其特征在于，所述深度學(xué)習(xí)模型訓(xùn)練模塊采用優(yōu)化器對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行50個(gè)Epoch的訓(xùn)練，初始學(xué)習(xí)速率為1e-5，小批量大小為1；采用實(shí)例平衡抽樣來(lái)減輕類(lèi)不平衡的影響，并選擇類(lèi)平衡損失作為損失函數(shù)來(lái)訓(xùn)練模型；采用基于調(diào)整集損失的簡(jiǎn)化lon平臺(tái)方法來(lái)調(diào)整學(xué)習(xí)率。
10.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，其特征在于，所述系統(tǒng)還包括可視化模塊，采用梯度加權(quán)類(lèi)激活映射來(lái)可視化模型的決策過(guò)程。
...【技術(shù)特征摘要】
1.一種基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，其特征在于，所述系統(tǒng)包括：
2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，其特征在于，所述數(shù)據(jù)采集模塊獲取952例包含ape、cpe和pas的三維體積ctpa圖像數(shù)據(jù)集；其中590例用作深度學(xué)習(xí)模型訓(xùn)練模塊的訓(xùn)練用數(shù)據(jù)集，186例用作內(nèi)部測(cè)試模塊的測(cè)試用數(shù)據(jù)集，176例用作外部驗(yàn)證模塊的驗(yàn)證用測(cè)試集。
3.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，其特征在于，952例三維容積ctpa圖像數(shù)據(jù)集的納入標(biāo)準(zhǔn)包括：ctpa上的填充缺損為中心型、ape已通過(guò)抗凝或溶栓治療后的隨訪實(shí)現(xiàn)確診、cpe已通過(guò)隨訪和肺內(nèi)膜切除術(shù)或球囊肺血管成形術(shù)確診，pas經(jīng)活檢或手術(shù)病理確診。
4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，其特征在于，所述數(shù)據(jù)預(yù)處理模塊的處理內(nèi)容包括：對(duì)每個(gè)三維容積ctpa圖像進(jìn)行分割，然后通過(guò)相應(yīng)的分割掩模提取的三維邊界框從每個(gè)分割圖片中提取肺區(qū)域，保留肺動(dòng)脈和心臟；然后調(diào)整肺區(qū)域的大小，再對(duì)其進(jìn)行歸一化處理。
5.根據(jù)權(quán)利要求4所述的基于深度學(xué)習(xí)的肺動(dòng)脈肉瘤和肺動(dòng)脈栓塞智能識(shí)別系統(tǒng)，其特征在于，將肺區(qū)域調(diào)整為192×192×192，窗口中心為100，窗口寬度為700，進(jìn)行窗口操作，對(duì)調(diào)整大小的肺區(qū)域進(jìn)行最小-最大歸一化處理。
6.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的肺動(dòng)...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：劉敏，席霖楓，亢寒，張榮國(guó)，劉安琪，倪逸飛，王建平，杜婕，王辰，
申請(qǐng)(專(zhuān)利權(quán))人：中日友好醫(yī)院中日友好臨床醫(yī)學(xué)研究所，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。