[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

权利要求书

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：

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；

所述Faster RCNN网络的训练过程包括：

步骤一，获得进展期胃癌图像，构成数据集；

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；

步骤三，利用Faster RCNN网络提取所述图像上的感兴趣区域；

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；

步骤五，对预处理后的图像进行标准化处理；

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；

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；

步骤八，通过测试集对训练集进行验证；

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。

2.如权利要求1所述的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，

所述特征提取网络是VGG结构或者ZF结构。

3.如权利要求1所述的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，

所述区域生成网络在所述特征提取网络的最后一层后添加一层卷积层，在提取出的卷积特征图上对所有待定的候选框进行判别，在卷积特征图上生成可能为胃癌肿瘤的区域。

4.如权利要求1所述的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，

所述感兴趣区域特征向量网络和所述区域生成网络共享卷积特征图，经过感兴趣区域特征向量网络的感兴趣区域池化层以及后面的两个子全连接层，得到预测边框的坐标与类别的概率分数。

5.如权利要求1所述的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，

所述Faster RCNN网络的训练过程的步骤三中，利用Faster RCNN网络提取所述图像上的感兴趣区域之后，还包括：使用数据增强算法获得更多图像，增加数据集。

6.如权利要求1所述的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，

所述Faster RCNN网络的训练过程的步骤五中，对经过预处理的图像进行z-Score标准化处理。