[发明专利]一种基于深度神经网络的胰腺肿瘤病理自动诊断系统

权利要求书

1.一种基于深度神经网络的胰腺肿瘤病理自动诊断系统，其特征在于，包括深度神经网络模型，所述深度神经网络模型包括：

特征提取网络，用于对输入的整张图像的图像特征进行抽象，提取放射学特征并生成卷积特征图；

区域生成网络，用于根据特征提取网络输出的卷积特征图进行筛选，推荐候选区域；

池化层，对所述卷积特征图以及所述候选区域进行卷积操作，将不同大小的输入信号转换为固定长度的输出信号，得到一组低维特征向量；

分类和回归层，构建一个预测病理等级的放射组学模型，根据池化层输出的低维特征向量，根据放射学特征预测胰腺肿瘤的病理程度。

2.如权利要求1所述的一种基于深度神经网络的胰腺肿瘤病理自动诊断系统，其特征在于，还包括预处理模块，通过体素重采样和灰度归一化对输入的整张图像进行预处理，经过预处理后的图像输入到特征提取网络。

3.如权利要求2所述的一种基于深度神经网络的胰腺肿瘤病理自动诊断系统，其特征在于，所述预处理模块对图像的体素重采样进行到相同的体素尺寸1*1*1mm，图像的灰度被标准化为64个bin。

4.如权利要求1所述的一种基于深度神经网络的胰腺肿瘤病理自动诊断系统，其特征在于，所述特征提取网络提取放射学特征，包括四种类型：(1)强度特征；(2)形状特征；(3)纹理特征；(4)小波特征。

5.如权利要求4所述的一种基于深度神经网络的胰腺肿瘤病理自动诊断系统，其特征在于，提取所述强度特征的步骤具体为：测量肿瘤体积内的体素强度统计分布。

6.如权利要求4所述的一种基于深度神经网络的胰腺肿瘤病理自动诊断系统，其特征在于，提取所述纹理特征的步骤具体为：基于灰度大小带矩阵、灰度游程矩阵和邻域，计算出描述肿瘤体积内体素空间强度相关性和分布的纹理特征。

7.如权利要求4所述的一种基于深度神经网络的胰腺肿瘤病理自动诊断系统，其特征在于，所述特征提取网络提取放射组学特征的步骤，包括：

首先，采用Wilcox-T检验筛选在所有两个病理等级病人之间具有显著性的特征；

然后，通过最大相关最小冗余方法，提取特定的特征数目。

8.如权利要求7所述的一种基于深度神经网络的胰腺肿瘤病理自动诊断系统，其特征在于，筛选在所有两个病理等级病人之间具有显著性的特征的标准为p-value0.05。

9.如权利要求7所述的一种基于深度神经网络的胰腺肿瘤病理自动诊断系统，其特征在于，

通过多变量logistic回归算法构建放射组学模型。

10.如权利要求7所述的一种基于深度神经网络的胰腺肿瘤病理自动诊断系统，其特征在于，

通过支持向量机算法构建放射组学模型。