[发明专利]基于深度神经网络的肝部病例图像分类方法及系统

说明书

本发明提供一种基于深度神经网络的肝部病例图像分类方法及系统，包括：获得属于同一用户设定时间段的多张病例图像；对多张病例图像进行重采样，形成单张三维病例图像；将上述单张三维病例图像输入深度神经网络模型提取图像特征，所述图像特征包括图像颜色通道和位置信息；采用注意力机制对上述图像特征赋予权重，与肝脏有关的图像特征的权重大于其他图像特征的权重；将赋予权重的图像特征输入分类器，获得单张三维病例图像的分类概率，所述分类包括病变和正常。上述方法及系统无需标注病例图像中的位置信息。

技术领域

本发明涉及图像分析技术领域，更具体地，涉及一种基于深度神经网络的肝部病例图像分类方法及系统。

背景技术

现有技术的病例图像识别方法中，通常基于标注位置的肿瘤图像进行分类识别，为了保证分类的正确性，通常采用人工标注，标注的工作量大。

发明内容

本发明提供一种无需标注位置信息的基于深度神经网络的肝部病例图像分类方法及系统。

根据本发明的一个方面，提供一种基于深度神经网络的肝部病例图像分类方法包括：

获得属于同一用户设定时间段的多张病例图像；

对多张病例图像进行重采样，形成单张三维病例图像；

将上述单张三维病例图像输入深度神经网络模型提取图像特征，所述图像特征包括图像颜色通道、位置信息、纹理和图像像素点之间关联性；

采用注意力机制对上述图像特征赋予权重，与肝脏有关的图像特征的权重大于其他图像特征的权重；

将赋予权重的图像特征输入分类器，获得单张三维病例图像的分类概率，所述分类概率表示正常概率和非正常概率。

所述的基于深度神经网络的肝部病例图像分类方法，其中，还包括：

对重采样后的单张三维病例图像进行裁剪，获得多张尺寸统一的三维病例图像块，将多张三维图像块输入深度神经网络模型。

所述的基于深度神经网络的肝部病例图像分类方法，其中，所述深度神经网络模型和分类器的训练步骤包括：

获得已知分类的多个用户的病例图像，每一个用户具有多张肝部病例图像；

将每个用户的多张病例图像进行重采样，形成每个用户的单张三维病例图像；

对每个用户重采样后的单张三维病例图像进行裁剪，获得每个用户的多张尺寸统一的三维病例图像块，构成深度神经网络的第一训练集；

采用深度神经网络提取第一训练集中每个用户的图像特征；

采用注意力机制对每个用户的图像特征赋予权重，形成分类器的第二训练集；

将第二训练集输入分类器，获得第二训练集中每个用户的病例图像的分类；

采用交叉熵损失函数迭代对深度神经网络和分类器进行迭代训练。

所述的基于深度神经网络的肝部病例图像分类方法，其中，所述对多张病例图像进行重采样的步骤包括：

将属于同一用户的多张病例图像的二维图像按照从包含心脏的病例图像到包含腹部的病例图像堆叠为一个三维病例图像；

对三维病例图像进行重采样，将堆叠后的多张病例图像在厚度方向线性插值至设定厚度。

所述的基于深度神经网络的肝部病例图像分类方法，其中，所述对多张病例图像进行重采样的步骤还包括：

对重采样后的三维病例图像进行阈值映射。