[发明专利]一种基于深度特征融合的PET/CT影像识别系统

说明书

一种基于深度特征融合的PET/CT影像识别系统，涉及图像处理技术领域，针对现有技术中PET/CT影像识别精度低的问题，所述系统执行以下步骤：一、获取PET/CT影像原始数据，并对PET/CT影像原始数据进行读取及预处理；二、对PET/CT影像进行样本划分，然后利用卷积神经网络分别对划分后的样本进行深度特征提取；三、将提取的特征分别进行PCA处理，并分别进行归一化，之后将处理后的PET影像特征与CT影像特征进行特征融合；四、利用融合后的特征训练识别网络；五、使用训练好的识别网络对待识别样本进行识别，提取出可分性较好的影像学特征。

技术领域

本发明涉及图像处理技术领域，具体为一种基于深度特征融合的PET/CT影像识别系统。

背景技术

正电子发射计算机断层扫描(Positron Emission Tomography/ComputedTomography，PET/CT)有效地融合了PET与CT两项检查的优势，可以反映病灶的形态结构，实现了功能影像和解剖影像信息的互补。利用卷积神经网络(Convolutional NeuralNetworks，CNNs)强大的特征提取能力，充分挖掘复杂PET/CT影像鲁棒性强、更加全局、高度抽象的深度特征。深度特征融合方法将来源不同的深度特征融合到一起，实现特征的充分利用，通过将提供功能代谢显像的PET影像和实现精准定位的CT影像进行深度特征融合，弥补了单一特征描述复杂数据能力的不足，最终的特征表达包含更丰富更全面的特征信息，增强识别网络的鲁棒性和稳定性。

PET/CT使用同一个检查床和同一个影像处理工作站将PET和CT有机结合在一起，作为一种先进的医学成像技术，既能够通过CT影像进行病灶精准定位，同时又能从PET影像得到病灶代谢能力和功能信息。随着计算机技术的不断发展和进步，设计准确性高、鲁棒性强的肿瘤识别网络从而准确高效地实现对肿瘤进行识别和筛查成为研究热点。

肿瘤识别过程中提取的特征是否具有较强的可分性是决定肿瘤识别效果的关键因素，在一定程度上影响识别性能与临床诊疗。传统识别网络的特征提取过程中通常是人工选取某些特征，但是这些特征是否真正准确地描述了不同类别的差异是难以确定的。目前，CNN能够有效地处理图像数据，自动从复杂数据中提取高度抽象及可分性较好的特征，有效的解决了传统人工特征提取识别效率低的问题，对于提高PET/CT影像识别精度有着至关重要的影响。

发明内容

本发明的目的是：针对现有技术中PET/CT影像识别精度低的问题，提出一种基于深度特征融合的PET/CT影像识别系统。

本发明为了解决上述技术问题采取的技术方案是：

一种基于深度特征融合的PET/CT影像识别系统，所述系统执行以下步骤：

一、获取PET/CT影像原始数据，并对PET/CT影像原始数据进行读取及预处理；

二、对PET/CT影像进行样本划分，然后利用卷积神经网络分别对划分后的样本进行深度特征提取；

三、将提取的特征分别进行PCA处理，并分别进行归一化，之后将处理后的PET影像特征与CT影像特征进行特征融合；

四、利用融合后的特征训练识别网络；

五、使用训练好的识别网络对待识别样本进行识别，提取出可分性较好的影像学特征。

进一步的，所述步骤一中PET/CT影像原始数据以DICOM文件的形式存储。

进一步的，所述步骤一中对PET/CT影像进行读取的具体步骤为：首先从DICOM文件中读取到存储的影像像素矩阵，然后利用公式1将读取的像素点i的灰度值转换成CT值，

T(i)＝P(i)×slope+intercept (1)