[发明专利]肺部轮廓分割、肿瘤免疫浸润分类系统及方法

权利要求书

1.一种肺部轮廓分割方法，其特征在于，所述方法具体包括：

S101，对第一数据集中的第一数据进行预处理；

S102，将预处理后的所述第一数据输入Unet网络进行训练得到分割网络。

2.一种肿瘤免疫浸润分类方法，其特征在于，所述方法具体包括：

S101，对第一数据集中的第一数据进行预处理；

S102，将预处理后的所述第一数据输入Unet网络进行训练得到分割网络；

S103，将第二数据集输入分割网络进行分割得到肺部区域分割结果；

S104，根据所述肺部区域分割结果得到第三数据集，对所述第三数据集中的第三数据进行预处理，同时处理肿瘤最大矩形区域得到注意力图，得到免疫浸润类型分类。

3.根据权利要求2所述肿瘤免疫浸润分类方法，其特征在于，得到第三数据集具体包括：以肿瘤区域最大区域所在的CT切片为中心，上下各取8层CT切片，形成所述第三数据集。

4.根据权利要求3所述肿瘤免疫浸润分类方法，其特征在于，得到免疫浸润类型分类具体包括：将所述第三数据集中的CT图像读取为RGB三通道，通过imagenet均值方差将所述RGB三通道归一化；将肿瘤最大矩形区域的角点坐标输入所述分类网络，所述分类网络根据生成肿瘤区域为1，其余区域为0的注意力图；resnet输出特征图，根据所述特征图的大小等比例缩放所述注意力图。

5.根据权利要求4所述肿瘤免疫浸润分类方法，其特征在，得到免疫浸润类型分类具体还包括：将RGB三通道归一化后的第三数据集和所述注意力图输入所述分类网络，通过resnet作为backbone提取第一数据和所述注意力图中肿瘤的高阶特征。

6.根据权利要求5所述肿瘤免疫浸润分类方法，其特征在于，得到免疫浸润类型分类具体还包括：将所述高阶特征输入注意力模块，将所述特征图与所述注意力图相乘，得到肿瘤局部特征图，将肺部全局特征图和所述肿瘤局部特征图拼接在一起，作为注意力模块的输出；

将所述肺部全局特征图和所述肿瘤局部特征图做平均池化，得到embedding后的第一特征向量。

7.根据权利要求6所述肿瘤免疫浸润分类方法，其特征在于，得到免疫浸润类型分类具体还包括：通过门控机制将所述肺部全局特征图和所述肿瘤局部特征图降维处理为256通道，通过线性层tanh函数激活得到权重值，通过线性层sigmoid函数得到门控值，所述权重值与所述门控值相乘得到门控权重，通过线性层将所述门控权重降维至16，得到每个肺部全局特征图和每个所述肿瘤局部特征图对应的特征向量权重。

8.根据权利要求7所述肿瘤免疫浸润分类方法，其特征在于，得到免疫浸润类型分类具体还包括：将所述第一特征向量乘以所述特征向量权重得到加权后的第二特征向量，将16个通道的第二特征向量相加，得到融合权重的第三特征向量；

所述第三特征向量通过全连接层，得到预测结构，使用交叉熵函数转为不同类型的概率，得到免疫浸润类型分类。

9.一种肺部轮廓分割系统，其特征在于，包括：

预处理模块，用于对第一数据集中的第一数据进行预处理；

分割模型，其包括Unet网络且所述分割模型与所述预处理模块通过数据接口相连，用于将预处理后的所述第一数据输入Unet网络进行训练，得到分割网络，将第二数据集输入所述分割网络进行分割得到肺部区域分割结果。

10.一种肿瘤免疫浸润分类系统，其特征在于，包括：

预处理模块，用于对第一数据集中的第一数据进行预处理；

分割模型，其包括Unet网络且所述分割模型与所述预处理模块通过数据接口相连，用于将预处理后的所述第一数据输入Unet网络进行训练，得到分割网络，将第二数据集输入所述分割网络进行分割得到肺部区域分割结果；

分类模型，其与分割模型通过数据接口，将肺部区域分割结果和肿瘤最大矩形区域的角点坐标输入分类网络，得到预测的免浸润类型。