[发明专利]一种基于深度学习的肝脏肿块辅助鉴别方法

说明书

本发明属于影像数据识别处理技术领域,公开了一种基于深度学习的肝脏肿块辅助鉴别方法；基于计算机智能前沿技术，结合动态增强影像数据集，构建肝脏肿块鉴别CNN模型，智能化识别可能性肝脏肿块，可能性肝脏肿块的早中晚期和定位识别判断，该方案由粗到细地完成可能性肝脏肿块详细鉴别，自动生成可视化筛查结果，协助医生阅片，可减少误诊率和漏诊率，并且可以降低医生的劳动强度。

技术领域

本发明属于影像数据识别处理技术领域，具体涉及一种基于深度学习的肝脏肿块辅助鉴别方法。

背景技术

医学影像作为一种无创的肿瘤早期诊断方法，已被广泛应用于各类癌症的辅助诊断中。常见的，影像信息进行临床辅助诊断往往依靠医生的主观经验，通过影像反映出的病人疾病影像特征给予相应诊断。

不同类型的肿块由于其病理特性在影像上的表现迥异，不同的肿块影像特征也预示着治疗方式完全不同，并直接影响着预后。目前通过影像手段实现肿瘤的预判都需要医生根据其主观的临床经验、病理切片以及血检等进行详细的检测得到临床检测结果。由于生活节奏加快、生活不规律性增加等，肝脏肿块正在呈现高发态势，而在早期阶段诊断出肝脏肿块的概率不到25％，大多数患者被发现的时候是中晚期，情况十分严峻。这一方面是因为民众癌症健康检查意识不强，另一方面也由于缺乏专业医生，难以全面推行肝脏肿块的筛查。

随着人工智能技术的逐渐成熟，利用计算机智能辅助诊断技术，进行肝脏肿块辅助鉴别，是改善肝脏肿块生存率的可行方式。

发明内容

本发明目的在于提供一种基于深度学习的肝脏肿块辅助鉴别方法，用于解决上述现有技术中存在的技术问题。

为实现上述目的，本发明的技术方案是：

一种基于深度学习的肝脏肿块辅助鉴别方法，包括以下步骤：

S1：提供一影像采集装置，获取肝脏区域目标位置的实时动态增强影像；

其中，所述影像采集装置包括采集单元、判别单元，判别单元与采集单元信息交互；采集单元从所述实时动态增强影像中提取出实时肝脏区域位置信息并发送至判别单元，判别单元中预设有目标肝脏区域位置信息并供判别单元调用；

判别单元将实时肝脏区域位置信息与目标肝脏区域位置信息进行匹配判别，若实时肝脏区域位置信息与目标肝脏区域位置信息匹配，则进入步骤S2，若实时肝脏区域位置信息与目标肝脏区域位置信息不匹配，则输出影像采集异常警示结果；

并且，提供一采集信息输出判别装置、一采集信息输入判别装置；

采集信息输出判别装置用于判别所述采集单元输出端的实时肝脏区域位置信息是否正常；采集信息输入判别装置用于判别所述判别单元输入端的实时肝脏区域位置信息是否正常；

若采集信息输出判别装置判别出所述采集单元输出端的实时肝脏区域位置信息异常，则影像采集装置判定所述采集单元的输出端故障；

若采集信息输出判别装置判别出所述采集单元输出端的实时肝脏区域位置信息正常，采集信息输入判别装置判别出所述判别单元输入端的实时肝脏区域位置信息异常，则影像采集装置判定所述采集单元的输出端与所述判别单元的输入端之间的通信故障；

若采集信息输出判别装置判别出所述采集单元输出端的实时肝脏区域位置信息正常，采集信息输入判别装置判别出所述判别单元输入端的实时肝脏区域位置信息正常，则影像采集装置判定所述判别单元的输入端故障；

S2：提供一数据存储装置，存储所述影像采集装置采集的肝脏区域目标位置历史动态增强影像的肝脏肿块特征；

S3：提供一数据分析装置，在所述数据分析装置中，将所述实时动态增强影像和所述肝脏肿块特征输入至肝脏肿块鉴别CNN模型，通过肝脏肿块鉴别CNN模型判断所述实时动态增强影像的肝脏区域是否存在可能性肝脏肿块，若存在，则直接进入步骤S4，不存在，则结束；