[发明专利]淋巴结转移预测方法、装置、设备及存储介质

说明书

本发明涉及人工智能以及数字医疗领域，公开了一种淋巴结转移预测方法、装置、设备及存储介质。本方法包括：通过对获取的医学图像进行分割，得到器官分割图像；根据器官分割图像计算的区域生长的合并阈值和预设区域生长算法，对器官分割图像进行分割，得到目标器官图像，并输入Faster RCNN模型，基于该模型和图像的像素点，确定图像中的疑似淋巴结图像；构建淋巴结检测模型，并对疑似淋巴结图像进行预处理，并将得到的目标淋巴结图像输入淋巴结转移预测模型，对淋巴结进行转移预测，为评估胰腺导管癌淋巴结是否转移提供可视化数据。本发明通过分类网络对淋巴结是否转移进行预测，从而根据预测结果为评估患者的病症是否发生转移提供可视化数据支持。

技术领域

本发明涉及人工智能以及数字医疗技术领域，尤其涉及一种淋巴结转移预测方法、装置、设备及存储介质。

背景技术

胰腺导管腺癌是极其致命的，在全球癌症引发的死亡人数上排在所有癌症的第四位。淋巴结是否转移是预测患者存活时间长短最重要的指标。相比于其他治疗方法，手术切除是能够延长患者存活时间的更有效的治疗方案，而淋巴结是否转移只能通过手术后才能准确估计，而手术前确认胰腺导管癌是否在淋巴结发生了转移能够帮助患者更好的制订治疗方案从而更好的治疗。

淋巴结是否转移，可以用来预测患者存活时间；只有手术才能确定淋巴结是否转移；也就是说，只有手术才能用来预测患者存活时间，能够帮助患者更好的制订治疗方案从而更好的治疗。目前，已有文章指出，胰腺导管癌的特征对淋巴结是否转移是有影响的，通过神经网络的方法提取胰腺导管癌的特征，从而对淋巴结是否转移做出预测。可是，仅仅通过胰腺导管癌的特征去预测淋巴结转移是远远不够的，从实验结果也可以看出，现有的方法是不具说服力的。因此，如何对淋巴结转移的风险进行精准预测是本领域技术人员需要解决的技术问题。

发明内容

本发明的主要目的在于通过分类网络对淋巴结进行预测，从而预测淋巴结是否转移。

本发明第一方面提供了一种淋巴结转移预测方法，包括：获取医学图像，其中，所述医学图像为腹部CT图像；采用预先训练好的深度全卷积网络模型对所述医学图像进行分割，得到初始器官分割图像；根据所述初始器官分割图像计算区域生长的合并阈值，根据所述合并阈值和预设区域生长算法，对所述初始器官分割图像进行分割，得到所述医学图像中的目标器官图像；将所述目标器官图像输入预置Faster RCNN模型，基于所述FasterRCNN模型和所述目标器官图像中的每个像素点，确定所述腹部CT图像中的疑似淋巴结图像；基于特征提取网络构建淋巴结检测模型，并将所述疑似淋巴结图像输入所述淋巴结检测模型进行预处理，得到目标淋巴结图像；将所述目标淋巴结图像输入预设分类预测模型，对所述目标淋巴结进行转移预测，为评估胰腺导管癌淋巴结是否转移提供可视化数据，其中，所述分类预测模型为淋巴结转移预测模型。

可选地，在本发明第一方面的第一种实现方式中，在所述采用预先训练好的深度全卷积网络模型对所述医学图像进行分割，得到初始器官分割图像之前，还包括：获取原始训练样本，其中，所述原始训练样本包括原始器官训练图像和与所述原始器官训练图像对应的标签图像，所述标签图像为已标注出器官的器官图像；对所述原始训练样本进行扩展，得到训练样本集，其中，所述训练样本集包括扩展后的器官训练图像和与所述扩展后的器官训练图像对应的标签图像；设置深度全卷积网络模型的模型参数的初始值；根据所述训练样本集和所述模型参数的初始值，采用随机梯度下降法对预先搭建的深度全卷积网络模型进行训练，直至所述训练样本集中的器官图像的预测结果与对应的标签图像的误差值收敛到预设误差值，得到深度全卷积网络模型。