[发明专利]基于CNN和影像组学特征融合的乳腺癌组织病理学分级方法

摘要

本发明涉及CNN及图像分类识别技术领域，尤其涉及基于CNN和影像组学特征融合的乳腺癌组织病理学分级方法。本发明提出通过构建特征融合的CNN模型判断钼靶影像的乳腺癌组织病理学等级，利用钼靶肿瘤区域提取的灰度特征、纹理特征和小波特征，通过LASSO logistic回归模型进行特征筛选，选出与乳腺癌组织病理学等级相关性大的特征，再通过将CNN提取的高层语义特征和筛选出的影像组学特征在网络新添加的全连接层进行特征融合，而拟合得到特征融合的CNN模型用来识别乳腺癌组织病理学等级。本发明能够直接对患者扫描的乳腺钼靶图像进行分析判断患者所处的乳腺癌组织病理学等级，在保证判别精度的同时进一步缩短了判别时间。

主权项

1.基于CNN和影像组学特征融合的乳腺癌组织病理学分级方法，其特征在于，包括以下步骤：步骤1：对乳腺钼靶图像肿瘤区域进行提取，在提取的钼靶肿瘤区域上进行灰度、纹理和小波特征的计算，通过上述计算共提取180维影像组学特征向量；将提取的乳腺钼靶图像肿瘤区域制作成相同大小的乳腺肿瘤区域钼靶图像样本，将图像样本划分为训练集、验证集和测试集；步骤2：对提取的180维影像组学特征向量，采用LASSO logistic回归模型进行特征筛选，利用筛选后的影像组学特征以进行特征融合；步骤3：采用预训练的CNN模型进行迁移学习，训练CNN分级模型，在CNN分级模型的原有基础上添加新的全连接层，在新的全连接层上将CNN分级模型全连接层之前的输出和筛选后的影像组学特征进行特征融合，并在CNN分级模型参数的基础上进行再训练，更新融合后的CNN分级模型参数，根据模型在验证集上的分级效果对融合后的CNN分级模型参数进行调整，得到特征融合的CNN模型，用于对乳腺钼靶图像进行乳腺癌组织病理学分级。