[发明专利]一种卷积神经网络区分肝癌分化等级的方法

摘要

本发明涉及一种卷积神经网络区分肝癌分化等级的方法。该方法包括步骤：步骤S1、准备数据：通过多光子显微镜采集肝癌的MPM图像；步骤S2、扩大肝癌MPM图像数据集：通过对步骤S1采集的原始像素大小为512×512的图像进行像素调整，水平对此旋转、垂直对称旋转、剪裁等手段，得到训练集图像数量扩大为原来的16倍；步骤S3、设计卷积神经网络，得到分化等级的区分结果：设计卷积神经网络的结构；卷积神经网络一共8层：第1层到第5层整体称为卷积层，用于提取图像中的详细特征；第6层到第8层为3个全连接层，第8层后输出肝癌图像分化等级的概率。本发明能够有效克服目前临床活检技术中耗时、漏诊、主观性强的缺点。

主权项

1.一种卷积神经网络区分肝癌分化等级的方法，其特征在于，包括如下步骤：步骤S1、准备数据：通过多光子显微镜采集肝癌的MPM图像，单张图像大小为425.10×425.10 μm2，像素为512×512；步骤S2、扩大肝癌MPM图像数据集：将步骤S1采集的原始像素大小为512×512的图像调整为像素大小为2000×2000的原图像，并对原图像进行水平对称旋转，得到一组新图像；再对新图像和原图像进行垂直对称旋转，使得训练集的图像数量扩大为原来的4倍；将扩大的训练集中每张图像平均剪裁成4部分，构成新的训练集，至此训练集图像数量扩大为原来的16倍，即有原图像数×16张像素大小为1000×1000的数据集；步骤S3、设计卷积神经网络，得到分化等级的区分结果：设计卷积神经网络的结构，输入图像为像素大小为1000×1000的MPM图像；卷积神经网络一共8层：第1层到第5层整体称为卷积层，用于提取图像中的详细特征，均包含滤波大小为3×3的卷积核，参数值为0.4的Dropout，滤波大小为3×3的卷积核，大小为2×2的池化窗；第6层到第8层为3个全连接层，第6层和第7层的全连接层后均采用参数值为0.3的Dropout和Relu激活函数；第8层的全连接层后采用Softmax激励函数，输出肝癌图像分化等级的概率。