申请/专利权人：中国人民解放军海军军医大学第一附属医院;上海海事大学

申请日：2022-11-02

公开（公告）日：2023-08-08

公开（公告）号：CN115661096B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/12;G06V10/20;G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.08.08#授权;2023.02.17#实质审查的生效;2023.01.31#公开

摘要：本发明公开了一种胃食管结合部癌食道下段侵犯长度的影像判断方法，包括。本发明通过nnU‑Net网络作为主体图像分割模型应用于术前对胃食管结合部癌在食道下缘平面A线的判断，DenseNet模块构建训练模型找到腔静脉裂孔B线、食道胃交界C线所在层面，将整个识别方法和疾病判断综合考虑，将识别方法分为3个小部分，A线部分寻找肿瘤上缘、B线部分寻找腔静脉裂孔、C线部分寻找食道胃交界，降低每一部分内部方法调整对其它部分的影响，在应用时利用训练好的模型对输入的图像进行判断分类，提高图像识别准确率，降低人工分类判断的时间成本，提高医生对各个层面的判断准确性，减少重复性工作，简化流程，提高效率。

主权项：1.一种胃食管结合部癌食道下段侵犯长度的影像判断方法，包括获取原始医学图像，对医学图像进行预处理、预处理后的图片进行B、C线部分的识别训练，保存训练过程中效果最好的模型参数、使用五折交叉验证方法对数据划分后进行裁剪、使用分隔模型对图片进行肿瘤分隔训练，保存效果最好的模型、逐层检测肿瘤出现的可能性，直到可能性为零则为肿瘤；该一种胃食管结合部癌食道下段侵犯长度的影像判断方法包括以下步骤：步骤一，获取原始医学图像，对医学图像进行预处理：首先对原始的CT医学图像进行预处理，将Dicom格式的原医学图像数据集转换为JPG格式并将每个病人的所有图像统一编号，对图像进行裁剪调整图片大小为256*256，进而得到一个新的数据集；步骤二，预处理后的图片进行B、C线部分的识别训练，保存训练过程中效果最好的模型参数：DenseNet中共有4个密集块,相邻的密集块之间由过渡层连接，在第1个密集块中一共有6个1*1和3*3卷积操作，在第2个密集块中一共有12个1*1和3*3的卷积操作，在第3和第4个密集块中分别有32个1*1和3*3的卷积操作，图像数据在进入第一个密集块之前先经过一个步长为2的7*7的卷积操作和一个3*3的最大池化操作，过渡层中包括1*1的卷积层和2*2的平均池化层，在最后一个密集块之后经过分类层输出，在DenseNet中，所有层都直接相互连接，以确保网络中层与层之间的最大信息流，每层从所有前面的层获得额外的输入，并将其自己的特征图传递给所有后续层，在模型的应用中，根据训练阶段保存的结果，设置batchsize，原始图片地址、标记图片地址超参数，将原始医学图像输入训练过的模型，在模型中经过预处理操作后识别分类找出B线或C线所对应的层；步骤三，使用五折交叉验证方法对数据划分后进行裁剪：在获得B线的基础上，将B线以上的CT图层作为肿瘤分割目标图层，即为原始输入数据，首先对数据进行预处理，将原始dcm格式转为JPG格式，再将CT值转化为标准的hu值，进行直方图均衡化，归一化处理，然后使用五折交叉验证的方法进行数据集划分、对标签进行One-hot、裁剪操作，由于样本数量少，故还使用数据增广操作；步骤四，使用分隔模型对图片进行肿瘤分隔训练，保存效果最好的模型、逐层检测肿瘤出现的可能性，直到可能性为零则为肿瘤：然后基于nnU-Net网络作为主体图像分割模型,并在此基础上进行相关的超参数修改适应AEG分割样本，并选择医学图像分割中最常用的指标Dice和Diceloss作为评估指标和损失函数，开始训练，监测每个epoch的训练损失、验证损失、几个类的平均dice、当前学习率、运行时间，只要在15个epoch内，验证集上的评价Dice指标增长不超过0.1％则停止训练，并保存之前在验证集上最好的模型，再加载验证集或者测试集进行模型验证效果，逐层检测出现肿瘤的可能性，直到可能性为零则为肿瘤上缘即A线。

全文数据：

权利要求：

百度查询： 中国人民解放军海军军医大学第一附属医院;上海海事大学 一种胃食管结合部癌食道下段侵犯长度的影像判断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD