申请/专利权人：北京市肿瘤防治研究所

申请日：2023-10-25

公开（公告）日：2024-01-16

公开（公告）号：CN117132595B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06V10/26;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.01.16#授权;2023.12.15#实质审查的生效;2023.11.28#公开

摘要：本发明属于信息技术、医疗技术领域，具体涉及一种直肠癌及宫颈癌DWI图像智能轻量处理方法和系统。该方法包括：将DWI核磁共振图像输入MobileViT双肿瘤轻量化图像分类网络，得到图像的识别结果，包括所属的癌症类型以及否存在肿瘤的判断结果；所述癌症类型包括直肠癌和宫颈癌；将识别为无肿瘤的图像筛除，将存在肿瘤的图像输入UNeXt双肿瘤轻量化图像分割网络，得到精准分割的直肠癌病灶和宫颈癌病灶。本发明具有一体化和轻量化的显著优势，能够减轻医生在诊断和描绘肿瘤方面的工作量。本发明中两种癌症的图像可分别由图像工作站和医生移动终端发送，分割结果可同时发往图像工作站和医生移动终端，使用便捷，拓展了临床应用范围。

主权项：1.一种面向移动端的直肠癌及宫颈癌DWI图像智能轻量处理方法，其特征在于，包括以下步骤：将DWI核磁共振图像输入MobileViT双肿瘤轻量化图像分类网络，得到图像的识别结果，包括所属的癌症类型以及否存在肿瘤的判断结果；所述癌症类型包括直肠癌和宫颈癌；将识别为无肿瘤的图像筛除，将存在肿瘤的图像输入UNeXt双肿瘤轻量化图像分割网络，得到精准分割的直肠癌病灶和宫颈癌病灶；所述MobileViT双肿瘤轻量化图像分类网络基于MobileViT网络进行图像分类，包含卷积层、MobileNetv2块、MobileViT块、下采样层、全局池化层和线性层，输出4分类结果；所述MobileViT双肿瘤轻量化图像分类网络的训练过程包括：分别采集结直肠癌和宫颈癌患者的DWI核磁共振图像，将2种癌症的3DDWI图像进行切片得到单层的2D图像，2种癌症的单层2D图像都包含为有肿瘤和无肿瘤两类，共得到直肠癌DWI-有肿瘤图像、直肠癌DWI-无肿瘤图像、宫颈癌DWI-有肿瘤图像、宫颈癌DWI-无肿瘤图像4种标签类型的图像；将4种标签类型的图像分别输入MobileViT双肿瘤轻量化图像分类网络，得到图像的识别结果，包括所属的癌症类型以及否存在肿瘤的判断结果；所述UNeXt双肿瘤轻量化图像分割网络基于UNeXt网络进行图像分割，包括卷积阶段和标识化MLP阶段；输入图像进入编码器，经过3个卷积块、2个标识化MLP块进入解码器，然后经过2个标识化MLP块、3个卷积块；每个编码块将特征分辨率减小12，并且每个解码块将特征分辨率增大2倍，每层的编码块和解码块之间含有跳跃连接；各个卷积块、标识化MLP块上的图像通道深度表示为C1到C5，参数值为：C1=32、C2=64、C3=128、C4=160和C5=256；设H、W分别代表图像的高和宽的像素点数量，所述UNeXt双肿瘤轻量化图像分割网络的处理过程包括：在UNeXt网络的编码卷积阶段，经过2D卷积+批归一化+线性整流函数后，得到大小为××C1的图像I8，图像I8经过最大池化和2D卷积+批归一化+线性整流函数后，大小变为××C2，表示为图像I9，接着再进行一次最大池化和2D卷积+批归一化+线性整流函数后，得到图像I10，大小减小到××C3；在编码MLP阶段，基于图像I10进行最大池化和标识化MLP块后，得到图像I11，其大小为××C4，图像I11再次进行最大池化和标识化MLP块后获得大小为××C5的图像I12；在解码MLP阶段，图像I12经过标识化MLP块和上采样后大小变为××C4，表示为图像I13，其重复进行标识化MLP块和上采样后获得大小为××C3的图像I14；在解码卷积阶段，图像I14经过2D卷积+批归一化+线性整流函数和上采样后，得到图像I15，其大小为，图像I15进行一次2D卷积+批归一化+线性整流函数和上采样后，得到大小为的图像I16，最后输出大小为H×W的预测图像I17，即直肠癌或宫颈癌的病灶分割结果。

全文数据：

权利要求：

百度查询： 北京市肿瘤防治研究所 一种直肠癌及宫颈癌DWI图像智能轻量处理方法和系统

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