申请/专利权人：浙江工业大学

申请日：2021-04-13

公开（公告）日：2024-03-22

公开（公告）号：CN113255721B

主分类号：G06F18/241

分类号：G06F18/241;G06F18/214

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.08.31#实质审查的生效;2021.08.13#公开

摘要：一种基于机器学习的瘤周面听神经识别方法，针对患者在进行MRI重建纤维时，肿瘤压迫导致面听神经发生形变以至于无法使用图谱识别其解剖学结构的问题，提出了在数据处理阶段为了排除其他纤维束干扰只提取感兴趣区域，将纤维束识别问题转换为体素分类问题的方法，从每个体素中提取8类重要特征，将由体素构成的特征样本集进行训练得到最优学习模型，通过此模型将测试图像的体素分为面听神经、听瘤和脑干三个类别，并将预测结果进行伪彩色处理复原三维图像，得到三者之间的位置关系。

主权项：1.一种基于机器学习的瘤周面听神经识别方法，其特征在于，所述方法包括以下步骤：步骤一：数据集划分，过程如下：选取的每一例患者图像数据包含T1图像、T1增强图像、T2图像、DTI图像和标记图像，将患者图像集以设定比例随机划分为训练图像集和测试图像集，标记图像作为提取体素特征的基准和用于预测结果的比对，用“1”表示体素类别为脑干，“2”表示体素类别为纤维，“3”表示体素类别为肿瘤，标记图像中的肿瘤分割来自于人工标注，面听神经来自于纤维自动跟踪，脑干区则由FreeSurfer分割而得；步骤二：数据重采样，过程如下：以标记图像为基准，对T1图像、T1增强图像、T2图像进行重采样使得每张图像的体素大小相同；步骤三：提取特征和构建样本集，过程如下：读取目标图像的分辨率，对3D目标图像进行自适应切片把三维问题转换成二维问题，将每一例图像数据的体素坐标变换为世界坐标，以标记图像为基准提取原始图像相应坐标的特征值，特征包括各向异性分数FA、方向分布函数ODF、平均弥散值MD、轴向弥散值AD、径向弥散值RD、T1信号值、T1增强信号值和T2信号值，对标记图像提取标签，包括面听神经、听瘤和脑干三个部分，每一个体素构成一个样本，得到样本特征训练集和样本特征测试集；步骤四：样本特征训练集数据处理，过程如下：可视化步骤三得到的训练集，清理异常值和缺失值样本，对特征进行缩放使得特征值分布在0到1之间；步骤五：模型训练与测试，过程如下：采用五折交叉验证法将步骤四获得的样本训练集放入机器学习模型进行训练，训练完毕后将步骤三得到的样本测试集放入模型进行分类预测，并与标签真值进行比较得到混淆矩阵，评估模型泛化能力。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于机器学习的瘤周面听神经识别方法

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