一種基于深度學(xué)習(xí)與概率影像組學(xué)的病灶分類系統(tǒng)

基本信息

申請(qǐng)?zhí)?/td> CN201910956128.8 申請(qǐng)日 -
公開（公告）號(hào) CN110458249B 公開（公告）日 2020-01-07
申請(qǐng)公布號(hào) CN110458249B 申請(qǐng)公布日 2020-01-07
分類號(hào) G06K9/62（2006.01）; G06T7/00（2017.01）; G06N3/04（2006.01）; G06N3/08（2006.01） 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 楊健程; 方榮耀; 葛亮 申請(qǐng)（專利權(quán)）人 點(diǎn)內(nèi)（上海）生物科技有限公司
代理機(jī)構(gòu) 成都坤倫厚樸專利代理事務(wù)所（普通合伙） 代理人 點(diǎn)內(nèi)（上海）生物科技有限公司
地址 200120 上海市浦東新區(qū)郭守敬路498號(hào)8幢19號(hào)樓3層
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種基于深度學(xué)習(xí)與概率影像組學(xué)的病灶分類系統(tǒng)，屬于醫(yī)學(xué)圖像分類技術(shù)領(lǐng)域。針對(duì)現(xiàn)有病灶分類系統(tǒng)存在的分類模糊性所帶來的歧義問題、分類精度不夠高的問題，本發(fā)明以深度卷積神經(jīng)網(wǎng)絡(luò)為主干，提出非局部形狀分析模塊提取醫(yī)學(xué)圖像上病灶的特征云，去除病灶周邊像素對(duì)分類判斷的干擾，得到病灶的本質(zhì)表征；同時(shí)為了捕捉標(biāo)簽的模糊性，提出模糊先驗(yàn)網(wǎng)絡(luò)來模擬不同專家標(biāo)注的模糊性分布，顯示建模了專家標(biāo)注的歧義性，使模型訓(xùn)練的分類結(jié)果具有更好的魯棒性，將模糊先驗(yàn)樣本與病灶表征相結(jié)合，構(gòu)建了一種新的病灶分類系統(tǒng)，具有可控性和概率性，相比傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)，更好地解決了分類模糊性的問題，可獲得更高的分類精度。