买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华中科技大学

摘要：本发明属于肿瘤医学影像分析领域，具体公开了一种基于自编码解码器的医学影像分型方法及系统，其中方法包括训练阶段和检测阶段，训练阶段包括：1医学影像数据的预处理；2自编码‑解码器模型的建立与训练；检测阶段包括：S1医学影像数据的预处理；S2将步骤S1得到的ROI输入矩阵输入至训练后的自编码‑解码器模型，得到分型输入；S3分型聚类。本发明通过对图像处理流程整体设计进行改进，采用自编码解码器，利用自编码器从医学影像原图提取高维特征后再使用解码器还原特征图，利用图像自身特征作为各图训练标签，能够在尽可能少受人为先验知识影响的前提下，利用自学习的方法提升肿瘤医学影像的组学分型效果。

主权项：1.一种基于自编码解码器的医学影像分型方法，其特征在于，包括训练阶段和检测阶段，其中：所述训练阶段包括以下步骤：1医学影像数据的预处理：针对预先选定的肿瘤类型，收集若干位患该类肿瘤的肿瘤患者的医学影像数据，并对每层图像获取肿瘤横截面中心点然后截取尺寸满足预先设定要求的感兴趣区域ROI；对于各个ROI：判断ROI内灰度值最大的像素点对应的是软组织还是骨组织，若是软组织，则将水和空气区域像素值更新为0；若是骨组织，则将骨组织所对应的ROI中的各个像素点的灰度值更新为0，并将水和空气区域对应的像素值更新为0；然后，将该ROI进行灰度映射至[0,1]区间，得到与该ROI相对应的训练用ROI输入矩阵；2自编码-解码器模型的建立与训练：建立基于深度学习的自编码-解码器模型，该自编码-解码器模型包括依次设置的自编码器和自解码器，且两者互为对称；其中，所述自编码器用于输入所述ROI输入矩阵，从中抽提高维特征，该自编码器最末端的卷积输出层的输出则作为分型输入；所述自解码器用于输入所述分型输入，并对其进行上采样，从而还原重构出特征矩阵，该自解码器最末端的输出即为还原重构矩阵；然后，将所述步骤1得到的训练用ROI输入矩阵输入到所述自编码-解码器模型，对模型进行训练；通过对比所述训练用ROI输入矩阵与所述还原重构矩阵，在预先设定的迭代次数条件下，以优化均方误差MSE与结构相似性SSIM为指标，对模型内的自编码器和自解码器同步进行训练，得到能够输出分型输入的、训练后的自编码-解码器模型；所述检测阶段包括以下步骤：S1医学影像数据的预处理：对于待分型的某一位肿瘤病人的医学影像数据，获取肿瘤横截面中心点然后截取尺寸满足预先设定要求的感兴趣区域ROI；对于该ROI：判断ROI内灰度值最大的像素点对应的是软组织还是骨组织，若是软组织，则将水和空气区域像素值更新为0；若是骨组织，则将骨组织所对应的ROI中的各个像素点的灰度值更新为0，并将水和空气区域对应的像素值更新为0；然后，将该ROI进行灰度映射至[0,1]区间，得到与该ROI相对应的ROI输入矩阵；S2将所述步骤S1得到的ROI输入矩阵输入至所述训练后的自编码-解码器模型，输出得到分型输入；S3分型聚类：将所述步骤S2得到的分型输入，基于分型聚类算法，得到聚类分型结果。

全文数据：

权利要求：

百度查询： 华中科技大学 基于自编码解码器的医学影像分型方法及系统