公开(公告)号：CN110265141B

公开(公告)日：2023-04-18

申请号：CN201910391853.5

申请日：2019-05-13

Applicant: 上海大学

Inventor： 李静 ,  吴雨润 ,  沈南燕 ,  张宇辰 ,  孙杰

IPC: G16H50/20 ,  G16H30/20

Abstract: 本发明涉及一种肝脏肿瘤CT影像计算机辅助诊断方法。该方法通过全卷积网络（FCN）对肝脏及肿瘤进行分割，通过卷积神经网络（CNN）对肝脏肿瘤进行分类。在训练FCN模型时，使用加权的交叉熵损失函数以提高肿瘤分割的准确率。在训练和使用CNN进行分类时，将1通道的CT图像和3通道的FCN分割结果拼接成4通道图像数据作为其输入。最终将训练好的FCN和CNN模型组合构建为一个计算机辅助诊断系统，读取待诊断的CT图像并输入系统后，以得出该CT图像属于健康肝脏、弥漫性肿瘤、结节型肿瘤或巨块型肿瘤的概率。该方法的整体流程无需图像预处理和特征提取的步骤，不仅简化了流程，而且最终诊断准确率不会受到图像噪声、低对比度和特征选择及提取的影响。

公开(公告)号：CN110265141A

公开(公告)日：2019-09-20

申请号：CN201910391853.5

申请日：2019-05-13

Applicant: 上海大学

Inventor： 李静 ,  吴雨润 ,  沈南燕 ,  张宇辰 ,  孙杰

IPC: G16H50/20 ,  G16H30/20

Abstract: 本发明涉及一种肝脏肿瘤CT影像计算机辅助诊断方法。该方法通过全卷积网络（FCN）对肝脏及肿瘤进行分割，通过卷积神经网络（CNN）对肝脏肿瘤进行分类。在训练FCN模型时，使用加权的交叉熵损失函数以提高肿瘤分割的准确率。在训练和使用CNN进行分类时，将1通道的CT图像和3通道的FCN分割结果拼接成4通道图像数据作为其输入。最终将训练好的FCN和CNN模型组合构建为一个计算机辅助诊断系统，读取待诊断的CT图像并输入系统后，以得出该CT图像属于健康肝脏、弥漫性肿瘤、结节型肿瘤或巨块型肿瘤的概率。该方法的整体流程无需图像预处理和特征提取的步骤，不仅简化了流程，而且最终诊断准确率不会受到图像噪声、低对比度和特征选择及提取的影响。