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:重庆大学
摘要:本发明涉及一种基于MaskRCNN网络的骨肉瘤和骨软骨瘤的预测方法,该方法包括以下步骤:1基于患者群的X线平片,采集骨肉瘤和骨软骨瘤的原始数据;2将dicom格式的原始数据转换为JPG格式,对转换后的图像利用标注软件labelme进行手动标注,形成数据集。标注分为骨肉瘤和骨软骨瘤两种。3用COCO公开数据集及标注后的数据集,训练基于MaskRCNN的实例分割模型。4将预测模型生成的分割掩码输出给去重叠模块,后者的作用是用来有效消除预测结果中有预测重叠的区域。5经过去重叠模块之后,再输出给去异类模块,后者的作用缓解预测结果中同时有两种肿瘤出现的现象。6将经过两次后处理筛选模块的分割掩码输出给投影面积计算模块,后者的作用计算出识别区域的实际投影面积。本发明通过人工智能,识别X线平片上的骨肉瘤和骨软骨瘤,并计算其实际投影面积。成本低,易学,且具有较高的自动化程度和准确性。
主权项:1.一种基于MaskRCNN网络的骨肉瘤和骨软骨瘤预测方法,具体步骤如下,其特征在于,步骤1:构建用于检测骨肉瘤和骨软骨瘤的深度神经网络模型,包括实例分割模块、去重叠模块、去异类模块和投影面积计算模块。其中,实例分割模块是基于MaskRCNN构建的用于识别骨肉瘤和骨软骨瘤的语义掩码;去重叠模块是根据语义掩码的预测结果,判断有重叠区域的像素是否超过了设置的阀值,如果是,则保留识别区域较大的语义掩码;去异类模块是根据语义掩码中的预测置信度,将置信度低的语义掩码剔除;投影面积计算模块用于根据预测的语义掩码,计算识别区域的平铺面积。步骤2:对基于MaskRCNN的实例分割模块进行训练,包括:步骤2.1、采集患者群的骨软骨瘤和骨肉瘤的X线平片医学图像,形成原始数据集;步骤2.2、将医学图像的dicom格式原始数据转换为JPG格式,用标注软件labelme在图像上分别标注骨肉瘤和骨软骨瘤标签,获得包括原始图像和其对应标签的json文件。将数据集随机分为训练集、验证集和测试集,比例为7:1:2;步骤2.3、利用深度学习中的迁移学习思想,用COCO公开数据集的权重,对MaskRCNN初始化。使用训练集进行训练,训练过程中,每个epoch使用验证集进行验证。如果验证曲线收敛,则进入步骤3;否则,返回步骤2.1,扩大原始数据库,并重新做标签,重复训练及验证过程;步骤3:使用测试集测试MaskRCNN模型的预测效果。
全文数据:
权利要求:
百度查询: 重庆大学 一种基于Mask RCNN网络的骨肉瘤和骨软骨瘤预测方法
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。