第七届挑战赛B3-基于U-Net的直肠癌淋巴结转移诊断研究

摘要：

直肠癌淋巴结转移诊断十分重要，直接影响了治疗方案的选择以及病人预后的的判断。目前临床上多采用观察淋巴结的形态特征的方法对淋巴结转移进行判断，然而迄今尚未能达到统一的标准。随着影像组学[1]的发展，深度学习在医学影像处理中崭露头角。因此，本文提出了一种将深度学习与传统的影像组学相结合的方法，探究其在直肠癌淋巴结转移诊断中的应用价值。研究流程分为图像分割、肿瘤特征提取、构建分类模型三部分，首先利用U-Net神经网络对医学图像进行训练，然后利用模型提取出肿瘤区域mask图像；接着对肿瘤区域影像进行特征提取，包含纹理特征、灰度特征、小波特征、三维特征提取；最后进行特征选择及构建朴素贝叶斯分类模型并对模型进行评估。我们构建的模型在赛方提供的数据集下得到有效的验证，直肠癌淋巴结转移的判断准确率达到86.36%，U-Net在图像分割的中的dice系数也达到了0.812。实验证明利用深度学习结合传统的影像组学评估直肠癌淋巴结转移有良好的效果，具有很强的实用性。

关键词：U-net、直肠癌淋巴结转移、图像分割、特征提取、深度学习

查看全文