第七届挑战赛B2-基于卷积神经网络的直肠癌肿瘤淋巴转移智能识别技术

摘要：

近年来，随着图像处理与人工智能技术的发展，应用基于医学影像大数据的分析方法来辅助医生决策或者解决临床实践中的棘手问题成为研究热点。本文采用卷积神经网络，根据直肠癌患者的CT影像资料和患者的个人基本资料，来解决以下的问题，建立直肠癌肿瘤淋巴结智能识别技术。

问题一对患者CT影像的识别，首先采用卷积神经网络进行深度监督学习，对所有的CT影像进行特征提取。然后采用Softmax回归系数判断对所提取的特征进行分类（含肿瘤区域、不含肿瘤区域），建立一个二分类模型。最后根据给出的107名直肠癌患者的CT数据，随机选取80%进行模型训练，20%来进行模型测试，来进行模型的训练与测试，并采用F-Score系数进行模型的评价。

问题二对肿瘤的精准切割，本文根据患者所有含有肿瘤的CT影像，采用基于全卷积神经网络的U-Net框架，直接对肿瘤区域进行精准切割。为了增强网络对肿瘤区域的特征学习增强模型的拟合度，将所有数据分为80%训练、20%测试，并对训练数据集进行数据集增强。将经过模型切割出来的肿瘤掩模图和给定的肿瘤掩模图进行计算，求出评价模型图像切割的Dice系数。

问题三对肿瘤区域的特征提取和淋巴结转移预测，这里采用CNN和Pyradiomics分别提取了肿瘤区域的卷积特征和放射学特征，并结合患者的个人基本信息年龄和性别（0/1：男/女），将这三种信息结合在一起使用随机森林（RandomForest）进行分类模型的建立。选取80%的数据进行模型训练，20%的数据进行模型测试，建立合理的模型并求出评价系数F-Score进行模型评价。最后，经过上述三问题的解决所提取的基于卷积神经网络的直肠癌肿瘤淋巴转移智能识别技术对医学影像的识别、切割和对直肠癌肿瘤淋巴转移识别有较大的精度，基本解决了所有问题。

关键字：直肠癌、卷积神经网络、U-Net、图像切割，RandomForest

查看全文