本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及一種基于vcg16的前列腺癌圖像診斷方法及系統(tǒng)。

背景技術(shù)：

醫(yī)學(xué)影像是臨床醫(yī)學(xué)中發(fā)展最快的學(xué)科之一，它發(fā)展速度快，更新周期短，每1-2年更新一項(xiàng)新技術(shù)。由于醫(yī)學(xué)影像設(shè)備的不斷發(fā)展，醫(yī)學(xué)影像技術(shù)的日新月異，醫(yī)學(xué)影像學(xué)的ct、mr、介入、普放，超聲和核醫(yī)學(xué)等學(xué)科逐漸建立，醫(yī)學(xué)影像技術(shù)學(xué)科也逐漸形成。

以放射科為例，放射科的工作由兩部分完成。第一部分是患者在放射科拍攝影像片(x線片、ct、mri等)，這一過程是由放射科技師操作各類機(jī)器完成，包括參數(shù)設(shè)定、掃描、圖像處理等。第二部分是影像判讀，診斷醫(yī)生在醫(yī)用豎屏顯示器上調(diào)閱影像圖片，逐幅觀察圖片(一般情況，一名患者的圖片在80幅-320幅之間，如果是該院多次就診患者，還需要調(diào)閱既往影像圖片作出對(duì)比，圖片量倍增)，尋找并發(fā)現(xiàn)問題；然后按照要求進(jìn)行描述，哪些結(jié)構(gòu)正常，哪些結(jié)構(gòu)異常，如何異常；之后結(jié)合檢查申請(qǐng)單上的臨床癥狀作出“影像診斷”。

目前，每年都有大量的人走進(jìn)放射科，然而目前放射科的醫(yī)生增長(zhǎng)速度遠(yuǎn)遠(yuǎn)沒有趕上檢測(cè)人數(shù)的增長(zhǎng)速度，放射醫(yī)生診斷1名患者的ct掃描圖像需要10～20分鐘，寫診斷報(bào)告需要10分鐘左右，對(duì)于影像識(shí)別機(jī)構(gòu)來說，缺乏足夠的醫(yī)生來進(jìn)行影像判讀的工作，從而導(dǎo)致影像識(shí)別的效率較低。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種基于vcg16的前列腺癌圖像診斷方法及系統(tǒng)，能夠提高影響識(shí)別的效率。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于vcg16的前列腺癌圖像診斷方法，所述方法包括：獲取前列腺mri圖像數(shù)據(jù)并對(duì)其進(jìn)行預(yù)處理；基于vgg16的卷積層中公開的預(yù)訓(xùn)練權(quán)重提取預(yù)處理后的前列腺mri圖像的圖像特征；將提取的所述圖像特征作為訓(xùn)練數(shù)據(jù)，利用rmsprop優(yōu)化器訓(xùn)練全連接模型bottleneck；在vgg16預(yù)訓(xùn)練權(quán)重與bottleneck權(quán)重的基礎(chǔ)上，對(duì)vgg16的convblock4和convblock5以及全連接層使用sgd優(yōu)化器進(jìn)行全局優(yōu)化訓(xùn)練；利用優(yōu)化訓(xùn)練得到的vgg16模型，確定新輸入的前列腺mri圖像表征前列腺癌的概率。

進(jìn)一步地，對(duì)前列腺mri圖像數(shù)據(jù)進(jìn)行預(yù)處理包括：利用開源工具3dslicer將所述前列腺mri圖像數(shù)據(jù)處理為2d圖像，并對(duì)所得的圖片數(shù)據(jù)通過翻轉(zhuǎn)、平移操作進(jìn)行數(shù)據(jù)增強(qiáng)。

進(jìn)一步地，基于vgg16的卷積層中公開的預(yù)訓(xùn)練權(quán)重提取預(yù)處理后的前列腺mri圖像的圖像特征包括：搭建vgg16卷積層框架，并利用公開的預(yù)訓(xùn)練權(quán)重初始化所述卷積層框架；將預(yù)處理后的前列腺mri圖像數(shù)據(jù)輸入初始化后的卷積層框架中，所述初始化后的卷積層框架輸出的結(jié)果即為提取的圖像特征。

進(jìn)一步地，將提取的所述圖像特征作為訓(xùn)練數(shù)據(jù)，利用rmsprop優(yōu)化器訓(xùn)練全連接模型bottleneck包括：搭建兩個(gè)全連接網(wǎng)絡(luò)框架，并設(shè)置優(yōu)化器rmsprop，使用提取的圖像特征訓(xùn)練模型bottleneck，以得到bottleneck權(quán)重。

進(jìn)一步地，對(duì)vgg16的convblock4和convblock5以及全連接層使用sgd優(yōu)化器進(jìn)行全局優(yōu)化訓(xùn)練包括：搭建vgg16卷積層框架并使用公開的預(yù)訓(xùn)練權(quán)重初始化所述卷積層框架；構(gòu)建vgg16的全連接層結(jié)構(gòu)并使用所述bottleneck權(quán)重對(duì)所述全連接層結(jié)構(gòu)進(jìn)行初始化；凍結(jié)所述全連接層結(jié)構(gòu)中的convblock1至convblock3間的所有層，使被凍結(jié)的層不參與優(yōu)化訓(xùn)練；基于全部圖像數(shù)據(jù)，利用優(yōu)化器sgd對(duì)vgg16全連接層結(jié)構(gòu)中的convblock4、convblock5以及全連接層進(jìn)行訓(xùn)練，以更新所述bottleneck權(quán)重。

進(jìn)一步地，利用優(yōu)化訓(xùn)練得到的vgg16模型，確定新輸入的前列腺mri圖像表征前列腺癌的概率包括：對(duì)新輸入的前列腺mri圖像進(jìn)行預(yù)處理；利用所述優(yōu)化訓(xùn)練得到的vgg16模型對(duì)預(yù)處理后的新輸入的前列腺mri圖像進(jìn)行預(yù)測(cè)，以獲取概率值；當(dāng)獲取的概率值大于或者等于預(yù)設(shè)閾值時(shí)，判定所述新輸入的前列腺mri圖像是表征前列腺癌的圖像。

本申請(qǐng)還提供一種基于vcg16的前列腺癌圖像診斷系統(tǒng)，所述系統(tǒng)包括：樣本圖像預(yù)處理單元，用于獲取前列腺mri圖像數(shù)據(jù)并對(duì)其進(jìn)行預(yù)處理；圖像特征提取單元，用于基于vgg16的卷積層中公開的預(yù)訓(xùn)練權(quán)重提取預(yù)處理后的前列腺mri圖像的圖像特征；訓(xùn)練單元，用于將提取的所述圖像特征作為訓(xùn)練數(shù)據(jù)，利用rmsprop優(yōu)化器訓(xùn)練全連接模型bottleneck；優(yōu)化單元，用于在vgg16預(yù)訓(xùn)練權(quán)重與bottleneck權(quán)重的基礎(chǔ)上，對(duì)vgg16的convblock4和convblock5以及全連接層使用sgd優(yōu)化器進(jìn)行全局優(yōu)化訓(xùn)練；概率確定單元，用于利用優(yōu)化訓(xùn)練得到的vgg16模型，確定新輸入的前列腺mri圖像表征前列腺癌的概率。

進(jìn)一步地，所述樣本圖像預(yù)處理單元包括：數(shù)據(jù)增強(qiáng)模塊，用于利用開源工具3dslicer將所述前列腺mri圖像數(shù)據(jù)處理為2d圖像，并對(duì)所得的圖片數(shù)據(jù)通過翻轉(zhuǎn)、平移操作進(jìn)行數(shù)據(jù)增強(qiáng)。

進(jìn)一步地，所述圖像特征提取單元包括：框架初始化模塊，用于搭建vgg16卷積層框架，并利用公開的預(yù)訓(xùn)練權(quán)重初始化所述卷積層框架；圖像數(shù)據(jù)輸入模塊，用于將預(yù)處理后的前列腺mri圖像數(shù)據(jù)輸入初始化后的卷積層框架中，所述初始化后的卷積層框架輸出的結(jié)果即為提取的圖像特征。

進(jìn)一步地，所述訓(xùn)練單元包括：模型訓(xùn)練模塊，用于搭建兩個(gè)全連接網(wǎng)絡(luò)框架，并設(shè)置優(yōu)化器rmsprop，使用提取的圖像特征訓(xùn)練模型bottleneck，以得到bottleneck權(quán)重。

本發(fā)明采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：

(1)本發(fā)明采用深度學(xué)習(xí)框架對(duì)前列腺癌mri圖像進(jìn)行診斷，降低了人工判別癌癥患病可能性的成本。因?yàn)楸痉椒ú捎脭?shù)據(jù)分析的方法對(duì)前列腺癌進(jìn)行預(yù)測(cè)與識(shí)別，從而避免了人工判別疾病的高昂的費(fèi)用，只需要模型搭建，然后利用模型檢測(cè)是否存在患癌風(fēng)險(xiǎn)，且患癌概率大小。

(2)本發(fā)明的方法提高了根據(jù)醫(yī)學(xué)圖像診斷是否患有前列腺癌的效率，傳統(tǒng)的醫(yī)療診斷方式是醫(yī)生憑自身經(jīng)驗(yàn)對(duì)多張掃描圖像進(jìn)行分析，若一個(gè)病患在同一醫(yī)院復(fù)診則需要更多的醫(yī)學(xué)影像給醫(yī)生診斷，評(píng)估手段復(fù)雜而費(fèi)時(shí)。本發(fā)發(fā)明則通過統(tǒng)計(jì)機(jī)器學(xué)習(xí)模型進(jìn)行評(píng)估，不僅節(jié)約成本而且方便有效。

(3)本發(fā)明診斷前列腺癌得準(zhǔn)確率高。傳統(tǒng)的人工診療技術(shù)是憑借醫(yī)生的經(jīng)驗(yàn)作出診斷，且很可能會(huì)因?yàn)槿藶橐蛩匕l(fā)生誤診或者漏診的問題。而采用基于機(jī)器學(xué)習(xí)的統(tǒng)計(jì)模型檢測(cè)，可以大大提升診斷的準(zhǔn)確率同時(shí)能夠防止外接因素的干擾。

附圖說明

圖1為本發(fā)明中基于vcg16的前列腺癌圖像診斷方法的流程圖；

圖2為本發(fā)明中基于vcg16的前列腺癌圖像診斷系統(tǒng)結(jié)構(gòu)示意圖。

具體實(shí)施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本申請(qǐng)中的技術(shù)方案，下面將結(jié)合本申請(qǐng)實(shí)施方式中的附圖，對(duì)本申請(qǐng)實(shí)施方式中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施方式僅僅是本申請(qǐng)一部分實(shí)施方式，而不是全部的實(shí)施方式?；诒旧暾?qǐng)中的實(shí)施方式，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施方式，都應(yīng)當(dāng)屬于本申請(qǐng)保護(hù)的范圍。

請(qǐng)參閱圖1，本申請(qǐng)實(shí)施方式提供一種基于vcg16的前列腺癌圖像診斷方法，所述方法包括：

獲取前列腺mri圖像數(shù)據(jù)并對(duì)其進(jìn)行預(yù)處理；

1、基于vgg16的卷積層中公開的預(yù)訓(xùn)練權(quán)重提取預(yù)處理后的前列腺mri圖像的圖像特征；

2、將提取的所述圖像特征作為訓(xùn)練數(shù)據(jù)，利用rmsprop優(yōu)化器訓(xùn)練全連接模型bottleneck；

3、在vgg16預(yù)訓(xùn)練權(quán)重與bottleneck權(quán)重的基礎(chǔ)上，對(duì)vgg16的convblock4和convblock5以及全連接層使用sgd優(yōu)化器進(jìn)行全局優(yōu)化訓(xùn)練；

4、利用優(yōu)化訓(xùn)練得到的vgg16模型，確定新輸入的前列腺mri圖像表征前列腺癌的概率。

在本實(shí)施方式中，對(duì)前列腺mri圖像數(shù)據(jù)進(jìn)行預(yù)處理包括：

利用開源工具3dslicer將所述前列腺mri圖像數(shù)據(jù)處理為2d圖像，并對(duì)所得的圖片數(shù)據(jù)通過翻轉(zhuǎn)、平移操作進(jìn)行數(shù)據(jù)增強(qiáng)。

在本實(shí)施方式中，基于vgg16的卷積層中公開的預(yù)訓(xùn)練權(quán)重提取預(yù)處理后的前列腺mri圖像的圖像特征包括：

搭建vgg16卷積層框架，并利用公開的預(yù)訓(xùn)練權(quán)重初始化所述卷積層框架；

將預(yù)處理后的前列腺mri圖像數(shù)據(jù)輸入初始化后的卷積層框架中，所述初始化后的卷積層框架輸出的結(jié)果即為提取的圖像特征。

在本實(shí)施方式中，將提取的所述圖像特征作為訓(xùn)練數(shù)據(jù)，利用rmsprop優(yōu)化器訓(xùn)練全連接模型bottleneck包括：

搭建兩個(gè)全連接網(wǎng)絡(luò)框架，并設(shè)置優(yōu)化器rmsprop，使用提取的圖像特征訓(xùn)練模型bottleneck，以得到bottleneck權(quán)重。

在本實(shí)施方式中，對(duì)vgg16的convblock4和convblock5以及全連接層使用sgd優(yōu)化器進(jìn)行全局優(yōu)化訓(xùn)練包括：

搭建vgg16卷積層框架并使用公開的預(yù)訓(xùn)練權(quán)重初始化所述卷積層框架；

構(gòu)建vgg16的全連接層結(jié)構(gòu)并使用所述bottleneck權(quán)重對(duì)所述全連接層結(jié)構(gòu)進(jìn)行初始化；

凍結(jié)所述全連接層結(jié)構(gòu)中的convblock1至convblock3間的所有層，使被凍結(jié)的層不參與優(yōu)化訓(xùn)練；

基于全部圖像數(shù)據(jù)，利用優(yōu)化器sgd對(duì)vgg16全連接層結(jié)構(gòu)中的convblock4、convblock5以及全連接層進(jìn)行訓(xùn)練，以更新所述bottleneck權(quán)重。

在本實(shí)施方式中，利用優(yōu)化訓(xùn)練得到的vgg16模型，確定新輸入的前列腺mri圖像表征前列腺癌的概率包括：

對(duì)新輸入的前列腺mri圖像進(jìn)行預(yù)處理；

利用所述優(yōu)化訓(xùn)練得到的vgg16模型對(duì)預(yù)處理后的新輸入的前列腺mri圖像進(jìn)行預(yù)測(cè)，以獲取概率值；

當(dāng)獲取的概率值大于或者等于預(yù)設(shè)閾值時(shí)，判定所述新輸入的前列腺mri圖像是表征前列腺癌的圖像。

具體地，在本申請(qǐng)一個(gè)實(shí)際應(yīng)用場(chǎng)景中，詳細(xì)步驟可以為：

第一步，對(duì)前列腺mri圖像數(shù)據(jù)利用開源工具3dslicer將原始dicom格式轉(zhuǎn)變?yōu)閚rrd格式，并對(duì)圖像加以bias，correction，histogrammatching處理，然后以病灶區(qū)為中心將圖像剪切成32*32像素大小的圖片，通過翻轉(zhuǎn)平移等方法進(jìn)行數(shù)據(jù)增強(qiáng)；第二步，對(duì)預(yù)處理后的前列腺mri圖像利用vgg16網(wǎng)絡(luò)的卷積層及其公開的卷積層權(quán)重提取圖像特征；第三步，將提取的圖像特征作為訓(xùn)練數(shù)據(jù)，利用rmsprop優(yōu)化器訓(xùn)練全連接模型bottleneck；第四步，在vgg16預(yù)訓(xùn)練權(quán)重與bottleneck權(quán)重的基礎(chǔ)上，對(duì)vgg16的convblock4和convblock5以及全連接層使用sgd優(yōu)化器進(jìn)行全局優(yōu)化訓(xùn)練，訓(xùn)練數(shù)據(jù)為全部圖像數(shù)據(jù)；第五步，利用訓(xùn)練好的vgg16模型，預(yù)測(cè)新用戶是前列腺癌患者的概率。

請(qǐng)參閱圖2，本申請(qǐng)還提供一種基于vcg16的前列腺癌圖像診斷系統(tǒng)，所述系統(tǒng)包括：

樣本圖像預(yù)處理單元100，用于獲取前列腺mri圖像數(shù)據(jù)并對(duì)其進(jìn)行預(yù)處理；

圖像特征提取單元200，用于基于vgg16的卷積層中公開的預(yù)訓(xùn)練權(quán)重提取預(yù)處理后的前列腺mri圖像的圖像特征；

訓(xùn)練單元300，用于將提取的所述圖像特征作為訓(xùn)練數(shù)據(jù)，利用rmsprop優(yōu)化器訓(xùn)練全連接模型bottleneck；

優(yōu)化單元400，用于在vgg16預(yù)訓(xùn)練權(quán)重與bottleneck權(quán)重的基礎(chǔ)上，對(duì)vgg16的convblock4和convblock5以及全連接層使用sgd優(yōu)化器進(jìn)行全局優(yōu)化訓(xùn)練；

概率確定單元500，用于利用優(yōu)化訓(xùn)練得到的vgg16模型，確定新輸入的前列腺mri圖像表征前列腺癌的概率。

在本實(shí)施方式中，所述樣本圖像預(yù)處理單元包括：

數(shù)據(jù)增強(qiáng)模塊，用于利用開源工具3dslicer將所述前列腺mri圖像數(shù)據(jù)處理為2d圖像，并對(duì)所得的圖片數(shù)據(jù)通過翻轉(zhuǎn)、平移操作進(jìn)行數(shù)據(jù)增強(qiáng)。

在本實(shí)施方式中，所述圖像特征提取單元包括：

框架初始化模塊，用于搭建vgg16卷積層框架，并利用公開的預(yù)訓(xùn)練權(quán)重初始化所述卷積層框架；

圖像數(shù)據(jù)輸入模塊，用于將預(yù)處理后的前列腺mri圖像數(shù)據(jù)輸入初始化后的卷積層框架中，所述初始化后的卷積層框架輸出的結(jié)果即為提取的圖像特征。

在本實(shí)施方式中，所述訓(xùn)練單元包括：

模型訓(xùn)練模塊，用于搭建兩個(gè)全連接網(wǎng)絡(luò)框架，并設(shè)置優(yōu)化器rmsprop，使用提取的圖像特征訓(xùn)練模型bottleneck，以得到bottleneck權(quán)重。

本發(fā)明采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：

(1)本發(fā)明采用深度學(xué)習(xí)框架對(duì)前列腺癌mri圖像進(jìn)行診斷，降低了人工判別癌癥患病可能性的成本。因?yàn)楸痉椒ú捎脭?shù)據(jù)分析的方法對(duì)前列腺癌進(jìn)行預(yù)測(cè)與識(shí)別，從而避免了人工判別疾病的高昂的費(fèi)用，只需要模型搭建，然后利用模型檢測(cè)是否存在患癌風(fēng)險(xiǎn)，且患癌概率大小。

(2)本發(fā)明的方法提高了根據(jù)醫(yī)學(xué)圖像診斷是否患有前列腺癌的效率，傳統(tǒng)的醫(yī)療診斷方式是醫(yī)生憑自身經(jīng)驗(yàn)對(duì)多張掃描圖像進(jìn)行分析，若一個(gè)病患在同一醫(yī)院復(fù)診則需要更多的醫(yī)學(xué)影像給醫(yī)生診斷，評(píng)估手段復(fù)雜而費(fèi)時(shí)。本發(fā)發(fā)明則通過統(tǒng)計(jì)機(jī)器學(xué)習(xí)模型進(jìn)行評(píng)估，不僅節(jié)約成本而且方便有效。

(3)本發(fā)明診斷前列腺癌得準(zhǔn)確率高。傳統(tǒng)的人工診療技術(shù)是憑借醫(yī)生的經(jīng)驗(yàn)作出診斷，且很可能會(huì)因?yàn)槿藶橐蛩匕l(fā)生誤診或者漏診的問題。而采用基于機(jī)器學(xué)習(xí)的統(tǒng)計(jì)模型檢測(cè)，可以大大提升診斷的準(zhǔn)確率同時(shí)能夠防止外接因素的干擾。

上面對(duì)本申請(qǐng)的各種實(shí)施方式的描述以描述的目的提供給本領(lǐng)域技術(shù)人員。其不旨在是窮舉的、或者不旨在將本申請(qǐng)限制于單個(gè)公開的實(shí)施方式。如上所述，本申請(qǐng)的各種替代和變化對(duì)于上述技術(shù)所屬領(lǐng)域技術(shù)人員而言將是顯而易見的。因此，雖然已經(jīng)具體討論了一些另選的實(shí)施方式，但是其它實(shí)施方式將是顯而易見的，或者本領(lǐng)域技術(shù)人員相對(duì)容易得出。本申請(qǐng)旨在包括在此已經(jīng)討論過的本申請(qǐng)的所有替代、修改、和變化，以及落在上述申請(qǐng)的精神和范圍內(nèi)的其它實(shí)施方式。

本說明書中的各個(gè)實(shí)施方式均采用遞進(jìn)的方式描述，各個(gè)實(shí)施方式之間相同相似的部分互相參見即可，每個(gè)實(shí)施方式重點(diǎn)說明的都是與其他實(shí)施方式的不同之處。

雖然通過實(shí)施方式描繪了本申請(qǐng)，本領(lǐng)域普通技術(shù)人員知道，本申請(qǐng)有許多變形和變化而不脫離本申請(qǐng)的精神，希望所附的權(quán)利要求包括這些變形和變化而不脫離本申請(qǐng)的精神。