摘要
本发明涉及深度学习与放射组学融合的CT图像结石识别方法及装置,属于医学影像分析技术领域。本发明包括步骤:构建一个由三维卷积组成的分类神经网络,利用该网络提取结石CT影像中的深度学习特征;利用放射组学的方法提取神经网络中浅层输出的形态特征、一阶统计特征以及纹理特征,最后得到放射组学特征;将放射组学特征与神经网络中的深度学习特征相融合,对融合后的特征进行正则化和LASSO特征选择,将筛选后的特征送入LightGBM分类器中,以此来实现术前结石种类的识别。本发明充分利用放射组学方法和深度学习方法各自对CT影像进行特征提取的优势,实现术前高效的结石种类识别。
技术关键词
结石识别方法
深度学习特征
组学特征
分类神经网络
组学方法
医学影像分析技术
统计特征
纹理特征
拉普拉斯
图像深度学习
残差模块
特征融合方法
特征选择
多维特征向量
深度学习方法
矢量特征
样本
系统为您推荐了相关专利信息
组学特征
肿块
影像
预测模型构建方法
模型构建系统
分类神经网络
法医物证
自动化工作站
样本
图像处理模块
电化学阻抗谱
深度学习特征提取
数据
锂电池管理系统
残差学习
免疫检查点抑制剂
组学特征
语义特征
灰度共生矩阵
间质性肺病