公开(公告)号：CN116542937A

公开(公告)日：2023-08-04

申请号：CN202310518369.0

申请日：2023-05-09

Applicant: 南京工业大学

Inventor： 尹诗 ,  冯子康 ,  刘学军 ,  张杰

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N20/10 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于临床医学、影像组学、深度学习神经网络等特征，对肺部肿瘤浸润性进行判别的方法，具体包括收集肺癌病人临床特征。影像组学提取肺癌患者CT影像中纹理特征以及高阶特征。深度学习神经网络提取肺癌患者中高阶非线性特征。在处理CT影像方面，具体通过医生标注肿瘤区域，进行肿瘤切割，得到肺部肿瘤部位。在模型训练方面，采用多角度旋转(0至30度)模拟生成肺部影像CT样本，提高模型泛化能力；同时采用SMOTE算法解决样本分布不均衡问题。采用LASSO算法，在所有特征中选择重要的特征判别肺部肿瘤的浸润性，并计算所选特征权重值。在样本分类上，采用稳定性较好的非线性SVM(支持向量机)分类器。本发明有着如下优势：综合利用临床医学、神经网络和影像组学等特征，深层次挖掘探究肿瘤浸润性的决定性特征，使得结果更具科学性和可解释性。