买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆大学

摘要：本发明涉及一种基于MaskRCNN网络的骨肉瘤和骨软骨瘤的预测方法，该方法包括以下步骤：1基于患者群的X线平片，采集骨肉瘤和骨软骨瘤的原始数据；2将dicom格式的原始数据转换为JPG格式，对转换后的图像利用标注软件labelme进行手动标注，形成数据集。标注分为骨肉瘤和骨软骨瘤两种。3用COCO公开数据集及标注后的数据集，训练基于MaskRCNN的实例分割模型。4将预测模型生成的分割掩码输出给去重叠模块，后者的作用是用来有效消除预测结果中有预测重叠的区域。5经过去重叠模块之后，再输出给去异类模块，后者的作用缓解预测结果中同时有两种肿瘤出现的现象。6将经过两次后处理筛选模块的分割掩码输出给投影面积计算模块，后者的作用计算出识别区域的实际投影面积。本发明通过人工智能，识别X线平片上的骨肉瘤和骨软骨瘤，并计算其实际投影面积。成本低，易学，且具有较高的自动化程度和准确性。

主权项：1.一种基于MaskRCNN网络的骨肉瘤和骨软骨瘤预测方法，具体步骤如下，其特征在于，步骤1：构建用于检测骨肉瘤和骨软骨瘤的深度神经网络模型，包括实例分割模块、去重叠模块、去异类模块和投影面积计算模块。其中，实例分割模块是基于MaskRCNN构建的用于识别骨肉瘤和骨软骨瘤的语义掩码；去重叠模块是根据语义掩码的预测结果，判断有重叠区域的像素是否超过了设置的阀值，如果是，则保留识别区域较大的语义掩码；去异类模块是根据语义掩码中的预测置信度，将置信度低的语义掩码剔除；投影面积计算模块用于根据预测的语义掩码，计算识别区域的平铺面积。步骤2：对基于MaskRCNN的实例分割模块进行训练，包括:步骤2.1、采集患者群的骨软骨瘤和骨肉瘤的X线平片医学图像，形成原始数据集；步骤2.2、将医学图像的dicom格式原始数据转换为JPG格式，用标注软件labelme在图像上分别标注骨肉瘤和骨软骨瘤标签，获得包括原始图像和其对应标签的json文件。将数据集随机分为训练集、验证集和测试集，比例为7:1:2；步骤2.3、利用深度学习中的迁移学习思想，用COCO公开数据集的权重，对MaskRCNN初始化。使用训练集进行训练，训练过程中，每个epoch使用验证集进行验证。如果验证曲线收敛，则进入步骤3；否则，返回步骤2.1，扩大原始数据库，并重新做标签，重复训练及验证过程；步骤3：使用测试集测试MaskRCNN模型的预测效果。

全文数据：

权利要求：

百度查询： 重庆大学 一种基于Mask RCNN网络的骨肉瘤和骨软骨瘤预测方法