(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210583718.2 (22)申请日 2022.05.25 (71)申请人 西北工业大 学 地址 710072 陕西省西安市友谊西路127号 (72)发明人 赵世杰　刘卓岩　韩军伟　 (74)专利代理 机构 西安凯多 思知识产权代理事 务所(普通 合伙) 61290 专利代理师 王鲜凯 (51)Int.Cl. G16B 20/50(2019.01) G06T 7/00(2017.01) G06V 10/26(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 基于端到端三维卷积神经网络预测EGFR基 因突变状态方法 (57)摘要 本发明涉及一种基于端到端三维卷积神经 网络预测EGFR基因突变状态方法， 基于稠密连接 的三维卷积结构为肺部提供端到端的全局特征 提取处理， 同时利用提出的多尺度空洞非对称模 块捕获局部肺结节特征。 在小范围内， 利用多尺 度空洞非对称模块对不同大小、 方向、 角度的肺 结节特征进行处理， 搜索输入三维图像中的每一 处细节， 由小到大将其稠密连接起来。 在大范围 内， 利用密集网络将目标不同阶段、 不同尺度的 微小特征组合处理， 从而提取到肺部全面的特 征， 利用特征变换与通道融合的思想将其更深层 的信息提炼出来， 最后经过全 连接层和激活函数 层得到模型的预测结果。 权利要求书1页 说明书6页 附图2页 CN 115132275 A 2022.09.30 CN 115132275 A 1.一种基于端到端三维卷积神经网络预测EGFR基因突变状态方法， 其特征在于步骤如 下： 步骤1： 对原始的三维肺部CT图像进行预处理， 将CT图像中肺区以外的内容清空， 并将 CT通过样条插值的方式缩放至统一大小， 即1 12×112×90； 步骤1a： 通过U ‑Net模型分割肺部， 将肺区以外的区域置零； 步骤1b： 通过样条插值的方式获得预处理结果， 即大小为112 ×112×90， 且位于视野中 心的图像， 保证X轴， Y轴， Z轴方向上的每一个切片都能切到肺部， 保留肺部的细节特 征； 步骤2： 构建神经网络结构： 采用稠密连接的多层卷积神经网络， 用于提取目标的总体 特征， 融合多尺度的特 征； 步骤2a： 提出的方法基于Dense  Block， 搭建四层稠密连接 的卷积神经网络， 将每一层 的输出在通道维度连接， 并作为下一层卷积的输入； 步骤2b： 在层与层的连接过程中， 引入了用于通道间特征融合与降维的瓶颈模块， 具体 是通过批归一化将特征分布改善为均值为0， 方差为 1的正态分布， 再经过线性整流函数与1 ×1的卷积， 达 到降维的效果； 步骤2c： 将多尺度多扩张非对称空洞卷积模块， 嵌入在基线模型中， 用于捕获局部微小 特征， 关注出现在肺癌病人的肺中不同方向、 不同大小、 不同角度的肺结节； 步骤3： 以端到端的方式进行训练对神经网络结构， 即将三维肺部CT图像数据集， 使用 交叉熵损失函数对神经网络结构进 行训练， 使用随机梯度下降SGD作为模型的优化器， 动量 为0.9； 在训练过程中， 将批处理大小设置为6， 并将模型的迭代次数设置为300， 所有学习速率 设置为0.01； 将EGFR突变型定义为1， EGFR野生型定义为0， 即模型输出结果越接近1越容易 被判定为EGFR突变型。 对l2正则化系数的权值衰减设置为0.0 004， 以防止过拟合； 步骤4： 将三维肺部CT图像数据输入训练后的端到端三维卷积神经网络， 输入为全肺的 CT图像， 输出为预测结果即预测EGFR基因突变 状态。权　利　要　求　书 1/1 页 2 CN 115132275 A 2基于端到端三维卷积神经 网络预测EGFR基因 突变状态方法 技术领域 [0001]本发明属于计算机视觉领域， 涉及一种基于端到端三维卷积神经网络预测EGFR基 因突变状态方法， 具体涉及一种利用神经网络架构来 实现从CT图像中提取特征并进 行基因 预测的方法。 背景技术 [0002]目前， 诊断EGFR突变状态的常用方法包括组织活检和液体活检， 但存在许多局限 性， 包括： 由于肿瘤的异质性， 活检可能存在取样缺陷； 活检需要满足侵入性活检的要求； 活 检可能增加 癌症转移的潜在风险。 其中， 组织活检可能由于组织质量不高而失败， 且成本相 对较高； 液体活检能够提取外周血而不是肿瘤组织进行检测， 但可能会出现ctDNA浓度低或 无法浓缩的问题。 [0003]随着深度学习的发展， 也出现了一些基于神经网络 的模型， 但这些方法大多依赖 于经验丰富的医生或放射科医生对肿瘤边界的准确注释， 费时费力， 而且在注释结果可能 伴随引入了一些主观的误差。 虽然目前出现的一些方法放宽了对数据注释的要求， 但仍需 要放射科医生对肺结节进行粗略定位。 最重要的是， 提取 的特征仅来自结节内部和注释肿 瘤的边缘， 其他重要的信息包括肿瘤的相对位置、 肿瘤的大小和 不同肺区域之间的相互作 用都被忽略了 。 [0004]现有的方法仅考虑结节内部及其边缘信息， 依赖专家标注的结果， 且无法利用肺 部全部有效信息 。 发明内容 [0005]要解决的技 术问题 [0006]为了避免现有技术的不足之处， 本发明提出一种基于端到端三维卷积神经网络预 测EGFR基因突变状态方法， 结合了多尺度的空洞卷积与非对称三 维卷积的模块提取肺腺癌 患者完整的肺部CT特征， 将其在高维空间中变换与重组， 利用肺部完整有效的信息进行肺 腺癌患者EGFR基因突变 状态的预测。 [0007]技术方案 [0008]一种基于端到端三维卷积神经 网络预测EGFR基因突变状态方法， 其特征在于步骤 如下： [0009]步骤1： 对原始的三维肺部CT图像进行预处理， 将CT图像中肺区以外的内容清空， 并将CT通过样条插值的方式缩放至统一大小， 即1 12×112×90； [0010]步骤1a： 通过U ‑Net模型分割肺部， 将肺区以外的区域置零； [0011]步骤1b： 通过样条插值的方式获得预处理结果， 即大小为112 ×112×90， 且位于视 野中心的图像， 保证X轴， Y轴， Z轴方向上的每一个切片都能切到肺部， 保留肺部的细节特 征； [0012]步骤2： 构建神经网络结构： 采用稠密连接的多层卷积神经网络， 用于提取目标的说　明　书 1/6 页 3 CN 115132275 A 3