第七届挑战赛B2-基于卷积神经网络的直肠癌肿瘤淋巴转移智能识别技术

1. 绪论

直肠癌发病率逐年上升，淋巴结转移对治疗方案和预后有重要影响。医学影像学发展迅速，但医生数量不足，易造成漏诊。本文利用基于医学影像大数据的分析方法，辅助医生进行直肠癌肿瘤淋巴结转移的智能识别。

2. 数据预处理

原始数据包括动脉期和门脉期CT影像、肿瘤区域掩模图像和患者基本信息。预处理包括数据变换（使用动脉期CT影像）和数据规约（截取感兴趣区域）。

3. 基于CNN的肿瘤识别

采用卷积神经网络进行深度监督学习，对CT影像进行特征提取，并使用Softmax回归进行分类（含肿瘤区域/不含肿瘤区域）。模型训练后，F-Score系数为0.924。

4. 基于U-Net的肿瘤图像切割

采用U-Net框架对肿瘤区域进行精准切割，并进行数据增强以增强模型拟合度。Dice系数为0.853。

5. 肿瘤特征提取

采用CNN和Pyradiomics分别提取肿瘤区域的卷积特征和放射学特征，并结合患者基本信息进行淋巴结转移预测。

6. 预测是否发生淋巴结转移算法设计

采用随机森林算法进行分类模型建立，F-Score系数为0.864。

7. 实验设计与分析

算法流程包括图像识别、图像切割和图像特征提取与分类。评价指标为Dice系数和F-Score。

8. 总结展望

本文提出的基于卷积神经网络的直肠癌肿瘤淋巴转移智能识别技术对医学影像的识别、切割和对直肠癌肿瘤淋巴转移识别有较高的精度。未来计划设计新的模型直接对CT影像进行切割，并直接对患者进行预测，以提高准确率。