技术摘要：
本发明公开了一种基于癌症CT图像自动预测基因表达类别的方法，该方法包括以下步骤：a）获取ROI切片并将数量扩充48倍；b）基于DenseNet‑12和空间金字塔模块构建神经网络；c）使用聚焦损失函数进行训练；d）对模型预测综合评判得到最终的预测结果。本发明采用的数据扩充  全部
背景技术：
国内外最近的研究显示，癌症CT图像提取的特征与某些基因表达模式相关。如 Shinagare等人在2015年验证得到肿瘤边缘、结节增强和肿瘤内血管与VHL突变之间的关 联，Karlo等人在2014年提出PBRM1和SETD2两类基因突变主要见于实体(非囊性)肾透明细 胞癌病例中。近两年来，越来越多的人开始在这上面进行探索。如2018年Mohammad等人利用 多示例学习的CNN网络来检测肾透明细胞癌中的4中最常见基因突变的检测；2019年国内某 高校利用3D神经网络预测肺癌中的EGFR突变，并取得了超过传统影像组学的效果；Nicolas  Coudray等人利用神经网络对非小细胞肺癌中的多个基因(STK11、EGFR、SETBP1、TP53、 FAT1、KRAS、KEAP1、LRP1B、FAT4、NF1)进行预测，并讨论和分析实验结果，证明了神经网络技 术能在更多的肿瘤类型与基因型上探索的可行性。 但是现有的这些方法都使用了大量的医学数据，而在实际情况中往往难以搜集到 具有基因突变状态金标准的特定肿瘤CT数据集。并且，由于肿瘤大小、位置、形状的不同，现 有的方法都会将其重采样为固定的尺寸进行训练，这无疑会损失图像的精度以及忽略了肿 瘤个体间的差异。此外，CT序列的肿瘤边缘(即轴向的首端和末端)一般包含较少的肿瘤部 分，这些切片层面很难进行特征的识别，现有的方法对此也都没有进行关注。
技术实现要素：
本发明的目的是针对现有技术的不足而提出的一种基于癌症CT图像自动检测基 因表达类型的辅助诊断方法。该方法一方面使少量的数据扩充后发挥更大的作用，另外采 用金字塔模块取消输入尺寸必须固定的限制，以及使用Focal-loss函数关注那些难以预测 的切片，最终训练得到准确和高效的预测结果。 实现本发明目的的具体技术方案是： 一种基于癌症CT图像自动预测基因表达类别的方法，该方法包括以下具体步骤： 步骤1：获取ROI切片并将图像数量扩充48倍； 步骤2：基于DenseNet-12和空间金字塔模块构建神经网络； 步骤3：将步骤1扩充的图像作为输入，使用步骤2构建的神经网络进行训练，训练 的损失函数采用聚焦损失即Focal-Loss； 步骤4：使用步骤3训练后的网络模型进行预测，得到每一份输入图像的基因表达 类别预测结果，即过表达、不表达或者阳性、阴性，并汇总同属一个CT序列的所有输入图像 的预测结果，得到该CT序列整体的预测结果。 所述步骤1具体包括： 4 CN 111583271 A 说　明　书 2/6 页 步骤A1：将完整的CT序列，抽取出包含肿瘤的切片，并根据肿瘤在切片上的位置以 及大小，裁剪得到一个感兴趣区域即ROI立方体，ROI立方体为包含完整肿瘤的切片序列； 步骤A2：对裁剪得到ROI切片序列，其大小为n×w×h，n为序列层数，w为宽度，h为 高度，将相邻的3张切片堆叠形成一组具有3个通道的数据，其大小为3×w×h；并将每组3通 道数据内的3张ROI切片打乱堆叠的顺序，形成6种堆叠形式，将得到的数据记为A，其大小为 n'×3×w×h，其中n'＝6*n； 步骤A3：对步骤A2的数据A进行转置，得到转置后的数据B，其大小为n'×3×h×w； 步骤A4：对步骤A2的数据A进行上下翻转，形成数据C，大小为n'×3×w×h； 步骤A5：对步骤A2的数据A进行左右翻转，形成数据D，大小为n'×3×w×h； 步骤A6：对步骤A2的数据A进行1次90°旋转，形成数据E，大小为n'×3×h×w； 步骤A7：对步骤A2的数据A进行2次90°旋转，形成数据F，大小为n'×3×w×h； 步骤A8：对步骤A3的数据B进行1次90°旋转，形成数据G，大小为n'×3×w×h； 步骤A9：对步骤A3的数据B进行左右翻转，形成数据H，大小为n'×3×h×w，至此 ROI切片序列在不改变本身图像性质的同时，图像的数量扩充为原来的48倍，即为A B C D E F G H的和。 所述步骤2具体包括： 步骤B1：将DenseNet-12第一层卷积层的卷积核调整为5*5，步长调整为1； 步骤B2：移除DenseNet-12的第一层池化层，并将步骤B1的卷积层直接连接第一个 Dense  Block； 步骤B3：第一个Dense  Block包含6层Dense  Layer，每一层Dense  Layer由顺序连 接的卷积层(Conv)、批标准化层(BatchNorm)和激活层(ReLU)组合形成，将其中所有卷积层 的卷积核调整为3*3，步长调整为1； 步骤B4：将第一个Dense  Block之后的transition层调整为2*2的最大池化； 步骤B5：在transition层后连接第二个Dense  Block，设置与步骤B3中的Dense  Block相同； 步骤B6：第二个Dense  Block之后连接具有4个池化核的空间金字塔池化模块,即 SPP:Spatial  Pyramid  Pooling；SPP用于提取多层次的图像特征，输出1*1、2*2、3*3、4*4共 4种大小的特征映射； 步骤B7：SPP后顺序连接3层全连接层，相邻全连接层中间设置丢参率为0.5的 Dropout层，保证逐步的筛选出对于基因表达类型预测关联性最大的特征；其中第一层全连 接层的输入单元数量为4200，输出单元数量为4200；第二层全连接层的输入单元数量为 4200，输出单元数量为1000；第三层全连接层的输入单元数量为1000，输出单元数量为2。 所述步骤3具体包括： 步骤C1：步骤1得到的数据A B C D E F G H记为data-1，将data-1经过中心裁剪 得到切片大小为64*64的数据，记为data-2； 步骤C2：将data-2送入步骤2的网络中使用随机梯度下降法进行50轮训练，训练设 置batch为64，训练所需的损失函数使用聚焦损失即Focal-Loss，其计算公式如下： 5 CN 111583271 A 说　明　书 3/6 页 其中y是真实数据的基因表达类别标签，为1或者0，其中y＝1表示该数据的基因表 达类别为“过表达”或者“阳性”；y＝0表示该数据的基因表达类别为“不表达”或者“阴性”； 公式中y'是模型对于每一份输入图像正确预测的概率值，为0到1之间的一个小 数；其中y'越接近1，表示模型对输入图像正确预测的可能性越高； 由于实际情况中基因表达类别为“过表达”的概率要大于“不表达”的概率，即在训 练数据的分布中，y＝1的数据数量要小于y＝0的数据数量，这就导致训练过程中两种类别 的数据量不均衡；不同类别的数据量不均衡将导致网络并很难从数据中学习规律；α为可调 整的参数，参数值的范围在0到1之间，用以解决数据量不均衡问题；具体来说，当α设置为大 于0.5且小于1时，1-α就相应的为大于0且小于0.5，那么在上述公式中y＝1的数据就会产生 更大的影响，y＝0的数据就会产生更小的影响，从而使网络对于“过表达”类别的数据更多 的关注； 另外，在肿瘤切片轴向的首端或者末端往往难以挖掘有效的图像特征，因为首端 和末端的图像都包含的是肿瘤的边缘区域，仅仅带有少量的肿瘤组织信息，因此这部分图 像在模型中很容易预测错误。而公式中的参数γ用于解决这个问题。具体将γ设置为2，那 么就会使模型预测产生的损失进行平方，从而对预测错误的图像产生更大的损失，指导网 络在训练过程中给予这些图像更多的注意力，使模型的特征学习能力更强大。 该步骤经过50轮的训练获得模型M1； 步骤C3：将data-1经过中心裁剪得到切片大小为100*100的数据，记为data-3；并 将data-3送入步骤C2得到的模型M1中训练，训练设置同步骤C2，50轮训练后获得模型M2； 步骤C4：将data-1送入步骤C3获得的模型M2中训练，获取准确率最高的最终模型 M3；训练设置batch为1，同样采用Focal-loss的随机梯度下降法进行训练。 所述步骤4具体包括： 步骤D1：将CT序列进行ROI立方体提取，并将ROI切片序列相邻3张切片组合形成3 通道的输入数据，记为Input； 步骤D2：将Input输入训练好的模型M3，预测得到每一份3通道数据的基因表达类 别，所述类别为过表达、不表达或者阳性、阴性； 步骤D3：设置阈值为0.5，对于Input中的所有3通道数据的基因表达类别预测进行 综合评判，类别预测为50％以上的即为最终的预测结果。 本发明的有益效果在于： 本发明具有易行性，只需要人工对CT图像提取肿瘤区域即可，不需要固定的大小 尺寸，获取的任意大小切片均可进行训练。本发明具有非侵入性，传统的基因型鉴定需要活 检和序列检测，这是侵入性的，可能会受到难以获得组织样本、以及患者风险加大的影响。 在此，提出了的深度学习方法，通过非侵入性计算机断层扫描(CT)预测肿瘤中基因的表达 状态。本发明具有高效性，一方面使少量的数据扩充后能发挥更大的作用，另外考虑肿瘤个 体间的差异，所以采用4个维度金字塔模块取消输入尺寸必须固定的限制，同时还能把握到 多层次的图像特征。最后使用Focal-loss函数关注肿瘤边缘那些难以识别特征的切片，通 6 CN 111583271 A 说　明　书 4/6 页 过3个尺寸不同batch的训练方式得到准确和高效的预测结果。 附图说明 图1为本发明的流程图； 图2为本发明的ROI切片获取示意图； 图3为本发明的数据扩充示意图； 图4为本发明的网络框架示意图。