基于多模特征的肝脏肿瘤辅助诊断研究.pdfVIP

摘要

摘要

在我国，肝脏恶性肿瘤的发病率在所有癌症发病率的统计数据中排第三位，

是最常见的恶性肿瘤之一，然而，肝癌发病极为隐匿，只有在中晚期有明显的症

状表现，所以若肝癌能在早期症状不明显时就被准确诊断，可以使患者得到及时

治疗，提高患者生存率。近年来，深度学习在辅助超声影像诊断方面表现出巨大

的潜力，利用计算机辅助医生做诊断已经有了许多重大进展，智慧医疗已经成为

人工智能最为重要的应用领域之一。目前，深度学习结合超声影像辅助诊断已应

用于甲状腺结节识别、乳腺病变检测和肝纤维化分期等多个方面的研究，但在肝

脏超声中的应用研究还相对较少。因此，本文使用相关肿瘤标志物等临床资料和

超声特征等无创检查结果作为依据，开展了基于多模特征的肝脏肿瘤辅助诊断研

究，主要包括以下三方面工作：

第一，研究对肝病患者检查原始资料数据处理的可行方法。首先按照一定的

纳入和排除标准筛选病例，然后依次构建肝病患者的超声图片基础数据集和临床

资料基础数据集，为后续实验做准备。构建超声图片数据集时，主要完成对原始

超声图片的裁剪、标注工作。构建临床资料数据集时，主要完成对原始临床资料

的汇总、数据处理工作。

第二，分别利用超声图片和临床资料构建肝脏肿瘤的良恶性分类模型。在使

用超声图片构建模型时，首先分别训练EfficientNet、ResNet50、MobileNet、VGG16，

然后根据实验结果选择了诊断性能最佳的EfficientNet，加入软注意力机制并对

网络结构做针对性改进。在使用临床资料构建模型时，首先借助二元logistic回

归统计分析和临床经验筛选对模型建立有显著影响的变量，然后利用逻辑回归、

随机森林、XGBoost拟合经过处理的数据。

第三，设计有效的多模特征融合策略，构建基于多模特征的肝脏肿瘤辅助诊

断模型。首先使用训练好的深度学习模型自动提取超声图片特征，然后与临床信

息融合构成多模特征，最后利用多模特征数据集拟合随机森林、XGBoost分类器。

基于端对端网络的思想，将上述三个实验流程封装到一个模型中，实现基于多模

特征的肝脏肿瘤良恶性自动诊断。

总之，本文将深度学习技术应用到肝脏肿瘤良恶性辅助诊断中，使用卷积神

I

摘要

经网络提取超声图片信息，融合临床资料构建多模特征，同时通过实验证明了本

文构建的多模特征能够拟合出更有效的模型，能够帮助临床医生，特别是经验不

足医生对肝病患者做出及时准确的诊断，具有重要的实践意义。

关键词：超声；深度学习；多模特征；肝脏肿瘤；EfficientNet

II

Abstract

Abstract

TingtingZhao

AppliedStatistics

DirectedbyTaoFeng

InChina,livercancerisoneofthemostcommonmalignanttumors,butthe

onsetofthisdiseaseisextremelyinsidious,andsymptomsusuallyappearonlyinthe

middleandlatestages.Consequently,patientscanreceivetimelytreatmentand

improvetheirchancesofsurvivinglivercancerifitisdetectedearlywhensymptoms

arenotobvious.Inrecen