基于SE-DenseNet深度学习框架和多模态增强MR图像的肝细胞癌自动分级方法

摘要

本发明公开了一种基于SE‑DenseNet深度学习框架和增强MR图像的肝细胞癌自动分级方法，包括1)采集数据；2)对所有的增强MR的肝细胞癌三维图像进行预处理；3)将训练数据进行增强；4)基于增强的训练数据，训练肝细胞癌分级预测模型：SE‑DenseNet网络；5)采用训练好的模型对测试数据进行分级预测，评估肝细胞癌分级预测模型的分类性能。本发明通过由图像预处理、图像增强、SE‑DenseNet网络训练、SE‑DenseNet网络测试组成的肝细胞癌多模态增强MR图像的自动病理分级方法，能实现肝细胞癌自动分级，能克服人工对肝细胞进行分级存在的人力和时间耗费和主观性差异的问题。