(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 202210212120.2 (22)申请日 2022.03.04 (71)申请人 桂林医学院 地址 541000 广西壮 族自治区桂林市环城 北二路109号 申请人 广西中廪智工科技发展集团有限公 司 (72)发明人 胡俊承　李珽君　莫春宝　陈鹏　 李周全　郑锦花　唐专智　 (74)专利代理 机构 广西咕咕狗专利代理事务所 (普通合伙) 45137 专利代理师 宋倩 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06N 5/00(2006.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于ResNet与决策树的胃癌分型方法 (57)摘要 本发明属于图像识别技术领域， 具体涉及一 种基于ResNet与决策树的胃癌分型方法， 包括以 下步骤： S1.搭建残差模块， 降采样残差层模块， 最大化池化层， 平均池化层和输 出层； S2.构成建 ResNet第二到第五阶段网络； S3.组成特征提取 网络； S4.将特征提取网络的三维特征图展开为 二维特征向量； S5.将二维特征向量展平为一维 的特征向量， 输入决策树， 输出胃癌分型预测结 果1； S6.将二维特征向量输入依次输入全连接层 和输出层， 得到胃癌分型预测结果2； S7.将胃癌 分型预测结果1与胃癌分型预测结果2融合得到 胃癌具体分型。 本发明的胃癌分型方法主要包括 特征提取模块、 全连接层、 决策树模块和融合层， 可以快速准确的对胃癌进行分型， 为筛查胃癌疾 病及制定治 疗方案提供帮助。 权利要求书1页 说明书3页 附图2页 CN 114548320 A 2022.05.27 CN 114548320 A 1.一种基于ResNet与决策树的胃癌分型 方法， 其特 征在于， 包括以下步骤： S1.搭建残差模块， 降采样残差层模块， 最大化池化层， 平均池化层和输出层； S2.堆叠3个残差模块构成ResNet第二阶段网络， 堆叠1个降采样残差模块与3个残差模 块组成ResNet第三阶段网络， 堆叠1个降采样残差模块与5个残差模块组成ResNet第四阶段 网络， 堆叠1个降采样残差模块与2个残差模块组成ResNet第五阶段网络； S3.依次堆叠卷积层， 最大池化层和第二阶段到第五阶段网络， 组成特 征提取网络； S4.将特征提取网络的输出由宽 ×高×通道数的三维特征图展开为长度 ×通道数的二 维特征向量； S5.将二维特征向量展平为一维的特征向量， 输入决策树， 决策树根据该特征向量输出 胃癌分型 预测结果1； S6.将二维特 征向量输入依次输入 全连接层和输出层， 得到胃癌分型 预测结果2； S7.用融合层将胃癌分型预测结果1与胃癌分型预测结果2加权融合得到分类向量， 经 过argmax算法得到胃癌具体分型。 2.根据权利 要求1所述的基于ResNet与决策树的胃癌分型方法， 其特征在于， S4中二维 特征向量的长度＝宽 ×高。 3.根据权利 要求1所述的基于ResNet与决策树的胃癌分型方法， 其特征在于， S5中的决 策树为： S5‑1： 判断是否为胃癌： 若是则进入下一步骤判断其是否为特殊类型， 若否则判断其为 健康； S5‑2： 判断是否为特殊类型： 若是则判断具体的特殊类型； 若否则进入下一步骤判断细 胞分型； S5‑3： 根据细胞分型判断具体的普通类型。权　利　要　求　书 1/1 页 2 CN 114548320 A 2一种基于ResN et与决策树的胃癌分型方 法 技术领域 [0001]本发明属于图像识别技术领域， 具体涉及一种基于 ResNet与决策树的胃癌分型方 法。 背景技术 [0002]胃癌目前在全球癌症发病率排名第五， 死亡率排名第三， 已成为威胁世界人民健 康的第三大杀手。 准确的术前胃癌分期对治疗计划的选取以及 对患者术后疗效的预测都至 关重要。 目前胃癌分型需要专业医师人工完成， 一方面， 对医师的专业素养要求较高； 另一 方面， 医师的工作量非常大， 诊断过程耗时长。 亟需一种可以快速准确对胃癌进 行分型的方 法。 [0003]公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解， 而不应 当被视为承认或以任何形式暗示该信息构成已为本领域 一般技术人员所公知的现有技 术。 发明内容 [0004]本发明的目的在 于提供一种基于 ResNet与决策树的胃癌分型方法， 其可以快速准 确的对胃癌进行分型， 为筛查胃癌疾病及制定治疗方案提供帮助。 [0005]为实现上述目的， 本发明提供了如下技 术方案： [0006]一种基于ResNet与决策树的胃癌分型 方法， 包括以下步骤： [0007]S1.搭建残差模块， 降采样残差层模块， 最大化池化层， 平均池化层和输出层； [0008]S2.堆叠3个残差模块构成ResNet第二阶段网络， 堆叠1个降采样残差模块与3个残 差模块组成ResNet第三阶段网络， 堆叠1个降采样残差模块与5个残差模块组成ResNet第四 阶段网络， 堆叠1个降采样残差模块与2个残差模块组成ResNet第五阶段网络； [0009]S3.依次堆叠卷积层， 最大池化层和第二阶段到第五阶段网络， 组成特征提取网 络； [0010]S4.将特征提取网络的输出由宽 ×高×通道数的三维特征图展开为长度 ×通道数 的二维特 征向量； [0011]S5.将二维特征向量展平为一维的特征向量， 输入决策树， 决策树根据该特征向量 输出胃癌分型 预测结果1； [0012]S6.将二维特 征向量输入依次输入 全连接层和输出层， 得到胃癌分型 预测结果2； [0013]S7.用融合层将胃癌分型预测结果1与胃癌分型预测结果2加权融合得到分类向 量， 经过argmax算法得到胃癌具体分型。 [0014]作为优选， S4中二维特 征向量的长度＝宽 ×高。 [0015]作为优选， S5中的决策树 为： [0016]S5‑1： 判断是否为胃癌： 若是则进入下一步骤判断其是否为特殊类型， 若否则判断 其为健康； [0017]S5‑2： 判断是否为特殊类型： 若是则判断具体的特殊类型； 若否则进入下一步骤判说　明　书 1/3 页 3 CN 114548320 A 3