[發明專利]基于深度卷積神經網絡的肺結節圖像識別系統

在審

• 申請號: 201710604689.2
• 申請日: 2017-07-24
• 公開（公告）號: CN107451609A
• 公開（公告）日: 2017-12-08
• 發明（設計）人: 易平;顧雙馳;柳寧;李林森
• 申請（專利權）人: 上海交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06T7/11;G06T17/00
• 代理公司: 上海交達專利事務所31201
• 代理人: 王毓理,王錫麟

技術領域

本發明涉及的是一種醫學圖像識別領域的技術，具體是一種基于深度卷積神經網絡的肺結節圖像識別系統。

背景技術

肺部結節乃至由肺部結節發展導致的肺癌，已經成為現代人健康的第一殺手，而在醫學界對于肺部結節的診斷一直由人眼判斷和CAD技術來進行，在準確率上一直沒有達到一個高且穩定的狀態。深度卷積神經網絡是在深度學習技術中被廣泛采用的網絡類型，可以在高緯度提取人眼無法提取的信息，并進行進一步的分類工作。

發明內容

本發明針對現階段的技術大多以CAD和支持向量機作為基礎，以CT切片的二維圖像作為輸入，只能在二維平面空間中提取有限的肺結節圖像特征，并且具有模型精確度低，可靠性差等缺陷，提出一種基于深度卷積神經網絡的肺結節圖像識別系統，能夠以三維的CT模型為輸入，完全保留肺結節的空間信息，在高維度對肺結節圖像進行高精確度、高穩定性、高普適性的分類和預測，輔助醫生進行肺結節病癥的診斷。并且，針對二維的平面圖像，能夠對圖像做徑向重組，具備對二維肺結節圖像的兼容性，從而成為能夠廣泛應用的輔助性肺結節圖像識別系統。

本發明是通過以下技術方案實現的：

本發明涉及一種基于深度卷積神經網絡的肺結節圖像識別系統，包括：預處理模塊、訓練模塊、元數據庫以及預測模塊，其中：預處理模塊使用三維數據矩陣處理腳本從原始的肺部CT模型中通過三維坐標將疑似肺結節與訓練數據的三維圖像切割出來，形成訓練肺結節圖像并輸出至元數據庫或形成待測肺結節圖像并輸出至預測模塊，元數據庫向訓練模塊提供訓練數據并保存預測模塊預測完畢、標注完成的圖像，訓練模塊通過訓練數據對預搭建的深度卷積神經網絡進行訓練，并將訓練后的深度卷積神經網絡模型輸出至預測模塊；預測模塊根據訓練后的深度卷積神經網絡模型對待測肺結節圖像進行預測，并將預測完成的圖像做上標記后分別輸出至元數據庫以及訓練模塊進行訓練。

所述的預處理模塊包括：原始數據采集單元、三維圖形切割單元以及數據傳輸單元，其中：原始數據采集單元從醫療設備中獲得模擬圖像，經模數轉換后輸出原始的肺部CT模型至三維圖形切割單元，三維圖形切割單元根據三維數據矩陣處理腳本根據原始肺部CT模型中的三維坐標將模擬圖像中的三維圖像切割出來并形成肺結節圖像，通過數據傳輸單元將訓練肺結節圖像并輸出至元數據庫或形成待測肺結節圖像并輸出至預測模塊。

所述的訓練模塊包括：深度卷積神經網絡單元和參數調整單元，其中：深度卷積神經網絡單元與元數據庫相連并接收訓練肺結節圖像，參數調整單元與深度卷積神經網絡單元相連并接收訓練后的神經網絡參數，生成訓練后的深度卷積神經網絡模型并輸出至預測模塊。

所述的深度卷積神經網絡單元包括：用于規定輸入形狀、卷積核尺寸，對輸入的三維矩陣進行卷積的輸入三維卷積層、激活層、用于減少特征維度的最大三維池化層或平均池化層、普通三維卷積層、防過擬合層、降維層、全連接層和Softmax激活層。

所述的預測模塊包括：待測數據采集單元、預測單元以及數據回傳單元，其中：待測數據采集單元通過人機界面采集待測肺結節圖像并輸出至預測單元，預測單元根據訓練模塊輸出的訓練后的深度卷積神經網絡模型對待測肺結節圖像進行預測和標注，并將標注信息通過數據回傳單元輸出至元數據庫以及訓練模塊進行訓練。

技術效果

與現有技術無法通過深度學習技術自動提取圖像中的特征，只能通過人工約定，并且無法自行學習訓練過程中的參數矩陣、無法充分保留肺部腫瘤的三維空間特征，在特征的保留上有所損失以及無法將整個肺結節做一個整體特征提取，會在肺結節的空間特征提取上存在損失等缺陷相比，本發明在完成初步的大數據量的訓練工作后(需要GPU集群訓練)，預測與維護工作只需要普通的個人電腦即可以進行工作，每分鐘預測25個疑似肺結節圖像的性能指標。

附圖說明

圖1為深度卷積神經網絡單元示意圖；

圖2為本發明系統示意圖。

具體實施方式