[發(fā)明專利]一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的肺部結(jié)節(jié)自動(dòng)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710765376.5
• 申請(qǐng)日: 2017-08-30
• 公開（公告）號(hào): CN107578405A
• 公開（公告）日: 2018-01-12
• 發(fā)明（設(shè)計(jì)）人: 王學(xué)磊;劉璟丹;王鵬
• 申請(qǐng)（專利權(quán)）人: 北京網(wǎng)醫(yī)智捷科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06N3/04
• 代理公司: 成都行之專利代理事務(wù)所(普通合伙)51220
• 代理人: 溫利平,陳靚靚

1.一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的肺部結(jié)節(jié)自動(dòng)檢測(cè)方法，其特征在于，包括以下方法：

S1：收集一定數(shù)量的尺寸大小為5×20×20的肺部局部CT影像作為訓(xùn)練集，其中包含正常的肺部組織，也包含了含有結(jié)節(jié)的異常肺部組織，包含正常肺部組織的CT影像類別記作‘0’，含有結(jié)節(jié)的異常肺部組織CT影像類別記作‘1’；

對(duì)訓(xùn)練集中的所有CT影像進(jìn)行歸一化處理，得到歸一化的CT影像，歸一化處理可以采用如下公式表示：

norm(x)=x-xminxmax-xmin]]>

其中，x為CT影像中的像素點(diǎn)像素值，norm(x)表示歸一化后的像素值，x_min為CT影像像素點(diǎn)中的最小像素；值，x_max為CT影像像素點(diǎn)中的最大像素值；

S2：構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)：

第1層為卷積層(記作C1層)，使用96個(gè)大小為3×9×9的卷積核，對(duì)輸入的肺部局部CT影像以步長(zhǎng)為1做卷積；

第2層為池化層(記作M1層)，對(duì)C1層輸入到M1層的數(shù)據(jù)以步長(zhǎng)為2、非重疊的做1×2×2的最大池化操作；

第3層為卷積層(記作C2層)，使用256個(gè)大小為2×4×4的卷積核，對(duì)M1層輸入到C2層的數(shù)據(jù)以步長(zhǎng)為1做卷積；

第4層為池化層(記作M2層)，對(duì)C2層輸入到M4層的數(shù)據(jù)以步長(zhǎng)為2，非重疊的做2×2×2的最大池化操作；

第5層為卷積層(記作C3層)，使用384個(gè)大小為1×3×3的卷積核，對(duì)M2層輸入到C3層的數(shù)據(jù)以步長(zhǎng)為1做卷積；

第6層為卷積層(記作C4層)，使用384個(gè)大小為1×3×3的卷積核，對(duì)C3層輸入到C4層的數(shù)據(jù)以步長(zhǎng)為1做卷積；

第7層為卷積層(記作C5層)，使用256個(gè)大小為1×3×3的卷積核，對(duì)C4層輸入到C5層的數(shù)據(jù)以步長(zhǎng)為1做卷積；

C1、C2、C3、C4、C5層中，均采用修正線性單元ReLu作為激活函數(shù)：

ReLu(y)=12(y+|y|)]]>

其中，y表示激活函數(shù)的輸入，ReLu(y)表示激活函數(shù)的輸出。

第8層為池化層(記作M3層)，對(duì)C5層輸入到M3層的數(shù)據(jù)以步長(zhǎng)為2，非重疊的做1×2×2的最大池化操作；

第9層為全連接層(記作FC1層)，共有1096個(gè)神經(jīng)元，每個(gè)神經(jīng)元與M3層輸出數(shù)據(jù)和7個(gè)參數(shù)進(jìn)行全連接，7個(gè)參數(shù)中的前3個(gè)值為輸入深度卷積神經(jīng)網(wǎng)絡(luò)的CT影像相對(duì)于整個(gè)CT圖像和三個(gè)軸的感受野位置信息、后4個(gè)值代表DICOM圖像信息，即切片厚度，在一個(gè)平面內(nèi)x軸、y軸的軸間距、圖像定位信息；

第10層為全連接層(記作FC2層)，共有1096個(gè)神經(jīng)元，每個(gè)神經(jīng)元與FC1層輸出的數(shù)據(jù)進(jìn)行全連接；FC1層、FC2層采用tanh函數(shù)作為激活函數(shù)：

tanh(z)=ez-e-zez+e-z]]>

其中，z表示激活函數(shù)的輸入，tanh(z)表示激活函數(shù)的輸出；

第11層為全連接層(記作FC3層)，共有2個(gè)神經(jīng)元，每個(gè)神經(jīng)元與FC2層輸出的1096維數(shù)據(jù)進(jìn)行全連接；FC3層的輸出數(shù)據(jù)為一個(gè)2維大小的向量，分別表示屬于類別0的概率和屬于類別1的概率；FC3層采用sigmoid函數(shù)作為激活函數(shù)：

sigmoid(p)=11+e-p]]>

其中，p表示激活函數(shù)的輸入，sigmoid(p)表示激活函數(shù)的輸出；

S3：采用步驟S1獲取肺部結(jié)節(jié)訓(xùn)練集中的每個(gè)肺部局部CT影像作為輸入，對(duì)應(yīng)類別作為期望輸出，對(duì)步驟S2構(gòu)建的深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的深度卷積神經(jīng)網(wǎng)絡(luò)；

S4：對(duì)于待檢測(cè)的肺部CT影像，采用5×20×20大小的滑動(dòng)窗口在該影像中滑動(dòng)每次滑動(dòng)得到的肺部局部CT影像均輸入步驟S3訓(xùn)練得到的深度卷積神經(jīng)網(wǎng)絡(luò)中得到其輸出值，將該輸出值作為此次滑動(dòng)得到的肺部局部CT影像中各個(gè)體素的得分，每個(gè)體素的最終得分為滑動(dòng)窗口滑動(dòng)過程中該體素所有得分的平均值，如果某個(gè)體素的最終得分大于預(yù)設(shè)的體素判定閾值H，則該體素為結(jié)節(jié)體素，否則不為結(jié)節(jié)體素；對(duì)肺部CT影像中檢測(cè)出的結(jié)節(jié)體素進(jìn)行連通域分析，從而得到肺部結(jié)節(jié)的位置和邊界。

2.根據(jù)權(quán)利要求1所述的肺部結(jié)節(jié)自動(dòng)檢測(cè)方法，其特征在于，所述閾值H采用以下方法設(shè)置：

初始化閾值a，收集若干肺部CT影像，對(duì)其中的肺部結(jié)節(jié)進(jìn)行標(biāo)注，然后將這些肺部CT影像按照步驟S4的檢測(cè)方法進(jìn)行肺部結(jié)節(jié)檢測(cè)，在檢測(cè)時(shí)以閾值a作為體素判定閾值H，按照預(yù)先標(biāo)注的肺部結(jié)節(jié)對(duì)檢測(cè)結(jié)果進(jìn)行評(píng)價(jià)，如果達(dá)到預(yù)設(shè)的指標(biāo)要求，則增大閾值a，再次進(jìn)行檢測(cè)，直到無(wú)法達(dá)到預(yù)設(shè)的指標(biāo)要求，則以最近一次達(dá)到預(yù)設(shè)指標(biāo)要求的閾值a作為待選閾值A(chǔ)；如果未達(dá)到預(yù)設(shè)的指標(biāo)要求，則減小閾值a，再次進(jìn)行檢測(cè)，直到達(dá)到預(yù)設(shè)的指標(biāo)要求，以當(dāng)前的閾值a作為待選閾值A(chǔ)；當(dāng)待選閾值A(chǔ)大于0.7，則體素判定閾值H的取值范圍為(0.7,A]，否則體素判定閾值H＝0.7。