[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)自動檢測方法

在審

• 申請?zhí)枺?/td>: 201710765376.5
• 申請日: 2017-08-30
• 公開（公告）號: 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（專利權(quán)）人: 北京網(wǎng)醫(yī)智捷科技有限公司
• 主分類號: G06T7/00
• 分類號: 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

技術(shù)領(lǐng)域

本發(fā)明屬于肺部CT影像檢測篩選技術(shù)領(lǐng)域，更為具體地講，涉及一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的肺部結(jié)節(jié)自動檢測方法。

背景技術(shù)

目前，由于長期吸煙、空氣污染等原因造成了肺癌病例在全世界范圍內(nèi)呈現(xiàn)迅猛增長態(tài)勢的現(xiàn)象。肺癌在世界上屬于一種發(fā)病率和死亡率較高的癌癥類型。有數(shù)據(jù)顯示，在全球范圍內(nèi)肺癌平均5年生存率僅為16％，而在早期階段(I期)肺癌5年生存率可達(dá)65％，而不幸的是僅有10％的患者能夠在肺癌早期階段發(fā)現(xiàn)患病并采取相應(yīng)治療。有證據(jù)表明，對肺癌高危人群每年按時進(jìn)行肺部計(jì)算機(jī)斷層掃描(CT)來篩查肺部健康狀況，可以降低20％的肺癌死亡率。

肺部的結(jié)節(jié)往往與肺癌有著一定的聯(lián)系。當(dāng)在肺部CT影像中發(fā)現(xiàn)存在結(jié)節(jié)時，需要引起被檢測者的注意，并給予充分的重視并積極進(jìn)行進(jìn)一步檢測、治療。同時，及早發(fā)現(xiàn)肺部的結(jié)節(jié)可以極大提高治愈的可能性，因此，通過CT影像檢測肺部結(jié)節(jié)的存在情況對于肺癌的早期篩查有著重大的意義。

現(xiàn)行的臨床方法對于肺部結(jié)節(jié)的檢測多是利用CT機(jī)來獲得整個肺部的平面灰度斷層影像即CT影像，再通過專業(yè)的醫(yī)療人員人工完成肺部結(jié)節(jié)的檢測工作，篩選出肺部結(jié)節(jié)影像。這樣的傳統(tǒng)方法多存在工作量大、耗時長、易出錯遺漏等問題，篩選的結(jié)果也多依賴于醫(yī)療人員個人的專業(yè)技術(shù)水平。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的肺部結(jié)節(jié)自動檢測方法，提高肺部結(jié)節(jié)的檢測效率與檢測準(zhǔn)確率，以降低醫(yī)療人員的工作量、節(jié)約醫(yī)療人員的工作時間。

為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明基于深度卷積神經(jīng)網(wǎng)絡(luò)的肺部結(jié)節(jié)自動檢測方法，其特征在于，包括以下步驟：

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：

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個大小為3×9×9的卷積核，對輸入的肺部局部CT影像以步長為1做卷積；

第2層為池化層(記作M1層)，對C1層輸入到M1層的數(shù)據(jù)以步長為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個大小為2×4×4的卷積核，對M1層輸入到C2層的數(shù)據(jù)以步長為1做卷積；

第4層為池化層(記作M2層)，對C2層輸入到M2層的數(shù)據(jù)以步長為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個大小為1×3×3的卷積核，對M2層輸入到C3層的數(shù)據(jù)以步長為1做卷積；

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

第7層為卷積層(記作C5層)，使用256個大小為1×3×3的卷積核，對C4層輸入到C5層的數(shù)據(jù)以步長為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)：

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C5層輸入到M3層的數(shù)據(jù)以步長為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個神經(jīng)元，每個神經(jīng)元與M3層輸出數(shù)據(jù)和7個參數(shù)進(jìn)行全連接，7個參數(shù)中的前3個值為輸入深度卷積神經(jīng)網(wǎng)絡(luò)的CT影像相對于整個CT圖像和三個軸的感受野位置信息、后4個值代表DICOM圖像信息，即切片厚度，在一個平面內(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個神經(jīng)元，每個神經(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)：

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；