[發明專利]一種基于深度學習的肺癌早篩裝置

有效

• 申請號: 201710780914.8
• 申請日: 2017-09-01
• 公開（公告）號: CN107767362A
• 公開（公告）日: 2018-03-06
• 發明（設計）人: 金成君;紀建光;李懿范
• 申請（專利權）人: 蘇州俠洛信息科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G16H50/30;G16H30/20;G06N3/04
• 代理公司: 廣州三環專利商標代理有限公司44202
• 代理人: 郝傳鑫,賈允

1.一種基于深度學習的肺癌早篩裝置，其特征在于，包括：

圖像處理模塊，用于對圖像進行預處理以得到符合深度學習標準的圖像；

圖像分析模塊，用于將所述圖像導入經過深度學習的神經網絡以檢測所述圖像中肺部結節，從而使得神經網絡輸出疑似肺部結節及其對應的置信值；

圖像分析結果處理模塊，用于選取N個最高值，對于每個最高值，提取最后一個的卷基層，并將提取結果引入池化層和全連接層，從而計算出肺癌的概率。

2.根據權利要求1所述的裝置，其特征在于，還包括神經網絡處理模塊，所述神經網絡處理模塊用于構建與圖像分析模塊交互的神經網絡，所述神經網絡處理模塊包括：

數據集訓練單元，用于構建訓練數據集；

數據處理單元，用于進行陽性樣本平衡處理以及難分樣本挖掘操作；

神經網絡生成單元，用于搭建神經網絡。

3.根據權利要求2所述的裝置，其特征在于，所述數據集訓練單元具體用于對數據集進行塊處理；包括兩類塊，第一類占全部數據塊的70％，第二類占全部數據塊30％；第一類的塊中的數據包含至少一個結節，第二類的塊中的數據沒有結節。

4.根據權利要求2所述的裝置，其特征在于，所述數據處理單元具體用于平衡大小結節的數量，當結節大于30毫米和40毫米時，模型訓練時的取樣頻率分別需要增加2和6倍。

5.根據權利要求2所述的裝置，其特征在于，所述神經網絡生成單元具體用于基于改良的U-Net搭建神經網絡。

6.根據權利要求5所述的裝置，其特征在于，所述所述神經網絡生成單元搭建的神經網絡為：

所述神經網絡由5個殘差網絡和一系列橫向和反饋網絡連接，反向層的特征用于計算輸出結果；所述反向層的大小是32*32*32，并通過兩個1*1*1的卷積獲得分類值；

所述神經網絡有三個不同大小的錨，分別是10毫米，30毫米和60毫米；

所述神經網絡的交叉區域IoU用于判斷最后一層的像素類別，如果像素的IoU大于0.5，則判定所述像素是陽性樣本；如果像素的IoU小于0.02，則判定所述像素是陰性樣本；所述陽性樣本為包含肺部結節的樣本；所述陰性樣本為不包含肺部結節的樣本。

7.根據權利要求1所述的裝置，其特征在于，所述圖像處理模塊包括：

分割單元，用于對肺部圖像進行分割；

第一數據處理單元，用于對肺實質的外輪廓修復和區域增長處理；

第二數據處理單元，用于對圖像數據標準化處理。