[發明專利]一種肺CT圖像肺結節檢測方法

在審

• 申請號: 201711072977.4
• 申請日: 2017-11-03
• 公開（公告）號: CN108010013A
• 公開（公告）日: 2018-05-08
• 發明（設計）人: 王征;許洪山;孫美君
• 申請（專利權）人: 天津大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

一種肺CT圖像肺結節檢測方法，所述檢測方法包括以下步驟：通過最大類間方差法對肺部CT圖像進行分割，從分割后的肺部CT圖像中提取肺實質，通過開操作去除噪聲，并從肺實質中提取疑似結節；對真實肺結節點和疑似肺結節點，分別標記，制作成標簽數據，供后續深度學習訓練做準備；利用深度學習模型對肺結節點圖像進行訓練和測試，在訓練過程中使用深度學習框架caffe，并利用GPU加速技術進行計算，節約運算時間。本發明減少了人工提取特征過程和操作流程，保證網絡提取到的特征為高層特征，是抽象特征的組合描述。同時深度學習技術相較于傳統方法在訓練和測試過程具有更高的準確性。

技術領域

本發明涉及計算機輔助醫療診斷領域，尤其涉及一種肺CT圖像肺結節檢測方法。

背景技術

肺癌是最常見的肺原發性惡性腫瘤，近半個世紀以來，世界各國特別是人口密集的工業發達國家，肺癌的發病率和死亡率迅速上升。隨著工業化的發展，在我國肺癌的發病率和死亡率明顯上升。肺癌和其他疾病一樣，也是從一般到特殊，從正常到惡變，從分子、細胞到系統和全身的發展過程。肺癌到中晚期確診，患者一般失去了治療的最佳時期，而早期診斷肺癌后患者的生存率會有大幅提升，肺癌的早期診斷和治療對提高患者生存率意義重大。隨著醫學影像學的不斷發展，各種成像工具，如核磁共振、正電子發射計算機斷層掃描等的產生為肺癌的早期診斷提供了重要依據。

CT是目前檢測肺結節較好的影像學方法，CT掃描產生的圖像往往可以達到幾百層，但巨大的CT影像閱讀量和較小的結節點使診斷醫生的工作強度大幅度攀升，容易引起疲勞，進而導致閱讀效率和質量下降，造成一定幾率的誤診、漏診。

為了減輕放射醫師的閱片負擔和由于閱片疲勞給放射醫師正確診斷帶來的困難，計算機輔助診斷系統對解決上述問題具有非常大的優勢，越來越受到研究人員的重視。計算機輔助診斷是指通過影像學、醫學圖像處理技術以及其他可能的生理、生化手段，結合計算機的分析計算，輔助發現病灶，提高診斷的準確率。因此計算機輔助檢測肺結節的技術有助于醫生在不確定的情況下，給予比較公正的第三方參考意見。

傳統的計算機輔助診斷識別肺結節的基本思路是肺實質分割，提取疑似結節區域，肺結節的自動識別。其中肺實質分割通常采用的算法為基于閾值的分割方法、基于區域生長的分割方法、基于邊緣檢測的分割方法、基于各相關學科一些新理論的分割方法，如遺傳算法，模擬退火算法，神經網絡方法等。疑似結節區域的提取方法包括用迭代閾值法、基于聚類的方法、基于分類的方法、基于形態學的方法、基于形狀的方法等。肺結節的自動識別過程包括特征提取和分類檢測。

傳統的肺結節自動識別過程中特征選擇是由手工提取特征，包括：CT圖像的灰度特征、紋理特征、形態特征等。分類算法包括SVM(支持向量機)、貝葉斯分類器、線性判別分類器等，識別過程為提取特征，分類器訓練，測試。

發明人在實現本發明的過程中，發現現有技術中至少存在以下缺點和不足：

1、傳統的肺結節自動識別過程需要人工進行特征提取，對于特征提取者要求較高，需要有豐富的經驗，人工設計特征提取方法。但是提取到的特征區分度不明顯，不僅需要判斷這些區域的大小、位置、形狀、密度、邊緣、紋理等因素，還要分析上下文環境，這對疑似結節特征的提取提高了要求。

2、疑似結節的提取涉及肺實質的分割、感興趣區域的提取。肺部CT圖像中存在支氣管、血管等，這些對肺實質分割、疑似結節提取造成了極大的困難。特別是和肺結節外觀非常相似的血管，造成提取的感興趣區域有大量的假陽性，增加了肺結節識別的難度。

發明內容

本發明提供了一種肺CT圖像肺結節檢測方法，本發明基于深度學習技術，根據CT圖像的特點利用最大類間方差法進行圖像中肺實質提取，并對提取出的肺實質提取疑似肺結節，最后利用深度學習模型根據肺結節點圖像進行訓練和測試，最終達到計算機輔助診斷的目的，詳見下文描述：

一種肺CT圖像肺結節檢測方法，所述檢測方法包括以下步驟：