[發明專利]基于數據增強的肺結節檢測方法及系統

在審

• 申請號: 201711145983.8
• 申請日: 2017-11-17
• 公開（公告）號: CN107945875A
• 公開（公告）日: 2018-04-20
• 發明（設計）人: 孫曉;夏平平;丁帥;楊善林
• 申請（專利權）人: 合肥工業大學
• 主分類號: G16H50/30
• 分類號: G16H50/30;G06N3/04;G06T7/00
• 代理公司: 北京路浩知識產權代理有限公司11002
• 代理人: 王瑩,余罡

1.一種基于數據增強的肺結節檢測方法，其特征在于，包括：

解析出圖像數據庫中的胸片正位圖，將所述胸片正位圖轉換成JPG圖像；

利用自適應直方圖均衡化算法對轉換成JPG圖像的胸片正位圖進行預處理，并將進行預處理后的所述胸片正位圖按預設比例分為訓練集、驗證集及測試集；

利用所述訓練集及所述驗證集訓練和調整卷積神經網絡模型，并通過所述測試集評測所述卷積神經網絡模型的準確率；

在所述訓練集及所述驗證集上將胸片正位圖中摳出的肺結節區域作為模型訓練的負樣本，將胸片正位圖中其他區域隨機裁剪作為模型訓練的正樣本，對至少兩個所述負樣本進行融合處理以增強負樣本數量；

利用滑動窗口將整張的JPG圖像的胸片正位圖分成不重疊的圖像塊，然后將所述圖像塊輸入到所述卷積神經網絡模型中判斷所述圖像塊的為正樣本或負樣本；

如果所述圖像塊為負樣本，則所述胸片正位圖上存在肺結節區域。

2.如權利要求1所述的基于數據增強的肺結節檢測方法，其特征在于，所述將進行預處理后的所述胸片正位圖按預設比例分為訓練集、驗證集及測試集，包括：

將進行預處理后的所述胸片正位圖按7:1:2的比例分為訓練集、驗證集及測試集。

3.如權利要求1所述的基于數據增強的肺結節檢測方法，其特征在于，所述在所述訓練集及所述驗證集上將胸片正位圖中摳出的肺結節區域作為模型訓練的正樣本，包括：

根據XML文件中的標注信息摳出所述肺結節區域，將肺結節區域作為模型訓練的正樣本；

其中，所述圖像數據庫為肺部影像數據庫，所述肺部影像數據庫包括針對胸片正位圖上肺結節的XML標注文件。

4.如權利要求1所述的基于數據增強的肺結節檢測方法，其特征在于，所述對至少兩個所述負樣本進行融合處理以增強負樣本數量，包括：

將至少兩個所述負樣本中的肺結節區域采用高斯融合算法進行融合處理，形成新的負樣本，將所述新的負樣本作為訓練數據。

5.如權利要求1所述的基于數據增強的肺結節檢測方法，其特征在于，所述利用滑動窗口將整張的JPG圖像的胸片正位圖分成不重疊的圖像塊，包括：

所述滑動窗口的步長設定為100，將整張的JPG圖像的胸片正位圖分成不重疊的圖像塊。

6.一種基于數據增強的肺結節檢測系統，其特征在于，包括：

轉換模塊，用于解析出圖像數據庫中的胸片正位圖，將所述胸片正位圖轉換成JPG圖像；

劃分模塊，用于利用自適應直方圖均衡化算法對轉換成JPG圖像的胸片正位圖進行預處理，并將進行預處理后的所述胸片正位圖按預設比例分為訓練集、驗證集及測試集；

訓練模塊，用于利用所述訓練集及所述驗證集訓練和調整卷積神經網絡模型，并通過所述測試集評測所述卷積神經網絡模型的準確率；

增強模塊，用于在所述訓練集及所述驗證集上將胸片正位圖中摳出的肺結節區域作為模型訓練的負樣本，將胸片正位圖中其他區域隨機裁剪作為模型訓練的正樣本，對所述負樣本進行變形處理以增強負樣本數量；

檢測模塊，用于利用滑動窗口將整張的JPG圖像的胸片正位圖分成不重疊的圖像塊，然后將所述圖像塊輸入到所述卷積神經網絡模型中判斷所述圖像塊的為正樣本或負樣本；

判斷模塊，用于如果所述圖像塊為負樣本，則所述胸片正位圖上存在肺結節區域。

7.如權利要求6所述的基于數據增強的肺結節檢測系統，其特征在于，所述劃分模塊包括：

劃分子單元，用于將進行預處理后的所述胸片正位圖按7:1:2的比例分為訓練集、驗證集及測試集。

8.如權利要求6所述的基于數據增強的肺結節檢測系統，其特征在于，所述增強模塊包括：

第一增強子單元，用于根據XML文件中的標注信息摳出所述肺結節區域，將肺結節區域作為模型訓練的正樣本；

其中，所述圖像數據庫為肺部影像數據庫，所述肺部影像數據庫包括針對胸片正位圖上肺結節的XML標注文件。

9.如權利要求6所述的基于數據增強的肺結節檢測系統，其特征在于，所述增強模塊包括：

第二增強子單元，用于將至少兩個所述負樣本中的肺結節區域采用高斯融合算法進行融合處理，形成新的負樣本，將所述新的負樣本作為訓練數據。

10.如權利要求9所述的基于數據增強的肺結節檢測系統，其特征在于，所述檢測模塊包括：

檢測子單元，用于所述滑動窗口的步長設定為100，將整張的JPG圖像的胸片正位圖分成不重疊的圖像塊。