[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

技術領域

本發明涉及肺結節檢測領域，具體涉及一種基于數據增強的肺結節檢測方法及系統。

背景技術

早期的肺癌在醫學影像上呈現為一小團陰影，即肺結節。迄今為止，國內外已經出現了很多檢測肺結節的工具。傳統的X射線是一種簡單、廉價、并廣泛應用的胸片檢測方式。然而，它檢測早期肺癌的能力受技術和醫生水平的限制而且識別率并不能得到很好的保證。影響最大、識別率最高的是多層螺旋CT技術，但其高輻射的危害也制約著這種技術的使用。隨著醫學影像技術的發展，胸片的分辨率和對比度都有了很大的提高，很多醫院還是會利用胸片做一次初步診斷，而且一次胸片的輻射量不到CT的十分之一。

相對于CT圖像，胸片的干擾因素很多，即使經驗豐富的醫生，偶爾也會因為長期看片的疲勞和壓力發生漏診誤診的情況。為了減少醫生的工作量和壓力，提高肺結節的檢出率，很多研究人員開始從事計算機輔助診斷系統的研究。

在肺結節的診斷過程中，由于胸片的干擾因素多。現在常用的肺結節分割技術，例如基于邊緣的分割方法、基于區域的分割方法、基于特征空間的分割方法，往往效率很低而且效果并不理想。

發明內容

針對現有技術的不足，本發明提供了一種基于數據增強的肺結節檢測方法及系統，解決了肺結節檢測效率低的缺陷。

為實現以上目的，本發明通過以下技術方案予以實現：

根據本發明的第一方面，提供一種基于數據增強的肺結節檢測方法，包括：

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，對所述負樣本進行變形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。

進一步地，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。

進一步地，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。

進一步地，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。

進一步地，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。

根據本發明的第二方面，提供一種基于數據增強的肺結節檢測系統，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；