[發(fā)明專利]一種生成對抗網絡改進的CT醫(yī)學圖像肺結節(jié)檢測方法

在審

• 申請?zhí)枺?/td>: 201810003544.1
• 申請日: 2018-01-03
• 公開（公告）號: CN108198179A
• 公開（公告）日: 2018-06-22
• 發(fā)明（設計）人: 張聲超;趙躍龍;柏朋成
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 馮炳輝

本發(fā)明公開了一種生成對抗網絡改進的CT醫(yī)學圖像肺結節(jié)檢測方法，包括步驟：1)獲取肺部CT圖像的切片；2)根據(jù)圖像形態(tài)學性質分離得到ROI肺實質區(qū)域；3)根據(jù)二值化圖像構成的連通域得到不同的疑似肺結節(jié)候選集；4)建立輔助分類器生成對抗網絡的模型產生正類樣本克服正負類樣本數(shù)量不均衡的情況；5)建立卷積神經網絡對疑似肺結節(jié)部分進行分類得到肺結節(jié)區(qū)域；6)使用非極大抑制算法得到肺結節(jié)的最終區(qū)域。本發(fā)明可充分利用計算機的高效處理性能，提供一定的可擴展性，加快數(shù)據(jù)的處理效率，同時通過卷積神經網絡算法提高分類的準確率，提高CT圖像數(shù)據(jù)的處理性能，更加高效地構建分析肺結節(jié)圖像。

技術領域

本發(fā)明涉及醫(yī)學圖像處理領域，尤其是指一種生成對抗網絡改進的CT醫(yī)學圖像肺結節(jié)檢測方法。

背景技術

中國龐大的人口基數(shù)給醫(yī)療系統(tǒng)帶來的既是挑戰(zhàn)也是機遇。醫(yī)療制度的不完善以及醫(yī)療資源的不平衡嚴重制約了中國醫(yī)療事業(yè)的發(fā)展。當前中國醫(yī)療行業(yè)正處于一個重要的轉折點，一方面，全民的醫(yī)療費用占GDP的比例不斷提升，人們越來越重視健康問題；另一方面，全國的老齡化問題日益嚴重，老年人的醫(yī)療問題成了政府需要積極面對的問題。因此醫(yī)療保健行業(yè)的發(fā)展預計將會迎來一個黃金時代。但是相對于龐大的人口，我們的醫(yī)療機構不足以及相關從業(yè)人員緊缺，是我們亟待解決的問題。

通過組醫(yī)學數(shù)據(jù)和臨床醫(yī)學的結合，可以有效提高醫(yī)學診斷的準確率，精準醫(yī)學這幾年飛速的發(fā)展在一定程度上提高了病人的治療效果。醫(yī)療器材的越來越精密，也為人類探索人類基因組，蛋白質組等數(shù)據(jù)提供了可靠的保障。利用這些數(shù)據(jù)，結合機器學習、數(shù)據(jù)挖掘方法對可能的關系進行有效挖掘，從而幫助醫(yī)學工作者作出正確的決策。

CT圖像肺結節(jié)檢測是醫(yī)學圖像處理中的核心內容。一般要經過以下幾個步驟，包括數(shù)據(jù)采集，圖像預處理，肺實質分割，疑似肺結節(jié)檢測，肺結節(jié)性質分析。本發(fā)明處理的前提是CT圖像已經采集好。圖像的預處理步驟包括切片，去除噪聲等等。這個步驟的目的是得到二維切片圖片，以便于計算機處理。肺實質的分割目的在于提取肺實質，對胸前內區(qū)域及胸廓進行分割，提取肺部區(qū)域分離得到感興趣區(qū)域(ROI)肺實質區(qū)域，這一步尤其重要，因為切片中其它的區(qū)域會對疑似肺結節(jié)檢測造成干擾，從而對檢測的準確率造成影響。

現(xiàn)有對肺結節(jié)檢測的算法在特征提取的過程中需要花費大量的時間。傳統(tǒng)的特征提取算法提取大量的人工特征，這些特征需要大量的先驗知識。而使用深度學習對結節(jié)進行分類的方法可以避免人工特征的提取過程，因為深度學習模型能夠自動學習提取適合當前任務的特征。

醫(yī)學圖像處理中的一個突出問題是正負類樣本不均衡問題，即真實肺結節(jié)樣本(正類樣本)遠遠少于非肺結節(jié)樣本(負類樣本)。本發(fā)明使用的方法是訓練輔助分類器生成對抗網絡的模型產生真實肺結節(jié)樣本，使不同類別樣本均衡，從而避免模型偏好某一類樣本，減少模型過擬合或者欠擬合的情況發(fā)生。

發(fā)明內容

本發(fā)明的目的在于克服現(xiàn)有技術的不足，提出了一種生成對抗網絡改進的CT醫(yī)學圖像肺結節(jié)檢測方法，可充分利用計算機的高效處理性能，提供一定的可擴展性，加快數(shù)據(jù)的處理效率，同時通過卷積神經網絡算法提高分類的準確率，提高CT圖像數(shù)據(jù)的處理性能，更加高效地構建分析肺結節(jié)圖像。

為實現(xiàn)上述目的，本發(fā)明所提供的技術方案為：一種生成對抗網絡改進的CT醫(yī)學圖像肺結節(jié)檢測方法，首先，從CT圖像中得到切片，然后分離出肺實質部分，去除影響檢測的噪聲區(qū)域，通過最大類間方差法(OSTU)算法得到圖像二值化最優(yōu)的閾值，然后對圖像進行形態(tài)學的操作得到圖像的掩膜，從而提取到切片圖像的各個區(qū)域；接著，根據(jù)肺部區(qū)域和其它的連續(xù)區(qū)域的位置和大小的差異，分離得到ROI肺實質區(qū)域，由于肺結節(jié)CT值與其它實質CT值的不同，二值化之后構成的連通域得到不同的疑似肺結節(jié)候選集，采用基于輔助分類器生成對抗網絡的模型產生真實肺結節(jié)樣本的方法，克服不同樣本數(shù)量不均衡的情況，通過建立卷積神經網絡模型對疑似肺結節(jié)部分進行分類得到肺結節(jié)，最后使用非極大抑制算法得到肺結節(jié)的最終定位；其包括以下步驟：