[發(fā)明專利]一種基于3D卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)檢測裝置的建立方法

有效

• 申請?zhí)枺?/td>: 201810092248.3
• 申請日: 2018-01-30
• 公開（公告）號: CN108257128B
• 公開（公告）日: 2020-09-18
• 發(fā)明（設(shè)計）人: 吳健;陸逸飛;林志文;應(yīng)興德;余柏翰;陳為;葉德仕;吳福理;呂衛(wèi)國;郝鵬翼;吳朝暉
• 申請（專利權(quán)）人: 浙江大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10
• 代理公司: 杭州天勤知識產(chǎn)權(quán)代理有限公司 33224
• 代理人: 胡紅娟

1.一種基于3D卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)檢測裝置的建立方法，其特征在于，所述建立方法包括：

建立訓練樣本：首先，將采集的三維肺部CT圖像裁剪成大量的立方體小塊，然后，采用數(shù)據(jù)增強方法處理立方體小塊，最后，采用難分負樣本挖掘方法對增強處理后的立方體小塊進行處理，獲得最難區(qū)分的2n個負樣本和n個正樣本組成訓練樣本集；

建立肺結(jié)節(jié)檢測網(wǎng)絡(luò)：所述肺結(jié)節(jié)分割網(wǎng)絡(luò)包括依次連接的128*128*128(24)卷積單元、64*64*64(32)殘差卷積單元A、32*32*32(64)殘差卷積單元B、16*16*16(64)殘差卷積單元C、8*8*8(64)殘差卷積單元D、16*16*16(64)殘差卷積單元E，16*16*16(64)殘差卷積單元E的輸出特征圖與16*16*16(64)殘差卷積單元C輸出特征圖按照通道拼接后輸入至32*32*32(64)殘差卷積單元F，32*32*32(64)殘差卷積單元F輸出特征圖與32*32*32(64)殘差卷積單元B輸出特征圖按照通道拼接后，輸入至RPN網(wǎng)絡(luò)以實現(xiàn)對輸入圖的肺結(jié)節(jié)檢測；

訓練肺結(jié)節(jié)檢測網(wǎng)絡(luò)：以2倍采樣頻率對訓練樣本集中的肺結(jié)節(jié)大于30mm的小塊進行采樣，以6倍采樣頻率對訓練樣集本中的肺結(jié)節(jié)大于40mm的小塊進行采樣，其他尺寸的肺結(jié)節(jié)以正常采樣頻率采樣，將采樣后的訓練樣本輸入到肺結(jié)節(jié)檢測網(wǎng)絡(luò)，以肺結(jié)節(jié)檢測網(wǎng)絡(luò)的預(yù)測輸出與真實輸出的誤差收斂為目標，對肺結(jié)節(jié)檢測網(wǎng)絡(luò)進行訓練，獲得肺結(jié)節(jié)檢測裝置；

采用難分負樣本挖掘方法對增強處理后的立方體小塊進行處理，獲得最難區(qū)分的2n個負樣本和n個正樣本組成訓練樣本集包括：

首先，采用肺結(jié)節(jié)檢測網(wǎng)絡(luò)對增強處理后的立方體小塊進行計算，輸出每個像素的分類置信度，分類置信度越接近1，表示立方體小塊中含有肺結(jié)節(jié)的概率越高，分類置信度越接近0，表示立方體小塊中不含有肺結(jié)節(jié)的概率越高；

然后，計算分類置信度與真值標簽之差的絕對值，該絕對值越大，表示該負樣本越難被網(wǎng)絡(luò)區(qū)分；

最后，選擇最難以被區(qū)分的2n個負樣本和n個正樣本組成訓練樣本集。

2.如權(quán)利要求1所述的基于3D卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)檢測裝置的建立方法，其特征在于，所述將采集的三維肺部CT圖像裁剪成大量的立方體小塊包括：

根據(jù)以下條件對三維肺部CT圖像進行裁剪：

條件一：70％立方體小塊中至少包含一個肺結(jié)節(jié)目標；

條件二：30％立方體小塊中從整個肺部中隨機選取；

若立方體小塊包含的區(qū)域超過了肺部，則用CT圖像中無意義值170填充非肺部區(qū)域；

以肺結(jié)節(jié)區(qū)域的像素作為正樣本，其他區(qū)域的像素作為負樣本。

3.如權(quán)利要求1所述的基于3D卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)檢測裝置的建立方法，其特征在于，所述64*64*64(32)殘差卷積單元A中包含三個依次連接的32維輸入的殘差單元I；

每個殘差單元I包括依次連接的32維輸入、8維輸出、卷積核為1×1的卷積層，8維輸入、8維輸出、卷積核為3×3的卷積層，8維輸入、32維輸出、卷積核為1×1的卷積層，每個卷積層均用于特征提取，三個卷積層級聯(lián)的輸出特征圖和輸入特征圖間相加后，再經(jīng)過RELU函數(shù)激活。

4.如權(quán)利要求1所述的基于3D卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)檢測裝置的建立方法，其特征在于，所述32*32*32(64)殘差卷積單元B、16*16*16(64)殘差卷積單元C、8*8*8(64)殘差卷積單元D均包括三個依次連接的64維輸入的殘差單元II；

每個殘差單元II包括依次連接的64維輸入、16維輸出、卷積核為1×1的卷積層，16維輸入、16維輸出、卷積核為3×3的卷積層，16維輸入、64維輸出、卷積核為1×1的卷積層，每個卷積層均用于特征提取，三個卷積層級聯(lián)的輸出特征圖和輸入特征圖間相加后，再經(jīng)過RELU函數(shù)激活。