[發明專利]一種基于卷積神經網絡的肺結節假陽性篩選方法

有效

• 申請號: 201810092249.8
• 申請日: 2018-01-30
• 公開（公告）號: CN108230323B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 吳健;林志文;陸逸飛;應興德;劉雪晨;陳為;葉德仕;呂衛國;郝鵬翼;吳福理;吳朝暉
• 申請（專利權）人: 浙江大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 胡紅娟

1.一種基于卷積神經網絡的肺結節假陽性篩選方法，包括以下步驟：

(1)獲得肺結節檢測模型輸出的肺結節檢測結果(坐標x，直徑r，概率p)，每個檢測結果對應一個真實標簽(坐標X，直徑R)；

(2)對肺結節檢測結果進行標記生成樣本(坐標x，直徑r，標簽Y)，具體包括：

(2-1)去掉概率p＜0.7的肺結節檢測結果；

(2-2)對于每一個概率p≥0.7的肺結節檢測結果，若坐標x與坐標X的距離＜2R，則該肺結節檢測結果為正樣本，否則為負樣本；

或(2-1’)將真實標簽對應的肺結節檢測結果作為正樣本；

(2-2’)對于每一個概率p≥0.7的肺結節檢測結果，若坐標x與坐標X的距離≥2R，則該肺結節檢測結果為負樣本；

(3)將樣本(坐標x，直徑r，標簽Y)與原始肺部CT圖像進行組合，形成數據對(坐標x，直徑r，標簽Y，原始肺部CT圖像)，組成數據集合；

(4)將數據集合中的每個數據對的坐標x進行8個方向的隨機偏移，偏移尺度為0.5X；

(5)對于數據集合中的每個數據對，根據坐標x，直徑r，從原始肺部CT圖像中以坐標x為中心，裁剪出尺寸分別為32*32*32、64*64*64、96*96*96的CT切片，作為訓練樣本，并對訓練樣本進行增廣處理；

(6)構建卷積神經網絡，所述卷積神經網絡包括依次連接的5個卷積層、1個全局平均池化層、1個全連接層以及SoftMax函數層；

(7)利用尺寸為32*32*32的訓練樣本對卷積神經網絡進行訓練，獲得第一肺結節假陽性篩選模型；利用尺寸為64*64*64的訓練樣本對卷積神經網絡進行訓練，獲得第二肺結節假陽性篩選模型；利用尺寸為96*96*96的訓練樣本對卷積神經網絡進行訓練，獲得第三肺結節假陽性篩選模型；

(8)將待測肺部CT圖像分別裁剪為32*32*32、64*64*64、96*96*96尺寸的CT切片，分別將不同尺寸的CT切片輸入到與尺寸對應的第一肺結節假陽性篩選模型、第二肺結節假陽性篩選模型以及第三肺結節假陽性篩選模型，得到第一預測結果、第二預測結果以及第三預測結果，對三個預測結果求平均值，獲得最終預測結果。

2.如權利要求1所述的基于卷積神經網絡的肺結節假陽性篩選方法，其特征在于，正負樣本比例為3:1。

3.如權利要求1所述的基于卷積神經網絡的肺結節假陽性篩選方法，其特征在于，步驟(2)的具體步驟為：

第一種方法：去掉概率p＜0.7的肺結節檢測結果，對于每一個概率p≥0.7的肺結節檢測結果，若坐標x與坐標X的距離＜2R，則該肺結節檢測結果為正樣本，否則為負樣本；

第二種方法：將真實標簽對應的肺結節檢測結果作為正樣本；對于每一個概率p≥0.7的肺結節檢測結果，若坐標x與坐標X的距離≥2R，則該肺結節檢測結果為負樣本，正負樣本比例為3:1；

按照1:1的比例混合第一種方法生成的樣本和第二種方法生成的樣本。

4.如權利要求1所述的基于卷積神經網絡的肺結節假陽性篩選方法，其特征在于，所述對訓練樣本進行增廣處理包括：對訓練樣本進行隨機反轉、隨機旋轉、以及隨機縮中一種或多種處理。

5.如權利要求1所述的基于卷積神經網絡的肺結節假陽性篩選方法，其特征在于，所述5個卷積層的尺寸依次為圖片為128*128*128、通道數為24，圖片為64*64*64、通道數為32，圖片為32*32*32、通道數為64，圖片為16*16*16、通道數為64，圖片為8*8*8、通道數為64。

6.如權利要求5所述的基于卷積神經網絡的肺結節假陽性篩選方法，其特征在于，卷積層內部的卷積操作均使用殘差卷積模式操作。