[發明專利]一種肺部ct影像特殊組織的標記方法

在審

• 申請號: 201810727772.3
• 申請日: 2018-07-05
• 公開（公告）號: CN109035212A
• 公開（公告）日: 2018-12-18
• 發明（設計）人: 鄒昊;盧樹強;馬鵬程;謝蘇
• 申請（專利權）人: 清影醫療科技（深圳）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/34
• 代理公司: 北京中索知識產權代理有限公司 11640
• 代理人: 宋濤

本發明公開了一種肺部ct影像特殊組織的標記方法，包括如下步驟：(1)、樣本標記：(2)、設計語義分割模型：以像素分割的方式，在原始圖像中標記出特定對象的區域，并依此建立一個U?Net模型；(3)、特殊組織檢測模型的訓練：采用圖像變換方法，對原始圖像和掩模圖像同時進行變換，以進行數據增強；(4)、計算模型性能的度量指標：模型性能的度量指標就是Dice系數，起計算公式為：本發明可以提升肺結節檢查準確率。

技術領域

本發明涉及肺部ct影像領域；具體涉及一種肺部ct影像特殊組織的標記方法。

背景技術

癌癥，作為一直以來人類難以降服的惡疾，嚴重威脅著人類的生命健康。其中，肺癌在所有惡性腫瘤發病及死亡中均占首位。據統計，2012年約有160萬人因肺癌死亡，另有180萬新增病例被確診。篩查肺癌對于患者的早期診斷和治療至關重要，可以通過篩查技術來改善患者預后。肺癌篩查容易出現假陽性，由此會增加不必要的治療成本，并給患者帶來額外的壓力。利用針對肺癌的計算機輔助診斷方法，能夠為早期癌癥篩查提供更全面的覆蓋，并降低診斷中的假陽性率。

雖然發現肺結節可能并不代表確診早期肺癌，但肺癌篩查的第一步就是檢測肺結節。然而，在CT影像中的肺部，除了以結節代表的疑似肺癌外，還可能包含多種肺部疾病，例如：肺氣腫、肺結核等。特別是，長期吸煙人群是多種肺部疾病的高發人群，其肺部很有可能同時存在結節和其它特殊病變組織。這就為準確檢測結節，增加了額外的難度。為此，需要專門的模型，對特殊組織進行檢測。

事實上，當能檢測出肺部有很多“奇怪的組織”時，患者罹患癌癥的機會會很高。而此時，若結節檢測器沒有發現任何結節，就會給出陰性的判定，這對醫療診斷有較為負面的影響。

發明內容

本發明目的在于：為了解決上述背景技術中的現有技術存在的問題，提供一種肺部ct影像特殊組織的標記方法，可以提升肺結節檢查準確率。

本發明解決其技術問題所采用的技術方案是：一種肺部ct影像特殊組織的標記方法，包括如下步驟：

(1)、樣本標記：LIDC-IDRI肺結節公開數據集和LUNA16肺結節檢測競賽數據集中，用傳統方法，標記出肺部ct影像特殊組織樣本；

(2)、設計語義分割模型：以像素分割的方式，在原始圖像中標記出特定對象的區域，并依此建立一個U-Net模型；

(3)、特殊組織檢測模型的訓練：采用圖像變換方法，對原始圖像和掩模圖像同時進行變換，以進行數據增強；

其中訓練的batch size為4，優化方法為帶動量的SGD，學習率固定為0.001。

(4)、計算模型性能的度量指標：模型性能的度量指標就是Dice系數，起計算公式為：

優選地：步驟(3)中采用的圖像變換方法為隨機彈性變換、隨機旋轉、隨機翻轉和隨機平移。

優選地：步驟(3)中對原始圖像和掩模圖像進行變換時，要使用同樣的變換方法和變換參數。

與現有技術相比，本發明具有以下有益效果：

本發明首先通過U-Net架構以像素分割的方式，在原始圖像中標記出特定對象的區域；其次，通過使用了多種圖像變換方法，包括：隨機彈性變換、隨機旋轉、隨機翻轉和隨機平移等對數據進行了增強，避免了用于特殊組織檢測的數據集樣本較少的問題。最終模型的Dice系數指標能夠超過0.8，達到較高的水平。

附圖說明

下面結合附圖和實施例對本發明進一步說明。

圖1是非結節特殊組織及其對應標記ct影像圖；

圖2是U-Net模型語義分割模型架構；