[發明專利]基于三維卷積神經網絡的肺結節檢測方法

有效

• 申請號: 201810891156.1
• 申請日: 2018-08-03
• 公開（公告）號: CN109102502B
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 李映;曹瑩;劉凌毅;汪亦文;王鵬
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/155
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 劉新瓊

1.一種基于三維卷積神經網絡的肺結節檢測方法，其特征在于步驟如下：

步驟1：對肺部CT數據進行預處理：

采用下述公式將結節從圖像坐標體系轉換為病人坐標體系：

其中，origin和spacing分別為圖像坐標體系中的原點和間距，center表示要轉換的位置點，center'表示轉換之后的位置點；

對每組數據循環每一個切片，使用閾值法以及連通區域標記得到肺實質區域的標記圖；接著采用形態學的凸包和膨脹操作修復肺實質的外輪廓和內部輪廓，得到肺部的掩碼，從而得到肺實質區域；接著重采樣數據，將病人坐標體系中的三個面上的切片間距均調整為1mm×1mm×1mm，并將亨氏值規范化至0～255的范圍內，得到肺分割的預處理結果；所述的三個面為橫斷面、冠狀面、矢狀面；

步驟2：利用定義好的網絡結構在訓練集上進行訓練，確定一組最優的參數：

對訓練數據進行過采樣、裁剪、數據增強，所述的數據增強有水平翻轉和旋轉操作；在輸入給網絡之前再將0～255的數值范圍進行歸一化；

針對于輸入圖像塊，會預測出20×20×20個位置，每個位置有4個anchor；anchor大小是根據統計分析得來的；

處理訓練數據標簽時，判斷如果一個anchor與任意一個標簽的IOU大于0.5則認為是結節，并將置信度標記為1；如果一個anchor與任意一個標簽的IOU小于0.02，則認為其不是結節，并將置信度設置為-1；IOU大于0.02小于0.5的位置均設置為0，不參與訓練；

在訓練數據與標簽均處理完成后，將訓練數據輸入網絡中，進行前向傳播：

首先輸入數據，經過預處理塊提取特征，預處理塊是由一個卷積層，批規范化層和激活函數Relu6組成；接著將輸出結果輸入至兩個并行的殘差塊和注意力模塊中，殘差塊是為提取特征，注意力模塊會給出一個概率分布，最終將兩個結果結合起來；設殘差塊的輸出為T，注意力模塊的輸出為M，則最終的輸出為(1+M)×T，可以看出，如果權重M為0，則輸出為T，如果M變大，則輸出會被加強；接著將輸出結果傳入下一層的下采樣模塊，這一層的作用是降低特征的分辨率，采用步長為2的卷積層實現；在特征圖的分辨率為10×10×10大小時進行上采樣操作，采用反卷積實現，再將結果與前面得到的位置信息以及下采樣結果進行連接，最后再經過卷積、dropout得到最終的輸出；

得到網絡前向傳播的輸出后，計算其與真實標簽之間的誤差；由于樣本位置中多數為負樣本，為了解決樣本類別不平衡以及易分樣本的問題，采用了在線難分負樣本挖掘；即將正負anchor分開計算損失，所有正的anchor全部參與損失的計算；對負的anchor，根據其是結節的概率排序，取出前k個負的anchor來計算損失，在這里k設置為正anchor數目的2倍；即只有所有正樣本和2倍數目的難分負樣本會參與損失的計算；這里的損失是多任務的損失，一部分是分類的損失，另一部分是位置回歸的損失，當然只有正的anchor才有回歸的損失；分類損失采用焦點損失，讓損失聚焦于難分的anchor，對正的anchor，損失計算公式如下：

FL⁺(p_t)＝-α_t(1-p_t)^γlog(p_t)

其中α_t、γ是兩個超參數，α_t是為了控制正負anchor的比重，將其設置為0.25，γ設置為2；p_t代表當前anchor是結節的概率；

對于負的anchor，損失的計算公式如下：

回歸損失采用Smooth L1，對于預測的位置x,y,z和直徑d的回歸均采用如下計算方式：

整體損失函數為分類損失與回歸損失之和；計算出損失之后，采用反向傳播算法來更新網絡參數，反復迭代多次，直至損失函數值減小，網絡收斂到局部最優或是達到一定的迭代次數時停止訓練，則找到了一組最優的網絡參數；

步驟3：利用訓練好的網絡參數在測試集上進行預測：

對于一組測試病例數據，在進行了步驟1的預處理之后，對數據進行了切分，將一組數據切分為多個小的立方體塊，然后將小的立方體塊輸入步驟2訓練好的網絡來提取特征并預測輸出，得到每個立方塊的輸出后再將結果合并起來得到最終的預測結果：預測的位置x,y,z和直徑d以及當前位置是結節的置信度p；

先采用閾值法，根據置信度p，以及預測的結節直徑d進行初篩，再采用非極大值抑制NMS去掉多余的位置；最后，再對預測得到的位置x,y,z進行坐標的轉換：

coord'＝coord×spacing+origin

其中，coord是要轉換的位置坐標，coord'是轉換后的位置坐標，得到最終結果。