[發明專利]一種肺結核檢測模型的構建方法及應用

有效

• 申請號: 201811076075.2
• 申請日: 2018-09-14
• 公開（公告）號: CN109448854B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 柴象飛;郭娜;黎安偉;孟博文;王成;左盼莉
• 申請（專利權）人: 慧影醫療科技(北京)股份有限公司
• 主分類號: G16H50/50
• 分類號: G16H50/50;G06N3/04
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 楊立

1.一種肺結核檢測模型的構建方法，其特征在于，包括：

A、獲取指定數量的標注有肺結核病灶區域標注框的胸部X光圖像；

B、對所述胸部X光圖像進行圖像預處理，以獲取預處理后的圖像數據；

C、選擇一基礎卷積神經網絡模型，將所述預處理后的圖像數據輸入至所述基礎卷積神經網絡模型中進行訓練，以獲取訓練后的肺結核檢測模型；所述基礎卷積神經網絡模型為用于輸出病灶區的候選框的神經網絡模型；

其中，在所述基礎卷積神經網絡模型訓練中，

步驟C根據不同的錨盒anchor尺寸，采用不同形狀的卷積核，具體為：

對于寬度小于高度的錨盒anchor，采用3×1卷積核；

對于高度小于寬度的錨盒anchor，采用1×3卷積核；

對于高度等于寬度的錨盒anchor，采用3×3卷積核；

所述步驟C還包括：將所述基礎卷積神經網絡模型中所有的錨盒anchor的寬度和高度減半，以使每個正確的病灶區域groud truth至少匹配一個錨盒anchor；

步驟B所述對所述胸部X光圖像進行圖像預處理，具體為：使用聚類算法從具有窗口寬度WW和窗口位置WP指導值的樣本中生成WW和WP的標準值；并通過直方圖均衡操作處理，以及利用雙線性插值算法進行圖像的縮放，將圖像雙線性插值到1024×1024分辨率；

所述肺結核檢測模型的分類損失函數的解析式為：

Loss_cls＝0.5-(p_t-0.5)²-α_t(1-p_t)^γlog(p_t)

其中，p_t指的是所述肺結核檢測的模型輸出的檢測框對應的分類置信度分數；α_t、γ指的是提高困難樣本損失的權重因子；其中，α_t＝0.40，γ＝1.0；

所述肺結核檢測模型的用于平衡分類損失函數和回歸損失函數的解析式為：

Loss＝Loss_cls+λLoss_reg

其中，所述Loss_cls指的是分類損失函數，Loss_reg指的是回歸損失函數，λ指的是分類和回歸損失函數的平衡系數；其中，λ＝0.25；

所述步驟C之后還包括：

D、設置一降假陽網絡，其輸入端與所述肺結核檢測模型的輸出端連接；其中，所述降假陽網絡中的分類算法設置為二分類算法；所述降假陽網絡為Inception-ResNet-v2網絡；Inception-ResNet-v2網絡的輸出層采用Sigmoid激活函數；

其中，所述降假陽網絡用于將所述肺結核檢測模型輸出的檢測框及其對應的分類置信度分數進行處理后輸出處理后的檢測框及其對應分類置信度分數；

E、將分類置信度分數高于一指定閾值的檢測框作為有效的候選框輸出顯示。

2.一種基于權利要求1所述的構建方法構建獲得的肺結核檢測模型的肺結核檢測方法，其特征在于，包括如下步驟：

M1、獲取患者的胸部X光圖像；

M2、將所述胸部X光圖像進行預處理，以獲取預處理后的圖像數據；

M3、將所述預處理后的圖像數據輸入至訓練好的肺結核檢測模型進行肺結核的檢測；

M4、將所述肺結核檢測模型輸出的檢測框及其對應的分類置信度分數輸入至降假陽網絡中；

M5、獲取經過所述降假陽網絡處理后輸出的檢測框及其對應分類置信度分數；

M6、將分類置信度分數高于一指定閾值的檢測框作為有效的候選框輸出顯示。