[發明專利]一種基于卷積神經網絡檢測CT圖像的方法

有效

• 申請號: 201811316415.4
• 申請日: 2018-11-06
• 公開（公告）號: CN109492690B
• 公開（公告）日: 2021-11-30
• 發明（設計）人: 黃文愷;胡凌愷;何杰賢;彭廣龍;薛義豪;吳羽;朱靜
• 申請（專利權）人: 廣州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G16H50/20
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 顏希文;羅堯

本發明公開了一種基于卷積神經網絡檢測CT圖像的方法，包括如下步驟：S1、提供病人的CT圖像、基因組表達譜、蛋白質表達譜、吸煙情況和工作環境信息，并對CT圖像進行標注獲得數據集；S2、根據步驟S1所述信息搭建一個主要神經網絡和四個次要神經網絡，其中，主要神經網絡以卷積神經網絡為主體，四個次要神經網絡分別用于分析基因組表達譜、蛋白質表達譜、吸煙情況和工作環境對病人病情影響的大小并輸出相應的權值；S3、用已標注的數據集對所述主要神經網絡進行訓練，代入所述次要神經網絡輸出的權值，以判斷病人的CT圖像是否具有肺癌相應特征。采用本發明的方法檢測CT圖像，可以輔助醫生顯著提高肺癌診斷的準確率和效率。

技術領域

本發明涉及二水石膏制備技術領域，尤其是一種基于卷積神經網絡檢測CT圖像的方法。

背景技術

近年來，隨著醫學等領域的發展，檢測人類的基因組和蛋白質表達情況成為了現實，同時分析人基因組和蛋白質表達情況成為了分析和診斷輔助疾病的一種手段。卷積神經網絡是深度學習在圖像處理方面的一個重要應用，它的優點是能夠直接對圖像像素進行卷積并提取特征，也能夠利用海量的圖像數據將網絡參數訓練充分，以達到更好的分類效果。而在醫院實際工作中，醫生通過人工閱讀CT圖像以作出病人是否患有癌癥的診斷過程目前存在較高誤診率和漏診率。

發明內容

基于上述問題，本發明的目的在于克服上述現有技術的不足之處而提供一種基于卷積神經網絡檢測CT圖像的方法，醫生采用該方法輔助檢測CT圖像，可以顯著地提高肺癌診斷的準確率。

為實現上述目的，本發明采取的技術方案為：一種基于卷積神經網絡檢測CT圖像的方法，包括如下步驟：

S1、提供病人的CT圖像、基因組表達譜、蛋白質表達譜、吸煙情況和工作環境信息，并對CT圖像進行標注獲得數據集；

S2、根據步驟S1所述信息搭建一個主要神經網絡和四個次要神經網絡，其中，主要神經網絡以卷積神經網絡為主體，四個次要神經網絡分別用于分析基因組表達譜、蛋白質表達譜、吸煙情況和工作環境對病人病情影響的大小并輸出相應的權值；

S3、用已標注的數據集對所述主要神經網絡進行訓練，代入所述次要神經網絡輸出的權值，以判斷病人的CT圖像是否具有肺癌相應特征。其中，基因組表達譜、蛋白質表達譜中包含病人基因、蛋白質表達數量、種類、表達與否、表達量、何時表達等信息。其中，已標注的數據集可以是阿里云旗下大數據平臺中天池比賽的數據集，還可以是kaggle比賽的數據集。

優選地，所述主體由輸入層、隱藏層和輸出層構成，所述輸入層輸入CT圖像，隱藏層由四層卷積層和兩層平均池化層構成，每兩層卷積層后面連接一層平均池化層，所述輸出層用softmax將輸出結果變成概率輸出，兩個概率值的和為1，其中更接近1的是正確值。

優選地，所述S1包括如下步驟：

S11、需從病人的CT掃描中獲取肺部的CT切片；

S12、需要對病人的基因組進行檢測，對病人進行驗血檢測蛋白質表達情況，咨詢吸煙情況，咨詢工作環境；

S13、將獲取的CT圖像進行標注。

優選地，所述主要神經網絡由一個卷積層(C1)，leaky_relu激活，第二個卷積層(C2)，leaky_relu激活，第一個池化層(P1，大小2x2)，第三個卷積層(C3)，leaky_relu激活，第四個卷積層(C4)，leaky_relu激活，第二層池化層(P2，大小2x2)，第五層卷積層(C5)，leaky_relu激活，第六層卷積層(C6)，leaky_relu激活，第三層池化層(P3，大小7x7)，然后經過softmax將輸出值變成概率輸出構成。