[發(fā)明專利]基于空間-語義顯著性約束的CT圖像模態(tài)對齊方法

有效

• 申請?zhí)枺?/td>: 201910616322.1
• 申請日: 2019-07-09
• 公開（公告）號: CN110503626B
• 公開（公告）日: 2021-11-23
• 發(fā)明（設(shè)計(jì)）人: 徐奕;林曉慧;倪冰冰
• 申請（專利權(quán)）人: 上海交通大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海恒慧知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 31317
• 代理人: 徐紅銀

本發(fā)明提供了一種基于空間?語義顯著性約束的CT圖像模態(tài)對齊方法，包括：從不同的數(shù)據(jù)集中獲取原始CT圖像，標(biāo)記并截取CT圖像的肺結(jié)節(jié)區(qū)域，得到肺結(jié)節(jié)區(qū)域圖像；通過不同數(shù)據(jù)集的肺結(jié)節(jié)區(qū)域圖像對3D DenseNet網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到第一分類器和第二分類器；在循環(huán)一致生成對抗網(wǎng)絡(luò)CycleGAN中引入3D掩模和置信度評估分?jǐn)?shù)作為約束條件，得到基于空間?語義顯著性約束的循環(huán)一致生成對抗網(wǎng)絡(luò)SSA?CycleGAN；通過所述SSA?CycleGAN對不同數(shù)據(jù)集的肺結(jié)節(jié)區(qū)域圖像進(jìn)行轉(zhuǎn)換處理，得到統(tǒng)一模態(tài)的肺結(jié)節(jié)區(qū)域圖像。本發(fā)明可以將不同模態(tài)的數(shù)據(jù)進(jìn)行轉(zhuǎn)換處理，從而提升肺結(jié)節(jié)檢測算法的準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及肺結(jié)節(jié)檢測技術(shù)領(lǐng)域，具體地，涉及基于空間-語義顯著性約束的CT圖像模態(tài)對齊方法。

背景技術(shù)

隨著醫(yī)療技術(shù)的發(fā)展，人類的平均壽命越來越長，但和疾病，尤其是癌癥的斗爭卻從未停止。從全球范圍內(nèi)來看，肺癌是最常見的癌癥類型之一，占整體癌癥發(fā)病率的11.6％，并且也是癌癥死亡的主要原因，占癌癥總死亡數(shù)的18.4％。

目前，國內(nèi)肺癌的發(fā)病率和死亡率非常接近，預(yù)后極差。醫(yī)學(xué)上將肺癌分為五期，數(shù)據(jù)顯示，原位癌患者治愈可能性近百分之百，I期肺癌患者的10年存活率也高達(dá)88％，而III/IV期肺癌患者5年存活率僅為15％左右。2015年我國肺癌的發(fā)病例數(shù)733,300人，死亡例數(shù)則高達(dá)610,200人，這一現(xiàn)象的出現(xiàn)主要是因?yàn)樵缙诘姆伟o論是在臨床表現(xiàn)還是病理學(xué)分析上都缺乏明顯表征，只有約15％的肺癌患者能在肺癌早期被確診，而晚期肺癌的手術(shù)效果甚微，故而極大降低了肺癌患者平均的五年存活率。因此，有效且精準(zhǔn)的早期診斷措施，成為改善肺癌預(yù)后，提升肺癌治療效果的關(guān)鍵一環(huán)。因?yàn)閻盒苑谓Y(jié)節(jié)多為原發(fā)性肺部腫瘤或轉(zhuǎn)移灶，所以肺癌的可靠臨床治療方法在于早期準(zhǔn)確檢測肺結(jié)節(jié)。推廣肺癌早期篩查工作的主要障礙是CT成像診斷的巨大工作量。早期肺癌的特征表現(xiàn)肺結(jié)節(jié)的尺寸小，對比度低，并且形狀異質(zhì)性高。因此，肺結(jié)節(jié)的檢測主要依靠影像科醫(yī)生人工診斷完成。

然而，每個(gè)受試者的胸部至少有100張CT圖像(5mm層厚)，甚至600次精細(xì)掃描(小于1.25mm層厚)。隨著CT檢查的快速增長，人工診斷方法越來越難以滿足需求。因此，通過使用計(jì)算機(jī)輔助檢測(Computer-Aided Detection)系統(tǒng)的出現(xiàn)，可以自動發(fā)現(xiàn)可疑病變，從而進(jìn)行肺結(jié)節(jié)的初步篩查，幫助放射科醫(yī)師對潛在的異常進(jìn)行鑒別，以有效地減少放射科醫(yī)師的工作量，并顯著提高肺結(jié)節(jié)診斷的準(zhǔn)確性。但是，不同數(shù)據(jù)集之間存在上述的模態(tài)差異，數(shù)據(jù)集的直接融合反而對模型訓(xùn)練帶來負(fù)面影響，從而使得肺結(jié)節(jié)的檢測精度不高。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于空間-語義顯著性約束的CT圖像模態(tài)對齊方法。

根據(jù)本發(fā)明提供的一種基于空間-語義顯著性約束的CT圖像模態(tài)對齊方法，包括：

從不同的數(shù)據(jù)集中獲取原始CT圖像，標(biāo)記并截取CT圖像的肺結(jié)節(jié)區(qū)域，得到肺結(jié)節(jié)區(qū)域圖像；其中，不同數(shù)據(jù)集中的原始CT圖像對應(yīng)不同的模態(tài)；

通過自適應(yīng)高斯濾波，對不同數(shù)據(jù)集的肺結(jié)節(jié)區(qū)域圖像進(jìn)行掩模計(jì)算，得到對應(yīng)的3D掩模；

通過不同數(shù)據(jù)集的肺結(jié)節(jié)區(qū)域圖像對3D DenseNet網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到第一分類器和第二分類器；其中，所述第一分類器和所述第二分類器用于對肺結(jié)節(jié)區(qū)域圖像中的肺結(jié)節(jié)進(jìn)行置信度評估，得到對應(yīng)的置信度評估分?jǐn)?shù)；

在循環(huán)一致生成對抗網(wǎng)絡(luò)CycleGAN中引入3D掩模和置信度評估分?jǐn)?shù)作為約束條件，得到基于空間-語義顯著性約束的循環(huán)一致生成對抗網(wǎng)絡(luò)SSA-CycleGAN；

通過所述SSA-CycleGAN對不同數(shù)據(jù)集的肺結(jié)節(jié)區(qū)域圖像進(jìn)行轉(zhuǎn)換處理，得到統(tǒng)一模態(tài)的肺結(jié)節(jié)區(qū)域圖像。