[發(fā)明專利]一種針對CT影像的肺結節(jié)惡性度分級系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010021271.0
• 申請日: 2020-01-09
• 公開（公告）號: CN112365436B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設計）人: 陳皓;段紅柏;郭紫園
• 申請（專利權）人: 西安郵電大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/80;G06V10/77;G06V10/774;G06N3/006;G06V10/82;G06N3/086;G16H50/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種針對CT影像的肺結節(jié)惡性度分級方法。其步驟為：1.提取影像組合特征并融合卷積神經(jīng)網(wǎng)絡獲得的高階特征形成肺內小結節(jié)的每類放射學語義征象的特征集。2.根據(jù)特征重要性排名對每類放射學語義征象進行特征選擇。3.利用進化搜索機制來優(yōu)化集成分類器的結構及性能，并應用其進行放射語義征象的評分。4.將語義征象的評分作為惡性度分類的特征通過多分類邏輯回歸函數(shù)對其進行惡性度的分級。本方法通過特征融合和集成分類器的優(yōu)化，提高了放射學語義征象的量化準確率。使用多分類邏輯回歸函數(shù)在實現(xiàn)惡性度分級的同時也增強了模型的可解釋性。

技術領域

本發(fā)明屬于醫(yī)療大數(shù)據(jù)領域，具體涉及到一種針對CT影像的肺結節(jié)惡性度分級方法。所述方法通過將不同的放射學語義征象進行量化，根據(jù)量化后放射學語義征象評分來對肺結節(jié)惡性度進行分級。實現(xiàn)計算機對肺結節(jié)進行惡性度自動分級，減少人為參與的操作，提高醫(yī)醫(yī)療診斷過程的效率和準確率。

背景技術

通過電子計算機X射線斷層掃描技術獲得的肺內CT影像是肺內結節(jié)早期診斷的重要手段。在診斷過程中醫(yī)生需要消耗較長的工作時間去閱讀大量的CT影像，以觀察肺結節(jié)的放射學語義征象，再根據(jù)征象結果判斷肺結節(jié)的惡性度等級。此外，由于醫(yī)師年資和業(yè)務水平的不同可能導致診斷結構產(chǎn)生一定的差異性，所以利用計算機視覺技術實現(xiàn)肺內小結節(jié)的自動惡性度分級識別不僅有利于降低醫(yī)師的勞動強度提高診斷過程的效率，還有利于保證診斷的準確率。

目前針對肺結節(jié)惡性度分級識別方面的方法大致分為兩類：一類是基于特征和分類器的方式。在特征方面如提取灰度，紋理方面等特征。在分類器方面有如使用單分類器，集成分類器。這種方法在對惡性度進行二分類時性能較好，但在對惡性度多分級時性能不高，主要受限于特征質量和分類器的性能。另一類主要基于卷積神經(jīng)網(wǎng)絡的方式。卷積神經(jīng)網(wǎng)絡(Convolutional?Neural?Networks,CNN)能夠通過卷積核獲得圖像的紋理信息。在圖像分類，分割和目標檢測方面取得重大的突破。但這種方式在可解釋性方面較差。在醫(yī)學輔助應用方面，醫(yī)生不僅關注于模型的準確率，同時也關注于模型如何進行決策。而且直接通過計算機特征對惡性度分級缺乏醫(yī)生所需的影像指標很難使醫(yī)生信服。本發(fā)明通過提取圖像的影像組學特征信息并融合通過CNN獲取的圖像高階信息來構造更豐富的特征集，通過改進的集成分類器對放射學語義征象進行量化來提高量化的準確率，將量化后的評分放入改進的softmax多元概率模型中進行惡性度分級，在提高準確率的同時增強模型的可解釋性。

發(fā)明內容

本文發(fā)明提出了一種針對CT影像的肺結節(jié)惡性度分級方法。該方法利用進化搜索機制優(yōu)化集成分類器的結構和性能，在使用其對CT影像中不同的征象進行打分計算，最后通過softmax模型，即多分類邏輯回歸函數(shù)，對肺結節(jié)惡性度的分級。為此，需要解決的關鍵技術問題包括：特征提取、融合與選擇、放射學語義征象量化、惡性度分級3個方面。

為實現(xiàn)上述目的，本發(fā)明的具體技術方案如下：

一種針對CT影像的肺結節(jié)惡性度分級方法，所述方法包括以下步驟：

步驟1：數(shù)據(jù)準備。具體為：

步驟1.1：肺內小結節(jié)影像提取。肺結節(jié)影像集合可表示為

G＝{G₁,G₂,...,G_N},i＝1,2,...,N，

其中，N為肺結節(jié)集合的總數(shù)，G_i為根據(jù)肺部CT影像病例集中的醫(yī)生對結節(jié)中心點的標注信息，上下左右分別加g個像素得到包含結節(jié)的矩形區(qū)域，可表示為G_i＝{x+g,x-g,y+g,y-g}。經(jīng)實驗發(fā)現(xiàn)g取15像素時性能最好。

步驟1.2：劃分肺結節(jié)影像集合。根據(jù)醫(yī)生對每個結節(jié)標注的放射學語義征象和惡性度信息將肺結節(jié)影像集合G進行劃分，其結構可表示為