[發(fā)明專利]一種肺結(jié)節(jié)CT圖像檢測(cè)方法和系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010466463.2
• 申請(qǐng)日: 2020-05-28
• 公開（公告）號(hào): CN111899212A
• 公開（公告）日: 2020-11-06
• 發(fā)明（設(shè)計(jì)）人: 王士昭
• 申請(qǐng)（專利權(quán)）人: 江蘇君英天達(dá)人工智能研究院有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 陳月菊

本發(fā)明提及一種肺結(jié)節(jié)CT圖像檢測(cè)方法，包括：數(shù)據(jù)準(zhǔn)備；生成候選結(jié)節(jié)檢測(cè)網(wǎng)絡(luò)；對(duì)生成的候選結(jié)節(jié)檢測(cè)網(wǎng)絡(luò)進(jìn)行調(diào)參處理；采用數(shù)據(jù)集對(duì)調(diào)參處理后的候選結(jié)節(jié)檢測(cè)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；選取最優(yōu)的dropout和batchsize值，引入負(fù)樣本挖掘技術(shù)以優(yōu)化數(shù)據(jù)集。本發(fā)明能夠省去了肺結(jié)節(jié)實(shí)質(zhì)分割，更改了Faster R?CNN基礎(chǔ)網(wǎng)絡(luò)大大的提升了網(wǎng)絡(luò)特征提取能力，改進(jìn)的多尺度特征檢測(cè)方法也極大提高了對(duì)小肺結(jié)節(jié)檢測(cè)的精度，對(duì)計(jì)算機(jī)輔助診斷肺結(jié)節(jié)具有重要意義。

技術(shù)領(lǐng)域

本發(fā)明涉及技術(shù)領(lǐng)域，具體而言涉及一種基于改進(jìn)多尺度的Faster R-CNN肺結(jié)節(jié)CT圖像檢測(cè)方法和系統(tǒng)。

背景技術(shù)

肺癌每年造成130萬人死亡，是全球癌癥死亡的主要原因。在我國(guó)，因?yàn)榭諝馕廴救找婕又睾蜔熋竦臄?shù)量持續(xù)增長(zhǎng)，肺癌患者數(shù)量呈增長(zhǎng)趨勢(shì)。需要在肺癌的早期階段對(duì)其進(jìn)行診斷和治療，才能有效地降低肺癌死亡率。而肺結(jié)節(jié)通常被認(rèn)為是原發(fā)性肺癌的一個(gè)重要指標(biāo)，因此如何做到快速而準(zhǔn)確地檢測(cè)出胸部CT掃描上的肺結(jié)節(jié)在早期肺癌診斷中起著至關(guān)重要的作用，同時(shí)為肺癌的早期治療鋪平了道路，并可顯著提高患者的生成機(jī)會(huì)。所以，肺結(jié)節(jié)檢測(cè)具有重要研究?jī)r(jià)值。

目前，大多數(shù)放射科醫(yī)師主要通過CT圖像檢查來對(duì)肺結(jié)節(jié)進(jìn)行識(shí)別和診斷。CT設(shè)備的分辨率很高，是目前最優(yōu)秀的醫(yī)學(xué)影像診斷工具之一，能夠很容易的發(fā)現(xiàn)隱藏在肺部中的微小結(jié)節(jié)，并能夠準(zhǔn)確地將肺部周圍組織器官以及肺內(nèi)的氣管、支氣管等組織區(qū)分開來。由于

CT設(shè)備的這些獨(dú)一無的優(yōu)點(diǎn)，使得CT檢查成為臨床應(yīng)用中的主流檢查工具。

放射科醫(yī)師在使用CT設(shè)備對(duì)患者進(jìn)行肺結(jié)節(jié)檢測(cè)時(shí)，需要逐一的觀察數(shù)百幅甚至是上千幅CT圖像。這種手動(dòng)檢測(cè)方式不但非常耗時(shí)，而且給放射科醫(yī)師帶來巨大的工作量。因?yàn)獒t(yī)師在閱片的過程中很容易產(chǎn)生疲勞從而影響工作效率，進(jìn)而發(fā)生漏檢和誤診現(xiàn)象。為提高效率并降低誤診率，眾多研究者提出了計(jì)算機(jī)輔助檢測(cè)系統(tǒng)(CAD)來輔助放射科醫(yī)師檢測(cè)肺結(jié)節(jié)。

傳統(tǒng)的肺結(jié)節(jié)檢測(cè)主要分為這幾步：

1.CT圖像預(yù)處理

2.再對(duì)去噪后的圖像進(jìn)行肺實(shí)質(zhì)提取

3.緊接著在肺實(shí)質(zhì)上提取疑似結(jié)節(jié)區(qū)域

4.最后對(duì)疑似結(jié)節(jié)區(qū)域進(jìn)行分類，剔除疑似結(jié)節(jié)中的肺結(jié)節(jié)，保留真陽性結(jié)節(jié)

盡管傳統(tǒng)的檢測(cè)已經(jīng)取得了可喜的成果，但它們?nèi)匀挥袃蓚€(gè)明顯的缺點(diǎn)。第一個(gè)缺點(diǎn)是傳統(tǒng)的檢測(cè)方法基于一些簡(jiǎn)單的假設(shè)，并使用一些低級(jí)的描述特征。但是肺內(nèi)真實(shí)結(jié)節(jié)的形狀、大小和紋理具有高度變化性，低級(jí)的描述特征無法代表這些真實(shí)的結(jié)節(jié)，從而導(dǎo)致整個(gè)檢測(cè)結(jié)果的劣化。第二個(gè)缺點(diǎn)是傳統(tǒng)檢測(cè)手段所使用的的檢測(cè)方法一般分為肺分割、提取候選結(jié)節(jié)、假陽性減少三個(gè)子步驟。整個(gè)檢測(cè)過程耗時(shí)長(zhǎng)，只適合用于小樣本，無法端到端，自動(dòng)化程度低且檢測(cè)效率不高。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)中的不足，提供一種端到端的基于改進(jìn)多尺度的Faster R-CNN肺結(jié)節(jié)CT圖像檢測(cè)方法和系統(tǒng)，省去了肺結(jié)節(jié)實(shí)質(zhì)分割，更改了Faster R-CNN基礎(chǔ)網(wǎng)絡(luò)大大的提升了網(wǎng)絡(luò)特征提取能力，改進(jìn)的多尺度特征檢測(cè)方法也極大提高了對(duì)小肺結(jié)節(jié)檢測(cè)的精度，具有計(jì)算機(jī)輔助診斷肺結(jié)節(jié)具有重要意義。

為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

一種基于改進(jìn)多尺度的Faster R-CNN肺結(jié)節(jié)CT圖像檢測(cè)方法，所述檢測(cè)方法包括：

S1，數(shù)據(jù)準(zhǔn)備：對(duì)獲取的數(shù)據(jù)集進(jìn)行擴(kuò)大處理后，手動(dòng)標(biāo)注數(shù)據(jù)集；

S2，生成候選結(jié)節(jié)檢測(cè)網(wǎng)絡(luò)：