[發明專利]一種基于CT影像的多類別肺炎篩查深度學習裝置

有效

• 申請號: 202010875028.5
• 申請日: 2020-08-27
• 公開（公告）號: CN111986189B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 單飛;薛向陽;史維雅;錢學林;張志勇;施裕新;付彥偉
• 申請（專利權）人: 上海市公共衛生臨床中心;復旦大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/73;G06T7/11;G06T5/00;G16H30/40
• 代理公司: 上海德昭知識產權代理有限公司 31204
• 代理人: 盧泓宇

1.一種基于CT影像的多類別肺炎篩查深度學習裝置，用于，其特征在于，包括：

CT影像數據預處理部、切片級肺炎二分類部、切片級肺炎四分類部、病例級肺炎分類部、弱監督病灶定位部以及肺炎診斷評估部；

其中，所述CT影像數據預處理部用于對得到的待分析所述CT影像進行數據預處理得到預處理CT影像；

所述切片級肺炎二分類部在空間維度上對所述預處理CT影像提取出基礎深度特征并根據該基礎深度特征利用全連接層分析所述預處理CT影像得到是否包含病灶的二分類類別結果，其中，所述全連接層的權重作為兩個分類類別的原型特征；

所述弱監督病灶定位部根據所述基礎深度特征計算每一個像素點與“含有病灶”的所述原型特征的距離，從而定位得到病灶位置圖；

所述切片級肺炎四分類部根據所述基礎深度特征、根據所述基礎深度特征的長和寬計算得到的特征絕對坐標位置圖以及所述病灶位置圖對多類別肺炎的可能性進行預測，得到四類別肺炎分類任務結果；

所述病例級肺炎分類部將所述基礎深度特征以及切片特征拼接得到切片深度特征，所述切片特征是所述基礎深度特征經過與所述切片級肺炎二分類部中不同的全連接層處理得到的，并在時間維度上對連續多層的所述切片深度特征進行精煉和融合得到相應多個精煉的切片深度特征，并根據多個所述精煉的切片深度特征融合得到影像特征從而分析出病例級多類別肺炎分類任務結果；

所述肺炎診斷綜合評估部基于切片級四分類類別結果、所述病灶位置圖以及所述病例級多類別肺炎分類任務結果輸出對應于所述預處理CT影像的肺炎診斷綜合評估結果和病灶定位分布圖。

2.根據權利要求1所述的基于CT影像的多類別肺炎篩查深度學習裝置，其特征在于：

其中，所述CT影像數據預處理部中的預處理過程包括如下步驟：

步驟S1-1，根據所述CT影像中的肺部區域邊界框摳取出肺部區域圖片并調整所述肺部區域圖片的尺寸得到調整肺部區域圖片；

步驟S1-2，采用多尺度調窗方法對所述調整肺部區域圖片進行肺窗調窗處理，即通過調節窗位和窗寬調整肺窗，得到預處理CT影像，

在所述步驟S1-1中摳取肺部區域邊界框包含如下六個步驟：

步驟S1-1-a，讀取所述CT影像；

步驟S1-1-b，根據HU值分布以及預先設定的閾值將所述CT影像中的肺部區域和其他組織進行分割得到所述肺部區域圖片；

步驟S1-1-c，通過形態學開處理來處理所述肺部區域圖片，從而使得消除摳取肺部區域時CT影像設備中躺板對肺部區域的影響；

步驟S1-1-d，利用八連通域標記方法搜索左右兩肺的所述肺部區域來實現肺部區域和其他背景的分割；

步驟S1-1-e，利用形態學開處理來消除肺部區域照片中由于分割所述肺部區域和所述其他背景所導致的噪聲；

步驟S1-1-f，根據分割好的所述肺部區域，計算最小矩形邊界框，并進行摳取和調整尺寸處理得到所述調整肺部區域圖片。

3.根據權利要求1所述的基于CT影像的多類別肺炎篩查深度學習裝置，其特征在于：

其中，所述切片級肺炎二分類部以及所述切片級肺炎四分類部通過一個包含四個殘差模塊的主干網絡完成分類任務，

所述切片級肺炎二分類部基于所述主干網絡的前三個殘差模塊對所述預處理CT影像的每一層切片在空間維度上提取出所述基礎深度特征，并通過全連接層得到所述二分類類別結果，其中將所述全連接層的2×D維度的權重作為兩個分類類別的原型特征，所述二分類類別結果為對是否包含病灶的判斷結果，

所述切片級肺炎四分類部基于所述主干網絡的最后一個所述殘差模塊根據所述基礎深度特征、所述特征絕對坐標位置圖以及所述病灶位置圖得到所述四類別肺炎分類任務結果。