[發明專利]一種肺結節自動檢測方法、裝置及計算機系統

在審

• 申請號: 202011018485.9
• 申請日: 2020-09-24
• 公開（公告）號: CN112184657A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 黃鋼;聶生東;陳陽
• 申請（專利權）人: 上海健康醫學院;上海理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06K9/32;G06K9/62;G06N3/04
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 翁惠瑜

本發明涉及一種肺結節自動檢測方法、裝置及計算機系統，所述方法包括以下步驟：獲取待檢測CT影像；對所述待檢測CT影像進行濾波增強處理，獲得肺部增強的CT影像序列；采用閾值法對所述CT影像序列進行分割處理，獲得僅包含肺實質區域的圖像；將所述肺實質分割模塊獲得的圖像裁剪為若干圖像塊，通過一多尺度特征融合的U?Net網絡模型，獲得感興趣區域；采用一3D CNN模型對感興趣區域進行自動檢測識別，獲得肺結節檢測結果。與現有技術相比，本發明具有檢測靈敏度和精度高等優點。

技術領域

本發明涉及計算機輔助檢測領域，尤其是涉及一種肺結節自動檢測方法、裝置及計算機系統。

背景技術

肺癌是死亡率最高的腫瘤疾病之一。每年世界上有超過130萬人因為患肺癌而死亡。在肺癌的早期階段，其表現不明顯，70％以上的肺癌確診患者基本上都處于肺癌晚期。根據有關醫學統計數據，如果肺癌患者在癌癥早期能獲得正當的干預治療，其5年存活率可達90％以上，然而處于2～3期的肺癌患者存活率下降到40％～5％。因此“早發現、早診斷、早治療”是提高肺癌患者生存率的關鍵。肺癌早期一般表現為肺結節，對肺結節的檢測是肺癌早期診斷的首要步驟。當前，肺癌的早期發現最常用的是通過CT斷層掃描技術進行成像檢查，然后由放射科醫生進行篩查，但CT產生的大量影像加重了放射科醫生的閱片負擔，不但費時費力，而且隨著閱片時間一長，會致使診斷的效率和準確率下降。在此背景下，提出了基于CT影像的肺癌計算機輔助檢測系統(CAD)輔助放射科醫生，作為“第二意見”輔助臨床診斷。

從目前的國內外研究現狀來看，有許多研究者致力于對肺結節的檢測，但現有方法還存在敏感性不高，假陽過多的情況。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種檢測靈敏度和精度高的肺結節自動檢測方法、裝置及計算機系統。

本發明的目的可以通過以下技術方案來實現：

一種肺結節自動檢測方法，該方法包括以下步驟：

獲取待檢測CT影像；

對所述待檢測CT影像進行濾波增強處理，獲得肺部增強的CT影像序列；

采用閾值法對所述CT影像序列進行分割處理，獲得僅包含肺實質區域的圖像；

將所述肺實質分割模塊獲得的圖像裁剪為若干圖像塊，通過一多尺度特征融合的U-Net網絡模型，獲得感興趣區域；

采用一3D CNN模型對感興趣區域進行自動檢測識別，獲得肺結節檢測結果。

進一步地，所述濾波增強處理包括圖像濾波和窗寬窗位調節。

進一步地，所述分割處理具體包括：

使用閾值法對CT影像進行粗分割，并填充孔洞，采用三維聯通區域標記法，選擇初始肺實質區域；

對分割出的所述初始肺實質區域進行修補，使用形態學閉運算調整肺部邊緣，并邊緣處向外擴張若干像素點，獲得最終的肺實質區域。

進一步地，使用凸包算法對初始肺實質區域進行所述修補。

進一步地，所述多尺度特征融合的U-Net網絡模型引入隨機失活，包括多尺度特征融合單元、若干卷積最大池化單元和若干上采樣單元，所述卷積最大池化單元和上采樣單元獲得的相同尺度大小的特征圖相拼接。

進一步地，所述多尺度特征融合單元和卷積最大池化單元均包括卷積層與batchnormalization層的組合。

進一步地，所述3D CNN模型包括若干由Dense Block單元和池化層組成的子模型，各子模型的輸出端相連接，融合各子模型的預測結果后，輸出最終的肺結節檢測結果。