[發(fā)明專利]一種基于三維CT影像的肺結(jié)節(jié)檢測方法

在審

• 申請?zhí)枺?/td>: 202011455228.1
• 申請日: 2020-12-10
• 公開（公告）號: CN112634210A
• 公開（公告）日: 2021-04-09
• 發(fā)明（設(shè)計）人: 尹宏鵬;柴毅;湯鵬;李莉建;金邦;朱瑩瑩
• 申請（專利權(quán)）人: 重慶大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京同恒源知識產(chǎn)權(quán)代理有限公司 11275
• 代理人: 趙榮之

1.一種基于三維CT影像的肺結(jié)節(jié)檢測方法，其特征在于：該方法包括以下步驟：

S1：構(gòu)建數(shù)據(jù)集及其預處理；

S2：搭建肺結(jié)節(jié)檢測訓練模型；

S3：使用經(jīng)過強化的CT圖像數(shù)據(jù)集訓練網(wǎng)絡(luò)模型；

S4：使用訓練完成的網(wǎng)絡(luò)模型在測試集上進行預測。

2.根據(jù)權(quán)利要求1所述的一種基于三維CT影像的肺結(jié)節(jié)檢測方法，其特征在于：所述S1具體為：

數(shù)據(jù)集中.raw文件中的給出的是CT的X射線衰減值，單位為HU，按照空氣衰減值為-1000HU、骨骼衰減值為400HU為參考將衰減值截斷并換算成像素灰度值；

數(shù)據(jù)集中的.mhd文件中給出的是CT圖像的相關(guān)參數(shù)，利用.mhd文件中給出的offset和ElementSpacing參數(shù)換算標注文件中肺結(jié)節(jié)的三維坐標；

除通過對CT圖像進行翻轉(zhuǎn)和旋轉(zhuǎn)擴充數(shù)據(jù)集之外，還引入Mosaic數(shù)據(jù)增強方法，在訓練時將含有肺結(jié)節(jié)標注的4張CT圖像拼接在一起。

3.根據(jù)權(quán)利要求1所述的一種基于三維CT影像的肺結(jié)節(jié)檢測方法，其特征在于：所述S2具體為：

檢測模型以CSPDarknet53作為骨干網(wǎng)絡(luò)BackBone搭建深度神經(jīng)網(wǎng)絡(luò)，在原Darknet的殘差塊添加跨階段部分連接結(jié)構(gòu)CSP；

網(wǎng)絡(luò)中對BackBone隱層輸入特征圖的各個通道使用DropBlock正則化方法以防止網(wǎng)絡(luò)過擬合；

網(wǎng)絡(luò)的特征金字塔環(huán)節(jié)使用SPP-block實現(xiàn)CT圖像多感受野特征提取以分離出更顯著的多尺度特征；

使用PAN-block完成多尺度特征融合，提升網(wǎng)絡(luò)對不同尺寸等級的肺結(jié)節(jié)的檢測能力；

網(wǎng)絡(luò)激活函數(shù)由Leaky ReLU替換為Mish。

4.根據(jù)權(quán)利要求3所述的一種基于三維CT影像的肺結(jié)節(jié)檢測方法，其特征在于：所述S3具體為：

對強化擴充后的數(shù)據(jù)集劃分為10個子集，采用十折交叉驗證方法進行交叉訓練；

訓練過程引入自對抗訓練方法，通過網(wǎng)絡(luò)對原CT圖像進行對抗性攻擊增強網(wǎng)絡(luò)抗干擾能力；

訓練的損失函數(shù)選取CIoU-loss，綜合考慮預測BBox與Ground True BBox之間的重疊面積、中心點距離和長寬比一致性。