[發明專利]基于神經網絡的肺結節篩選方法

有效

• 申請號: 202110065708.5
• 申請日: 2021-01-18
• 公開（公告）號: CN112668592B
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 章毅;王成弟;郭際香;李為民;徐修遠;邵俊;張海仙;李經緯;周堯;宋璐佳
• 申請（專利權）人: 四川大學
• 主分類號: G06V10/46
• 分類號: G06V10/46;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G16H30/20
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 黃海斌

本發明公開了一種基于神經網絡的肺結節篩選方法，屬于神經網絡及胸部肺肺結節篩查領域。本發明能夠解決現有的技術由于提取X光中特征時存在有效性差，以及未能有效解決類別不平衡帶來的訓練問題，并且能夠解決由于上述原因導致的所構建出的模型依舊難以真正用于臨床的問題。為此，本發明包括：胸部圖像數據的準備；主特征提取網絡的構建與訓練；交叉帶權交叉熵函數的構建AUC性能指標的近似；在線的訓練以及特殊情況下的處理；基于弱監督學習的胸部肺結節的定位。

技術領域

本發明涉及神經網絡及胸部肺結節篩查領域，尤其涉及一種基于神經網絡的肺結節篩選方法。

背景技術

胸片(胸部X-射線成像技術)是一種快速且傷害較小且可以生成胸部內部圖像的技術，該技術被廣泛用于各種胸部肺結節的篩查，包括心肌肥大、肺炎、肺癌等。臨床中，即使是非常有經驗的專家依舊需要認真的分析片中的成像，但是由于病患的巨大以及專業醫生的稀缺以及地域分布的不均衡，這給廣大的病患帶來了困擾。通過深度神經網絡的方法自動從X光圖像中診斷胸部肺結節是一個非常有意義的輔助醫療方式，緩解醫療不均衡，提高臨床診斷效率與準確性具有重要意義。

近年來，由于深度神經網絡取得的巨大的成就，并成功應用于各個領域中，包括語音識別，圖像識別，人臉檢測，自然語言處理以及計算機輔助醫療等領域。在計算機輔助醫療領域，基于人工智的肺結節篩查以及乳腺癌的早篩技術已經日益走進臨床實踐。如今自動識別胸片中的肺結節也開始慢慢收到大家的關注。使用胸片對肺結節的篩查，相比較于CT，由于胸片的設備簡單，出片快，輻射少等優勢，一般廣泛應用于肺部肺結節的初級診斷篩查中。

自2017年以來，美國國立衛生研究院(National Institutes of Health，NIH)在CVPR會議上公開了一個目前最大規模的胸片數據集，該數據集包含11212張X光片，涵蓋了14中胸部肺結節，包括肺炎，肺癌，心肌肺大等肺結節。該數據集的發布吸引了很多學者的眼光，研究者與開發者慢慢的將注意力放到這一領域。但是由于X光片中肺結節特征的不明顯以及14個類別樣本不平衡的問題，給這一研究造成了一定的困擾。

目前大部分的方法都是通過改進訓練與優化模型提升模型自動提取特征的能力。X.Wang，Y.Peng，L.Lu，M.Bagheri，和R.M.Summers在他們構建胸片的自動診斷算法中，使用一個通過ImageNet數據集與訓練的50層殘差卷積神經網絡，訓練并提取X光片中肺部肺結節的特征，取得了一定的效果。而后，X.Wang等人有發布了他們第二步的成果，在該項成果里面，他們介紹了一種基于多模態數據特征的方法，通過構建語言模型，建立圖像到圖像描述的文本生成模型，通過融合該語言模型根據圖像生成的特征以及直接通過卷積神經網絡提取的特征，一同對最終的診斷做出預測。P.Rajpurkar等人構建ChexNet模型來診斷胸片中的14種肺部肺結節，該方法通過建立121層稠密鏈接的卷積神經網絡有效提取X光中暴露的肺結節特征，在14種病中的肺炎診斷取得了放射科醫生的水平。因為公開的數據集，每一張X光片可能擁有不止一個肺結節，Y.Li，E.Poblenz，D.Dagunts，D.Bernard，和K.Lyman從這個角度出發，先通過一個161層的稠密鏈接的卷積神經網絡構建編碼器，在訓練一個基于LSTM的解碼網絡推理不同標簽之間的內在聯系。QingjiGuan，Yaping Huang，Zhun Zhong，Zhedong Zheng，LiangZheng和YiYang基于注意力機制構建AG-CNN通過不同深度的卷積神經網絡提取特征，并取得了有效的效果。

因此，現有的技術由于提取X光中特征的有效性問題，以及未能有效解決類別不平衡帶來的訓練問題，因此，所構建出的模型依舊難以真正用于臨床。

發明內容

本發明的目的是提供一種基于神經網絡的肺結節篩選方法，解決現有的技術由于提取X光中特征時存在有效性差，以及未能有效解決類別不平衡帶來的訓練問題，并且能夠解決由于上述原因導致的所構建出的模型依舊難以真正用于臨床的問題。