[發(fā)明專(zhuān)利]一種基于三維掩模-區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的肺癌篩查方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110515164.8
• 申請(qǐng)日: 2021-05-12
• 公開(kāi)（公告）號(hào): CN113066576A
• 公開(kāi)（公告）日: 2021-07-02
• 發(fā)明（設(shè)計(jì)）人: 袁戎;袁知東;馮飛;成管訊
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京大學(xué)深圳醫(yī)院
• 主分類(lèi)號(hào): G16H50/20
• 分類(lèi)號(hào): G16H50/20;G06T7/00;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 武漢兮悅知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42246
• 代理人: 劉志強(qiáng)

1.一種基于三維掩模-區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的肺癌篩查方法，其特征在于，包括如下步驟：

第一步：數(shù)據(jù)標(biāo)記，對(duì)多個(gè)不同患者的肺部CT薄層掃描數(shù)據(jù)，記錄CT數(shù)據(jù)中的肺結(jié)節(jié)的三維位置，并根據(jù)臨床經(jīng)驗(yàn)和活檢信息，標(biāo)記對(duì)應(yīng)肺結(jié)節(jié)的良惡性；

第二步：數(shù)據(jù)預(yù)處理，將CT數(shù)據(jù)在三個(gè)方向上插值成等分辨率，剪裁數(shù)據(jù)只保留肺臟區(qū)域；

第三步：檢測(cè)模型的構(gòu)建與訓(xùn)練，使用基于三維掩模-區(qū)域卷積神經(jīng)網(wǎng)絡(luò)作為肺結(jié)節(jié)檢測(cè)模型；

第四步：根據(jù)訓(xùn)練后的模型，對(duì)CT數(shù)據(jù)進(jìn)行肺結(jié)節(jié)檢測(cè)，輸出疑似肺結(jié)節(jié)的像素立方體，包括肺結(jié)節(jié)中心點(diǎn)坐標(biāo)和大小；

第五步：分類(lèi)模型的構(gòu)建與訓(xùn)練，使用三維卷積神經(jīng)網(wǎng)絡(luò)作為肺結(jié)節(jié)良惡性的分類(lèi)模型；

第六步：輸出惡性概率最高的肺結(jié)節(jié)中心點(diǎn)坐標(biāo)和大小，用于進(jìn)一步的臨床報(bào)告。

2.根據(jù)權(quán)利要求1所述的基于三維掩模-區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的肺癌篩查方法，其特征在于，第二步中，數(shù)據(jù)預(yù)處理中：

2.1)根據(jù)DICOM格式的CT數(shù)據(jù)，獲得數(shù)據(jù)的空間分辨率；以最小分辨率為基準(zhǔn)，使用線性插值使數(shù)據(jù)在三個(gè)方向上分辨率相同；

2.2)人體肺臟分為兩部分，分別為左肺與右肺；同時(shí)由于肺臟內(nèi)大部分為空氣，而空氣的CT值為0，通過(guò)區(qū)域生長(zhǎng)算法找到插值后數(shù)據(jù)中所有CT值為0、大小不一的空腔，根據(jù)分辨率計(jì)算每個(gè)空腔的體積；

2.3)人體肺臟的容積在500到10000cm³的范圍，屬于這個(gè)容積范圍且最大的兩個(gè)空腔被認(rèn)為是肺臟；

2.4)使用形態(tài)學(xué)濾波，填補(bǔ)空腔中由于肺內(nèi)血管造成的空洞，濾波范圍設(shè)定為五個(gè)像素大小；

2.5)對(duì)插值后數(shù)據(jù)進(jìn)行裁剪，只保留肺臟區(qū)域的數(shù)據(jù)，減少后續(xù)計(jì)算時(shí)間。

3.根據(jù)權(quán)利要求1所述的基于三維掩模-區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的肺癌篩查方法，其特征在于，第三步中，檢測(cè)模型的構(gòu)建與訓(xùn)練：

檢測(cè)模型使用基于三維掩模、區(qū)域卷積神經(jīng)網(wǎng)絡(luò)，包括三個(gè)部分：第一部分是ResNet-FPN網(wǎng)絡(luò)組成的層級(jí)相連結(jié)構(gòu)，其中包含上采樣、下采樣和層與層之間相連的級(jí)聯(lián)結(jié)構(gòu)；第二部分是區(qū)域建議網(wǎng)絡(luò)對(duì)于提取的特征圖，生成區(qū)域建議，進(jìn)行感興趣區(qū)域?qū)R；第三部分是計(jì)算損失函數(shù)。

4.根據(jù)權(quán)利要求3所述的基于三維掩模-區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的肺癌篩查方法，其特征在于，第三步中，檢測(cè)模型的構(gòu)建與訓(xùn)練：

ResNet-FPN網(wǎng)絡(luò)包括從下到上的下采樣，從上到下的上采樣以及橫向的級(jí)聯(lián)部分；從下到上的下采樣路徑，由一系列的卷積層和最大池化層組成，用于特征圖提取。

5.根據(jù)權(quán)利要求4所述的基于三維掩模-區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的肺癌篩查方法，其特征在于：根據(jù)輸出特征圖的大小，特征提取分為五個(gè)階段，階段二、階段三、階段四和階段五各自最后一層輸出卷積二、卷積三、卷積四和卷積五分別定義為C2，C3，C4和C5；在FPN的下采樣階段，首先是卷積層，卷積核大小為7×7×7，步長(zhǎng)為2，然后是一個(gè)3×3×3大小的最大池化層，對(duì)圖像進(jìn)行粗略的特征提取；層與層之間有不同個(gè)數(shù)的殘差塊進(jìn)行連接，C2有三個(gè)殘差塊相連，C3有四個(gè)殘差塊相連，C4有六個(gè)殘差塊相連，C5有三個(gè)殘差塊相連；殘差單元的最后輸出由多個(gè)卷積層輸出和出入X進(jìn)行相加，然后經(jīng)過(guò)ReLU激活；

最高層開(kāi)始的由上到下的上采樣，使用最近鄰采樣；與下采樣對(duì)應(yīng)，上采樣過(guò)程也分為無(wú)個(gè)階段，對(duì)應(yīng)有M2，M3，M4和M5作為結(jié)果；將下采樣過(guò)程的結(jié)果，也就是C2，C3，C4和C5每一層使用一個(gè)1×1,大小的卷積核進(jìn)行卷積，輸出通道一致設(shè)為36，然后和相應(yīng)的特征圖相加；再采用3×3的卷積核相加之后的特征進(jìn)行處理，以消除上采樣的混合效應(yīng)。