[發明專利]基于移位卷積的肺結節檢測網絡輕量化方法、系統及設備

在審

• 申請號: 202310400985.6
• 申請日: 2023-04-14
• 公開（公告）號: CN116486229A
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 杜博;曠小歡
• 申請（專利權）人: 武漢大學
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/774;G06N3/0464;G06N3/0495;G06T7/00
• 代理公司: 武漢智權專利代理事務所(特殊普通合伙) 42225
• 代理人: 羅成

本申請涉及一種基于移位卷積的肺結節檢測網絡輕量化方法、系統及設備，涉及醫學影像處理技術領域，包括構建基于目標檢測算法Anchor?Free的肺結節檢測模型；基于預處理后的目標肺部CT數據集對所述肺結節檢測模型進行訓練，以生成訓練后的肺結節檢測模型；將所述訓練后的肺結節檢測模型中的標準3D卷積運算更新替換為移位卷積運算，得到輕量化肺結節檢測模型，所述移位卷積運算包括移位操作和2D卷積運算；基于預處理后的自定義肺部CT數據集對所述輕量化肺結節檢測模型進行訓練，以生成最終的輕量化肺結節檢測模型。通過本申請可有效降低肺結節檢測模型的復雜度，極大減小了模型的大小和計算量，實現了肺結節檢測網絡的輕量化。

技術領域

本申請涉及醫學影像處理技術領域，特別涉及一種基于移位卷積的肺結節檢測網絡輕量化方法、系統及設備。

背景技術

癌癥是嚴重威脅人們身體健康的惡性疾病，給人們的生活和社會帶來極大的危害，而肺癌是所有癌癥中發病率和死亡率最高的，是全世界癌癥死亡的主要原因。隨著社會經濟的日益進步，醫學影像技術的不斷發展，人們的健康觀念也在不斷增強，越來越多的人選擇定期體檢，對肺癌的篩查也逐漸地被重視起來。肺癌在早期并無明顯特征，一般以肺結節的形式出現，在醫學影像中由于病變對比度并不明顯，以致確診為肺癌時往往已是中期或晚期，這也是導致肺癌死亡率高的主要原因。盡管肺癌是高發病率高死亡率的惡性疾病。但是臨床研究顯示，如果能在早期發現肺癌并及時進行手術治療，那么患者存活時間超過5年的人數將從18％增加到56％。

其中，肺結節是早期衡量肺癌的重要標志，及時診斷和治療肺結節是預防肺癌的最佳治療方案。為了實現肺結節的早期診斷，胸部計算機斷層掃描(CT)被廣泛采用并被證明是一種有效的工具。盡管如此，在CT圖像中手動識別結節依然是一項耗時耗力的任務，需要有經驗的影像科醫生每次分析數百張切片。因此，引入人工智能深度學習來自動準確地識別和診斷肺結節是很有必要的。不過，盡管當前深度學習算法在肺結節自動化檢測中取得了很大的成功，但這些算法為了提高準確率，往往進行了模型的集成；并且肺部CT作為3D影像，相比于自然圖像而言，其尺寸和數據都更大，3D模型本身也更為復雜，進而導致了醫院場景下現有的肺結節檢測產品均無法即時運行，醫生無法即時看到檢測結果。

在此背景下，如何實現在不影響檢測性能的情況下進行模型的輕量化顯得尤為重要。當前輕量化模型方向表現突出的算法包括MobileNet、VoVNet等。其中，MobileNet對卷積進行優化，提出使用深度可分離卷積來減少模型的參數量和計算量。而VoVNet則提出了一種OSA(one-shot-aggregation)模塊，該模塊在繼承DenseNet(密集卷積網絡)的多感受野表示多種特征優點的情況下，同時解決了密集連接效率低的問題，該網絡性能優于DenseNet，而且速度也比DenseNet快2倍。以上算法均可達到模型輕量化的效果。然而，MobileNet和VoVNet等方法雖然在實時目標檢測任務中有效，但其不能直接適用于醫學圖像處理的特定需求，對于醫學圖像處理任務可能并不總是能達到最佳性能。由此可見，如何實現肺結節檢測網絡的輕量化是當前亟需解決的問題。

發明內容

本申請提供一種基于移位卷積的肺結節檢測網絡輕量化方法、系統及設備，以解決相關技術中無法實現肺結節檢測網絡輕量化的問題。

第一方面，提供了一種基于移位卷積的肺結節檢測網絡輕量化方法，包括以下步驟：

構建基于目標檢測算法Anchor-Free的肺結節檢測模型；

基于預處理后的目標肺部CT數據集對所述肺結節檢測模型進行訓練，以生成訓練后的肺結節檢測模型；

將所述訓練后的肺結節檢測模型中的標準3D卷積運算更新替換為移位卷積運算，得到輕量化肺結節檢測模型，所述移位卷積運算包括移位操作和2D卷積運算；

基于預處理后的自定義肺部CT數據集對所述輕量化肺結節檢測模型進行訓練，以生成最終的輕量化肺結節檢測模型。