[发明专利]一种基于卷积神经网络检测CT图像的方法

说明书

本发明公开了一种基于卷积神经网络检测CT图像的方法，包括如下步骤：S1、提供病人的CT图像、基因组表达谱、蛋白质表达谱、吸烟情况和工作环境信息，并对CT图像进行标注获得数据集；S2、根据步骤S1所述信息搭建一个主要神经网络和四个次要神经网络，其中，主要神经网络以卷积神经网络为主体，四个次要神经网络分别用于分析基因组表达谱、蛋白质表达谱、吸烟情况和工作环境对病人病情影响的大小并输出相应的权值；S3、用已标注的数据集对所述主要神经网络进行训练，代入所述次要神经网络输出的权值，以判断病人的CT图像是否具有肺癌相应特征。采用本发明的方法检测CT图像，可以辅助医生显著提高肺癌诊断的准确率和效率。

技术领域

本发明涉及二水石膏制备技术领域，尤其是一种基于卷积神经网络检测CT图像的方法。

背景技术

近年来，随着医学等领域的发展，检测人类的基因组和蛋白质表达情况成为了现实，同时分析人基因组和蛋白质表达情况成为了分析和诊断辅助疾病的一种手段。卷积神经网络是深度学习在图像处理方面的一个重要应用，它的优点是能够直接对图像像素进行卷积并提取特征，也能够利用海量的图像数据将网络参数训练充分，以达到更好的分类效果。而在医院实际工作中，医生通过人工阅读CT图像以作出病人是否患有癌症的诊断过程目前存在较高误诊率和漏诊率。

发明内容

基于上述问题，本发明的目的在于克服上述现有技术的不足之处而提供一种基于卷积神经网络检测CT图像的方法，医生采用该方法辅助检测CT图像，可以显著地提高肺癌诊断的准确率。

为实现上述目的，本发明采取的技术方案为：一种基于卷积神经网络检测CT图像的方法，包括如下步骤：

S1、提供病人的CT图像、基因组表达谱、蛋白质表达谱、吸烟情况和工作环境信息，并对CT图像进行标注获得数据集；

S2、根据步骤S1所述信息搭建一个主要神经网络和四个次要神经网络，其中，主要神经网络以卷积神经网络为主体，四个次要神经网络分别用于分析基因组表达谱、蛋白质表达谱、吸烟情况和工作环境对病人病情影响的大小并输出相应的权值；

S3、用已标注的数据集对所述主要神经网络进行训练，代入所述次要神经网络输出的权值，以判断病人的CT图像是否具有肺癌相应特征。其中，基因组表达谱、蛋白质表达谱中包含病人基因、蛋白质表达数量、种类、表达与否、表达量、何时表达等信息。其中，已标注的数据集可以是阿里云旗下大数据平台中天池比赛的数据集，还可以是kaggle比赛的数据集。

优选地，所述主体由输入层、隐藏层和输出层构成，所述输入层输入CT图像，隐藏层由四层卷积层和两层平均池化层构成，每两层卷积层后面连接一层平均池化层，所述输出层用softmax将输出结果变成概率输出，两个概率值的和为1，其中更接近1的是正确值。

优选地，所述S1包括如下步骤：

S11、需从病人的CT扫描中获取肺部的CT切片；

S12、需要对病人的基因组进行检测，对病人进行验血检测蛋白质表达情况，咨询吸烟情况，咨询工作环境；

S13、将获取的CT图像进行标注。

优选地，所述主要神经网络由一个卷积层(C1)，leaky_relu激活，第二个卷积层(C2)，leaky_relu激活，第一个池化层(P1，大小2x2)，第三个卷积层(C3)，leaky_relu激活，第四个卷积层(C4)，leaky_relu激活，第二层池化层(P2，大小2x2)，第五层卷积层(C5)，leaky_relu激活，第六层卷积层(C6)，leaky_relu激活，第三层池化层(P3，大小7x7)，然后经过softmax将输出值变成概率输出构成。