[发明专利]一种基于深度学习的多层螺旋CT对活动性肺结核的检测方法

权利要求书

1.一种基于深度学习的多层螺旋CT对活动性肺结核的检测方法，其特征在于，具体步骤如下：

S1：收集汇总活动性肺结核CT影像，转换CT图像格式，并对转换后的图像进行预处理；

S2：将预处理后的图像输入基于阈值的肺实质分割模型，获得肺实质图像；

S3：将肺实质图像交由放射科医生进行标注，标注出原发性肺结核、继发性肺结核以及血行播散性肺结核的病灶区域，制作样本数据集；

S4：将样本数据集输入已训练好的Detection Transformer网络模型中进行预测处理，获得检测结果。

2.根据权利要求1所述的一种基于深度学习的多层螺旋CT对活动性肺结核的检测方法，其特征在于，在步骤S1中，转换CT图像格式具体为：调用pydicom库，将原dcom格式的CT图像切片转换为png格式。

3.根据权利要求1所述的一种基于深度学习的多层螺旋CT对活动性肺结核的检测方法，其特征在于，在步骤S1中，预处理包括对随机图像进行随机增强，增强方式包括图片翻转、对比度归一化或添加高斯噪声。

4.根据权利要求1所述的一种基于深度学习的多层螺旋CT对活动性肺结核的检测方法，其特征在于，在步骤S2中，肺实质分割模型具体为：采用基于全局阈值的肺实质分割算法，分割出肺实质区域，进行取反操作，以半径为5的圆形结构单元，进行闭运算，再次取反，提取最大连通区域，获得躯干的掩膜，将该掩膜进行孔洞填充获得新的掩膜，将两个掩膜相减即可得到肺实质掩膜，最后用掩膜乘原图获得肺实质图像。

5.根据权利要求1所述的一种基于深度学习的多层螺旋CT对活动性肺结核的检测方法，其特征在于，在步骤S3中，标注由经验丰富的放射科医生对肺实质分割图像进行标注，标注病灶的外界矩阵和类别，病灶类别为：原发性肺结核、继发性肺结核以及血行播散性肺结核。

6.根据权利要求1所述的一种基于深度学习的多层螺旋CT对活动性肺结核的检测方法，其特征在于，在步骤S4中，Detection Transformer网络模型训练流程为：

给定一张图片，经CNN backbone提取特征feature，然后转为特征序列输入到transformer的encode-decode，结果直接输出指定长度为N的无序的预测集合，集合中每个元素包含预测物体的类别cls和坐标bbox；

采用Detection Transformer网络模型训练数据样本集，设置训练学习率为0.0001，训练次数为500次，每批次训练的图片数batch_size为4；训练学习后对待测试样本进行检测，并将输出检测结果。