[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

说明书

本发明涉及计算机视觉目标检测任务技术领域，尤其涉及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，包括：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DetectionTransformer网络模型中进行预测处理，获得检测结果。本发明采用多层螺旋CT图像作为数据集，能够更好的显示活动性肺结核在放射学中的特征，包括厚壁空洞、肺实质、小叶中心结节和树芽征，大幅提高了对于病灶检测的准确度。

技术领域

本发明涉及计算机视觉目标检测任务技术领域，尤其涉及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。

背景技术

肺结核(TB)是世界上第二大死亡原因，在传染病中排名第一，超过艾滋病。2019年，约有120万感染结核病患者死亡。2021年报告中的调查结果更为严重，报告了987万新发病例和130万人死亡。结核病是一类经由结核分枝杆菌产生的传染病。如果不及时治疗，结核病的死亡率很高，它通常会影响肺部，但也会影响肺部以外的部位。当患有活动性结核病(Active pulmonary tuberculosis,ATB)的人干咳，打喷嚏或以其他方式排出传染性细菌时，它会经由空气中传播。通过初期诊治和恰当治疗可以预防大多数结核病患的死亡。

如今，有许多基于分子分析和细菌培养的高度准确的诊断方法。但不幸的是，大多数方法的成本都不允许在发展中国家大规模采用，而这些国家恰恰是受疾病影响最大的。目前，最便宜和最流行的诊断技术，如痰涂片镜检，存在着敏感性的问题。因此，在结核病的发现和治疗方面还有很长的路要走。诊断结核病现在仍然是一项重大挑战，特别是在大量不受监管的私营机构和卫生系统薄弱的国家中，诊断测试往往过于昂贵或过于缓慢。

在目前的结核病医治和分析方法中，X线检查是影像筛查肺结核的辅助诊断检查之一，但是由于X线检查的局限性，对肺结核患者的诊断存在一定的漏诊率。随着计算机断层扫描(Computed Tomography,CT)技术在中小型医院的普及，CT在识别胸部实质病变的早期反应以及检测结核患者肺部病情的严重程度有很大帮助。在另一方面，CT图像可以更好的显示活动性肺结核在放射学中的特征，包括厚壁空洞、肺实质、小叶中心结节和树芽征等。然而，在CT上诊断肺结核，需要有一定诊断能力的放射科医生来进行，并且得耗费大量时间，这对于高负荷的国家和一些偏远地区的中小型医院，显然是一项艰难的任务，因为这些地方专业放射科医生都很稀缺并且经验欠缺。这些情况就会使ATB的检出率降低和患者尽早进行ATB治疗受到阻碍。

目前，深度学习在许多对图像的分类任务中取得了超人的表现。这种在自然图像中识别物体的成功激发了对将深度学习应用于医学图像的新兴趣。最近出现了许多报告，深度网络在许多异常检测任务中确实获得了惊人的准确性。值得注意的是，医学放射图像异常检测领域缺少大型标准数据集，创建高质量和数量级更大的数据集必定会推动这一领域向前发展。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出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，采用多层螺旋CT图像作为数据集，相比X光图像，能够更好的显示活动性肺结核在放射学中的特征，包括厚壁空洞、肺实质、小叶中心结节和树芽征，大幅提高了对于病灶检测的准确度。

为了实现上述目的，本发明采用了如下技术方案：

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，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；