[发明专利]胸部CT影像的肺结节自检测方法

摘要

本发明涉及医疗诊断技术领域，具体涉及一种胸部CT影像的肺结节自检测方法；包括以下步骤：样本数据库的构建、数据标准化、构建模型、检测模型一的构建、检测模型二的构建、训练检测模型的构建和肺结节检测；本发明对含有肺结节目标的数据进行数据扩充，可使网络结构学习更多的特征，解决了数据库中数据量不足的问题，提高了肺结节检测的准确度；再者，检测模型的构建提高了CT对医学图像肺结节遮挡情况的鲁棒性，提高了CT对肺结节的检测精度；另外，本发明制备的样本为三维样本，三维样本的制作能最大程度的保留原始信息，减少特征遗漏，从而提高了肺结节检测的准确度。

主权项

1.一种胸部CT影像的肺结节自检测方法，其特征在于：包括以下步骤：S1、样本数据库的构建：a、从LIDC数据库中的原始数据集随机选取若干个肺部病例的图像，并通过读取原始数据集的XML格式注释文件，提取出肺结节坐标信息，并用病例图像和肺结节坐标信息组成样本数据库；b、对样本数据集进行预处理后进行截取，并对预处理后的所有样本进行复制，在复制后的样本中加入高斯噪声，组成扩充后的样本数据集；S2、数据标准化：根据样本数据库的HU值统计分布，选取合适的HU值作为标准化范围，并将数据标准化为[0，1]；S3、构建模型：构建三维卷积神经网络模型，并设定模型超参数；S4、检测模型一的构建：结合对比模型现有的区域建议网络和分类网络，获得检测模型一；S5、检测模型二的构建：将新的特征提取网络的第二部分网络的第七层新拼接层的输出分别与区域建议网络中的第一层卷积层的输入和分类网络中第一层感兴趣区域池化层的输入相连接；将区域建议网络中的第一层卷积层的输出与分类网络中第一层感兴趣区域池化层的输入连接，组成检测模型二；S6、训练检测模型的构建：检测模型中的区域建议网络和分类网络使用特征提取网络中每层相同的特征参数，并调整区域建议网络和分类网络中每一层的权重参数，得到训练检测模型；S7、肺结节检测：用步骤S6中所得的训练检测模型对S1中所的的样本数据库中每张医学图像进行测试，得到每张医学图像中的肺结节检测结果。