[发明专利]一种从肺部CT图像中提取末端支气管树的方法

摘要

本发明涉及一种从肺部CT图像中提取末端支气管树的方法，将每一张原始的肺部CT图像以同样顺序和大小进行切片编号，得到多个图像块；将图像块分为有病结、无组织或腔壁、有血管或其他肺部组织以及有肺部腔壁，输入卷积神经网络中进行训练。本发明的图像切片分类处理能够降低系统复杂度，同时保证肺结节特征的完整性，能够很好的用于卷积神经网络的训练，有很高的敏感性和较低的误诊率，使卷积神经网络能够在应用中快速的实现肺结节的识别和定位。

主权项

1.一种从肺部CT图像中提取末端支气管树的方法，其特征在于：包括下列步骤：1)准备初始数据：初始数据包括用来训练、验证和测试的肺部纹理CT图像小块、对应的几何信息图像小块和对应的类别标签。2)卷积神经网络的构建：基于卷积神经网络中跳跃结构的思想，构建一个18层的卷积神经网络。3)基于步骤(2)得到的卷积神经网络进行训练；其中，所述卷积神经网络的卷基层尺寸为96个7×7大小的卷积核，扫描时步长设置为2，得到96个31×31的卷积输出，将卷积输出通过ReLU激活输入2×2的池化层降采样，得到96个15×15的数据，之后每层卷积层尺寸为256个5×5，384个3×3，256个3×3；所述卷积神经网络的全连接层为两层，维度为1152，与输出SoftMax相连计算每分钟分类的目标概率，通过随机梯度下降来进行权重的更新。