[发明专利]一种用于胸部CT影像的肺结节自动检测系统

权利要求书

1.一种用于胸部CT影像的肺结节自动检测系统，其特征在于，包括如下模块：

(1)输入模块：获取原始计算机断层扫描(CT)影像序列；

(2)肺组织分割模块：通过基于阈值的粗分割、背景体素移除、轮廓补全、气管组织移除得到初步肺部组织，再在每一个切片上，分别统计2D连通域的外轮廓边缘点的凹凸性来确定需要填充的区域，结合形态学操作填充该区域获得最终肺实质分割结果；

(3)疑似结节检测模块：先在肺实质中通过最优阈值规则确定多组阈值；然后利用多组阈值分割获得多组3D连通域，一个阈值对应一组3D连通域，每一组3D连通域中包含若干个3D连通域，若出现重叠情况，采用位置回归方法融合重叠的3D连通域；再对每一个连通域提取2D/3D特征，并通过先验规则筛选获得疑似结节候选区域；最后就该区域求取中心坐标和体积，得到定位定量的结果；

(4)病灶分类模块：构建基于深度学习的病灶分类模型，并以候选结节为中心在三维空间中提取目标区域输入到深度学习的病灶分类模型中进行疑似结节分类；

(5)终端输出模块：诊断报告以影像标记和诊断书的形式显示或打印。

2.根据权利要求1所述的一种用于胸部CT影像的肺结节自动检测系统，其特征在于，所述步骤(2)中所述取得初步肺部组织的步骤包括：

(2.1)在三维空间中采用最佳阈值法、数学形态学方法对3D图像进行粗分割，得到一个或多个组织定位区域；

(2.2)结合定位位置和3D连通域的大小移除背景体素；

(2.3)根据区域生长法移除气管组织，剩余定位区域作为初步肺部组织。

3.根据权利要求1所述的一种用于胸部CT影像的肺结节自动检测系统，其特征在于，所述步骤(3)中所述2D特征包括中心层的面积、中心层的圆似度；所述3D特征包括3D连通域的体积、类球度、体积与最大外接矩形体积之比、3D连通域的PCA主次轴比、xyz轴的最大截面积、最大外接矩形的长宽高、平均梯度、平均HU值。

4.根据权利要求1所述的一种用于胸部CT影像的肺结节自动检测系统，其特征在于，所述步骤(4)中构建基于深度学习的病灶分类模型的步骤包括：

(4.1)卷积神经网络的特征提取：采用卷积公式对输入影像序列进行卷积，得到输入样本的卷积特征图；采用最大池化方法，对卷积特征图进行池化处理；

(4.2)卷积神经网络的输出单元：输出单元为三层全连接神经网络，该输出单元的输入为卷积神经网络输出的3维数据拉伸所得1维数据，中间为隐含层，输出单元的输出层由4个独立的神经元组成，对应医学影像中需要辨识出的病灶类型，所述病灶类型为实型结节、亚实型结节、磨玻璃型结节、正常组织；

(4.3)样本训练：先经过大量样本训练，根据任务需求准备海量样本数据，将肺部CT影像数据库中的图像序列经过肺组织分割和疑似结节检测获得候选样本，并结合样本集的医生标注和标签，分成训练样本和测试样本，进行训练，得到基于深度学习的病灶分类模型。

5.根据权利要求1所述的一种用于胸部CT影像的肺结节自动检测系统，其特征在于，所述步骤(4)中输入是在疑似结节的中心为中心提取固定大小的2.5D或3D图像块，图像块包括疑似结节区域及其周围肺部区域，2.5D图像块由疑似结节中心附近不同3D角度的横截面图像堆叠而成。

6.根据权利要求1所述的一种用于胸部CT影像的肺结节自动检测系统，其特征在于，所述步骤(5)中的诊断报告是由步骤(3)的定位、定量结果和步骤(4)训练的病灶分类模型的定性及其预测概率组合而成。