[发明专利]一种用于胸部CT影像的肺结节自动检测系统

说明书

一种用于胸部CT影像的肺结节自动检测系统。该系统针对计算机辅助软件计算量大、预测不准确、预测种类少的问题提出改进，其步骤包括：获取CT影像、分割肺部组织、检测肺部组织中的疑似结节区域、基于深度学习的病灶分类模型分类病灶、输出影像标记和诊断报告。本发明系统具有很高的结节检出率和较低的假阳性率，获得精确的结节性病变的定位、定量、定性结果及其预测概率。真正地实现端到端（CT机端到医生端）的结节性病变筛查，满足医生的准确性、易操作性的需求，具有广泛地市场应用前景。

技术领域

本发明属于医学影像计算机辅助诊断技术领域，尤其涉及一种用于胸部CT影像的肺结节自动检测系统。

背景技术

CT医学影像的应用，能够协助医生诊断出病人是否患有肺癌。然而该应用的普及和患者数量的增多，造成了医院放射科医生每天的阅片负担增重。目前已有很多计算机辅助诊断的研究工作者为减轻医生的阅片量，发明多种肺结节计算机辅助检测系统，系统的算法大多是先利用阈值分割、区域增长、边缘检测等方法得到CT图像中肺实质的大致区域，然后通过进行肺结节的真假阳性判断。这些算法已经不能满足医生、患者对肺结节判断的需求。

为能更加准确判断肺结节的位置、数量和种类，满足现阶段医生和患者的需求，本发明提出一种新的技术方案即一种胸部CT影像的肺结节全自动检测系统及方法。其主要将一种局部2D/3D特征的病灶定位和基于深度学习的病症分类这两种技术方案有效的结合，能避免漏检肺壁上的结节、保留医生感兴趣的疑似结节性病变区域，从而达到减少检测结果中的假阳性结节，获得精确的结节性病变的定位、定量、定性结果。真正地实现端到端(CT机端到医生端)的结节性病变筛查，满足医生的准确性、易操作性的需求。

发明内容

为解决上述的技术问题，本发明提供一种用于胸部CT影像的肺结节自动检测系统，具有很高的结节检出率和较低的假阳性率，获得精确的结节性病变的定位、定量、定性结果。

为了实现上述目的，本发明技术方案，包括以下步骤：

(1)获取原始计算机断层扫描(CT)影像序列，对原始图像进行高斯滤波以消除噪声等的干扰；

(2)结合最佳阈值法、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；结合定位位置和3D连通域的大小移除背景体素，根据区域生长法移除气管组织，剩余定位区域作为肺部组织；

(3)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的肺实质精确分割结果；

(4)通过最优阈值规则确定多个阈值，利用这些阈值分别对肺实质区域的原始体素值进行二值化，并利用形态学开操作断开狭窄的间断，得到多组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)，若出现重叠的情况，采用位置回归方法融合重叠的3D连通域；

(5)对每一个3D连通域进行2D/3D特征提取。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；2D/3D特征经过规则过滤后，排除大部分非结节3D连通域，获得疑似结节的3D连通域；

(6)其后，对疑似结节的3D连通域求取中心坐标和体积作为结节性病灶定位和定量结果；

(7)构建基于深度学习的病灶分类模型，该模型由基于卷积神经网络的特征提取单元、输出单元构成；

(8)基于卷积神经网络的特征提取单元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，通过卷积层、池化层层叠结构不断组合低层特征形成更加抽象的高层表示，构成用于特征提取的卷积神经网络；