一种基于深度学习的肺部结节的检测系统及其使用方法技术方案

本发明专利技术涉及计算机辅助诊断领域，具体涉及一种基于深度学习的肺部结节的检测系统及其使用方法。一种基于深度学习的肺部结节的检测系统，包含用于检测肺部结节的识别模块,还包含采集样片数据的样本采集模块和用于计算的计算模块；所述计算模块包含卷积层、池化层、归一层和输出层；所述样本采样模块的采样数据用于所述计算模块进行训练，所述样本采样模块至少包含有结节数据的正样本采样模块和包含有非结节数据的负样本采样模块。本发明专利技术的目的是提供一种基于深度学习的肺部结节的检测系统及其使用方法，通过大量样本的深度学习，自动从未标注的CT数据中提取出结节数据，用于结节样本的生生，从而大幅度减轻医生的工作，且出错率低。

【技术实现步骤摘要】
一种基于深度学习的肺部结节的检测系统及其使用方法
本专利技术涉及计算机辅助诊断领域，具体涉及一种基于深度学习的肺部结节的检测系统及其使用方法。
技术介绍
中国每年癌症心法病例为312万例,每年因癌症死亡超过200万例,其中死亡最多的癌症是肺癌.肺癌是一种常见的肺部恶性肿瘤，绝大多数肺癌起源于支气管粘膜上皮。指的是肺部组织内细胞生长失去控制的疾病。这种细胞生长可能会造成转移，就是侵入相邻的组织和渗透到肺部以外。与其他疾病相比,肺癌具有高死亡率的主要原因是当肺癌被检测到时，大多数已经处于中晚期，错过了治疗的最佳时机。肺癌的治愈率与诊断时的临床分期密切相关,早期的肺癌患者的5年生存率为90％以上,一期肺癌患者的生存率降为60％,而二到四期的肺癌患者的年生存率从40％降到5％.因此,肺癌的早期正确诊断显得尤其重要.在肺癌的诊断领域,通常使用影像诊断技术,该技术主要使用X线筛查和CT筛查.其中,X线技术以其价廉、快速，诊断较准确的优点，作为肺癌最基本的诊断方法；但它难以发现隐蔽部位的肿块，对胸水中的肿块也难以显示。而薄层CT(thin-sectionCT),CT比X线胸片具有更高的空间分辨率及本文档来自技高网...

【技术保护点】
一种基于深度学习的肺部结节的检测系统，包含用于检测肺部结节的识别模块,其特征在于：还包含采集样片数据的样本采集模块和用于计算的计算模块；所述计算模块包含卷积层、池化层、归一层和输出层；所述样本采样模块的采样数据用于所述计算模块进行训练，所述样本采样模块至少包含有结节数据的正样本采样模块和包含有非结节数据的负样本采样模块；所述识别模块包含用目标切片模块和阈值判断模块，所述目标切片模块用于将目标影像进行切片操作，切片后的影像进入被训练后的所述计算模块计算出为正样本的概率数据，所述阈值判断模块包含阈值数据，当计算出的正样本的概率数据大于等于所述阈值数据后，所述识别模块判断该影像为结节。

【技术特征摘要】
1.一种基于深度学习的肺部结节的检测系统，包含用于检测肺部结节的识别模块,其特征在于：还包含采集样片数据的样本采集模块和用于计算的计算模块；所述计算模块包含卷积层、池化层、归一层和输出层；所述样本采样模块的采样数据用于所述计算模块进行训练，所述样本采样模块至少包含有结节数据的正样本采样模块和包含有非结节数据的负样本采样模块；所述识别模块包含用目标切片模块和阈值判断模块，所述目标切片模块用于将目标影像进行切片操作，切片后的影像进入被训练后的所述计算模块计算出为正样本的概率数据，所述阈值判断模块包含阈值数据，当计算出的正样本的概率数据大于等于所述阈值数据后，所述识别模块判断该影像为结节。2.根据权利要求1所述的一种基于深度学习的肺部结节的检测系统，其特征在于：所述样本采样模块的采样数据中至少包含采样影像的中心坐标数据和直径数据。3.根据权利要求2所述的一种基于深度学习的肺部结节的检测系统，其特征在于：所述样本采样模块发送给所述计算模块用于训练的数据还包含结节标签数据和神经元维度数据。4.根据权利要求1所述的一种基于深度学习的肺部结节的检测系统，其特征在于：所述卷积层和所述池化层都为多层。5.根据权利要求1或2或3或4所述的一种基于深度学习的肺部结节的检测系统，其特征在于：所述识别模块还包含参数调整模块，所述参数调整模块用于调整所述目标切片模块对图像进行切片操作后，相邻切片影像之间的重合度参数。6.根据权利要求5所述的一种基于深度学习的肺部结节的检测系统，其特征在于：所述识别模块包含初次识别模块和二度识别模块，所述二度识别模块用于在所述初次识别模块判定为结节的切片影像进行二次计算和判断，调整切片识别的精准度。7.根据权利要求6所述的一种基于...

【专利技术属性】
技术研发人员：袁浩，
申请(专利权)人：上海斐讯数据通信技术有限公司，
类型：发明
国别省市：上海,31