基于ResNet-Inception模型的肺结节良恶性预测方法技术

本发明专利技术提出一种基于ResNet‑Inception模型的肺结节良恶性预测方法，获取已知肺结节区域的具有标签的肺结节图像，对具有标签的肺结节图像进行预处理，得到训练图像数据集、验证图像数据集和预测图像数据集；建立基于ResNet‑Inception模型的肺结节图像分类模型；将预测图像数据集输入基于ResNet‑Inception模型的肺结节图像分类模型的最终形式中，得到预测图像数据集中肺结节图像的肺结节良恶性预测结果。本发明专利技术方法设计了新的网络结构模型，根据肺结节CT图像即可获得该肺结节的良恶性预测。

Prediction of benign and malignant pulmonary nodules based on ResNet-Inception model

This invention proposes a method of predicting lung nodules based on ResNet Inception model, obtaining the labeled lung nodule image in the known lung nodule region, preprocessing the labeled lung nodule image, obtaining the training image data set, verifying the image data set and predicting the image data set, and establishing the ResNet based on the image data set. In the final form of the lung nodule image classification model based on the ResNet Inception model, the predictive image data set is used to predict the benign and malignant results of the lung nodules of the Inception model. A new network structure model is designed according to the method of the invention, and the prediction of benign and malignant pulmonary nodules can be obtained according to the CT image of pulmonary nodules.

【技术实现步骤摘要】
基于ResNet-Inception模型的肺结节良恶性预测方法
本专利技术属于医学图像处理
，具体涉及一种基于ResNet-Inception模型的肺结节良恶性预测方法。
技术介绍
肺部疾病在医学影像上的病灶通常表现是肺结节，根据模式识别等方法的不断研究，人们提出了利用计算机来辅助放射科医生来检测肺结节的技术，即计算机辅助诊断(ComputerAidedDiagnosis，CAD)系统。在CAD中涉及到用一些常见的算法进行评估或分类，例如神经网络、k-means或支持向量机等算法。但是传统算法的主要缺点是提取的特征只是局部区域，对于常见的方差等特征不够稳健。基于数据集的差异性，目前深度学习算法已被广泛应用到CAD系统中。近些年，随机梯度下降方法成为训练深度网络的主流方法。在2015年，微软亚研院的何凯明提出了一种新型的网络结构，称作ResNet(ResidualNetwork)。它功能强大，在多项视觉比赛中均取得第一名的好成绩，比如ImageNet检测、ImageNet定位任务、COCO检测任务和COCO分割任务等。在ILSVRC2010年左右还主要是浅层网络，大部分需要手动调本文档来自技高网...

【技术保护点】
一种基于ResNet‑Inception模型的肺结节良恶性预测方法，其特征在于，包括以下步骤：步骤1：获取已知肺结节区域的具有标签的肺结节图像，对具有标签的肺结节图像进行预处理，得到训练图像数据集、验证图像数据集和预测图像数据集；步骤2：建立基于ResNet‑Inception模型的肺结节图像分类模型；步骤3：将训练图像数据集和验证图像数据集输入基于ResNet‑Inception模型的肺结节图像分类模型，训练基于ResNet‑Inception模型的肺结节图像分类模型的训练参数，从而获取基于ResNet‑Inception模型的肺结节图像分类模型的最终形式；步骤4：将预测图像数据集输入基于R...

【技术特征摘要】
1.一种基于ResNet-Inception模型的肺结节良恶性预测方法，其特征在于，包括以下步骤：步骤1：获取已知肺结节区域的具有标签的肺结节图像，对具有标签的肺结节图像进行预处理，得到训练图像数据集、验证图像数据集和预测图像数据集；步骤2：建立基于ResNet-Inception模型的肺结节图像分类模型；步骤3：将训练图像数据集和验证图像数据集输入基于ResNet-Inception模型的肺结节图像分类模型，训练基于ResNet-Inception模型的肺结节图像分类模型的训练参数，从而获取基于ResNet-Inception模型的肺结节图像分类模型的最终形式；步骤4：将预测图像数据集输入基于ResNet-Inception模型的肺结节图像分类模型的最终形式中，得到预测图像数据集中肺结节图像的肺结节良恶性预测结果。2.根据权利要求1所述的基于ResNet-Inception模型的肺结节良恶性预测方法，其特征在于，所述步骤1包括以下步骤：步骤1.1：获取已知肺结节区域的具有标签的肺结节图像，对具有标签的肺结节图像进行结节区域分割，并进行裁剪，得到裁剪后的肺结节图像；步骤1.2：将裁剪后的肺结节图像进行划分得到训练图像数据集、验证图像数据集和预测图像数据集；步骤1.3：将各数据集中的肺结节图像旋转至四个不同方向，获取各个肺结节图像的四个方向矢量上的图像，得到预处理后的训练图像数据集、验证图像数据集和预测图像数据集。3.根据...

【专利技术属性】
技术研发人员：齐守良，刘力瑶，杨帆，赵歆卓，张白桦，钱唯，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21