一种基于深度学习的尘肺检测方法与系统技术方案

本发明专利技术涉及一种尘肺结节的检测方法，包括以下步骤：S1、转化DICOM格式的CT图像为numpy数组格式的肺部图像并读取该CT图像数据信息；S2、进行形态学操作得到只保留肺部实质的实质图像；S3、将实质图像分割成若干个小块的小块图像；S4、将这些小块图像送入卷积神经网络进行尘肺结节的筛选及诊断，并得到检测结果；S5、将检测结果保存为csv格式。本发明专利技术通过对CT图像进行转化、形态学操作、筛选，检测尘肺结节的个数以及所在的坐标区域，实现尘肺症状的自动诊断，减少了尘肺鉴别需要大量医疗资源的问题。

A pneumoconiosis detection method and system based on deep learning

The invention relates to a detection method for pneumoconiosis nodules, which comprises the following steps: S1, transforming the CT image in DICOM format into a numpy array format and reading the CT image data information; S2, performing morphological operations to obtain a solid image that only retains the lung parenchyma; S3, dividing the solid image into several small pieces Image; S4, these small pieces of images into the convolution neural network screening and diagnosis of pneumoconiosis nodules, and get the test results; S5, the test results are saved as CSV format. The invention realizes the automatic diagnosis of pneumoconiosis symptoms by transforming CT images, morphological operation and screening, detecting the number of pneumoconiosis nodules and the coordinate area where they are located, and reduces the problem that the identification of pneumoconiosis requires a large number of medical resources.

【技术实现步骤摘要】
一种基于深度学习的尘肺检测方法与系统
本专利技术涉及针对CT图像的尘肺检测技术，特别是涉及一种基于深度学习的尘肺结节检测技术。
技术介绍
随着人口数量、肺部医疗需求的不断增加，迫切需要在肺部医疗方面加快结节检测速度与质量。而其中尘肺的诊断鉴别问题尤为突出。传统的尘肺鉴别诊断方法需要对患者进行肺穿刺活检、需要参考患者历次X光线胸片、病例摘要等。由于尘肺的诊断鉴别需要医生进行多角度、长时间的观察，所以其存在以下缺陷：（1）病人无法立马得到确切的诊断结果，影响生活和工作以及后续的治疗；（2）传统的方法过程复杂，需要医生花费大量的精力；（3）诊断结果主观依赖性强，不同的医生可能有不同的诊断结果。
技术实现思路
本专利技术的目的在于提供一种基于深度学习的尘肺结节检测技术，能自动根据肺部的CT图像进行诊断，减少医生的负担。为了实现上述目的，本专利技术提供了以下技术方案：本专利技术提供一种尘肺结节的检测方法，包括以下步骤：S1、转化DICOM格式的CT图像为numpy数组格式的肺部图像并读取该CT图像数据信息；S2、进行形态学操作得到只保留肺部实质的实质图像；S3、将实质图像分割成若干个小块的小块图像本文档来自技高网...

【技术保护点】
1.一种基于深度学习的尘肺结节的检测方法，其特征在于，包括以下步骤：S1、转化DICOM格式的CT图像为numpy数组格式的肺部图像并读取该CT图像数据信息；S2、进行形态学操作得到只保留肺部实质的实质图像；S3、将实质图像分割成若干个小块的小块图像；S4、将这些小块图像送入卷积神经网络进行尘肺结节的筛选及诊断，并得到检测结果；S5、将检测结果保存为csv格式。

【技术特征摘要】
1.一种基于深度学习的尘肺结节的检测方法，其特征在于，包括以下步骤：S1、转化DICOM格式的CT图像为numpy数组格式的肺部图像并读取该CT图像数据信息；S2、进行形态学操作得到只保留肺部实质的实质图像；S3、将实质图像分割成若干个小块的小块图像；S4、将这些小块图像送入卷积神经网络进行尘肺结节的筛选及诊断，并得到检测结果；S5、将检测结果保存为csv格式。2.根据权利要求1所述一种基于深度学习的尘肺结节的检测方法，其特征在于，所述步骤S1中，numpy数组的各个维度为n、h、w，n代表图像的通道，h代表图像的高度，w代表图像的宽度。3.根据权利要求1所述一种基于深度学习的尘肺结节的检测方法，其特征在于，所述步骤S1中，CT图像数据信息指的是DICOM格式数据中的病人信息及CT图像的长和宽及图片像素之间的间隔信息。4.根据权利要求1所述一种基于深度学习的尘肺结节的检测方法，其特征在于，所述步骤S2中的形态学操作的具体操作步骤如下：S2.1、使用大小为450的阈值，得到肺部图像的二值图像；S2.2、清除二值图像中的连接到边缘的点；S2.3、只保留步骤S2.2所得到的图像中的两大轮廓，即左右肺部实质；具体为，找到并保留该图像中面积最大的两个区域，该区域由相邻的值为1的像素点构成；S2.4、对步骤S2.3所得到的图像进行腐蚀操作，再进行闭运算，再进行填充空洞；然后，以得到的图像作为掩膜，处理未进行步骤S2的肺部图像输出相应的实质图像；其中，采用掩膜处理肺部图像的过程为，将掩膜与肺部图像中的每个像素一一对应，若掩膜中的某像素点值为0，则将图像中的这个像素点的值置为0。5.根据权利要求1所述一种基于深度学习的尘肺结节的检测方法，其特征在于，所述步骤S3中的实质图像分割的具体分割步骤如下：S3.1、对实质图像进行填充使得宽和...

【专利技术属性】
技术研发人员：吉普照，臧宇航，郑德生，朱安婕，张雪，
申请(专利权)人：四川元匠科技有限公司，
类型：发明
国别省市：四川,51