The invention discloses a method for detecting pulmonary nodules based on 2D convolution neural network, which improves the detection accuracy by detecting suspected pulmonary nodules and reducing false positive; meanwhile, the whole detection process can be automatically completed, and the detection efficiency of fast pulmonary nodules can be accelerated.
【技术实现步骤摘要】
基于2D卷积神经网络的肺结节检测方法
本专利技术涉及智能医学影像分析
,尤其涉及一种基于2D卷积神经网络的肺结节检测方法。
技术介绍
肺部CT图像为三维图像,每个图像包含一系列胸腔的多个轴向切片。每个三维图像由不同数量的二维图像组成。其二维图像数量可以基于不同因素变化,比如扫描机器、被扫描用户。由于现有肺结节检测方法为了结合CT图像的三维属性,通常基于3D卷积神经网络进行肺结节检测,其处理过程较复杂,占用资源也较多,并且由于每个CT的切片厚度并不一定相同,统一的3D卷积处理方法并不适用。
技术实现思路
本专利技术的目的是提供一种基于2D卷积神经网络的肺结节检测方法,可以加快肺结节的检测效率,并提高检测的精度。本专利技术的目的是通过以下技术方案实现的:一种基于2D卷积神经网络的肺结节检测方法,包括:对训练集中每一CT图像,根据标注的结节位置,提取过结节中心的切片图像、以及其上下相邻两个切片图像;针对每一种切片图像,训练一个疑似肺结节检测模型:首先,输入至特征提取网络,通过判断是否是结节的二分类输出以及边界框预测,获得结节的建议区域;然后,将获得的建议区域输入到RoIpooling层进行特征图的尺寸标准化处理;最后,通过两个全连接层输出至分类概率预测层与边界框预测层;对于训练数据中正负样本做预处理来平衡正负样本的比例,之后,还利用预筛选模型对于预处理后的负样本进行分类,筛选出分类错误的负样本;再利用预处理与筛选后的训练数据来训练出三个弱分类模型;在检测过程中,利用训练好的三个疑似肺结节检测模型对待检测CT图像进行检测,获得的疑似结节的分类概率和其边界框,再利 ...
【技术保护点】
1.一种基于2D卷积神经网络的肺结节检测方法,其特征在于,包括:对训练集中每一CT图像,根据标注的结节位置,提取过结节中心的切片图像、以及其上下相邻两个切片图像;针对每一种切片图像,训练一个疑似肺结节检测模型:首先,输入至特征提取网络,通过判断是否是结节的二分类输出以及边界框预测,获得结节的建议区域;然后,将获得的建议区域输入到RoI pooling层进行特征图的尺寸标准化处理;最后,通过两个全连接层输出至分类概率预测层与边界框预测层;对于训练数据中正负样本做预处理来平衡正负样本的比例,之后,还利用预筛选模型对于预处理后的负样本进行分类,筛选出分类错误的负样本;再利用预处理与筛选后的训练数据来训练出三个弱分类模型;在检测过程中,利用训练好的三个疑似肺结节检测模型对待检测CT图像进行检测,获得的疑似结节的分类概率和其边界框,再利用训练好的三个弱分类模型,进行分类,对三个弱分类模型的分类结果进行多数投票选出最终的分类结果。
【技术特征摘要】
1.一种基于2D卷积神经网络的肺结节检测方法,其特征在于,包括:对训练集中每一CT图像,根据标注的结节位置,提取过结节中心的切片图像、以及其上下相邻两个切片图像;针对每一种切片图像,训练一个疑似肺结节检测模型:首先,输入至特征提取网络,通过判断是否是结节的二分类输出以及边界框预测,获得结节的建议区域;然后,将获得的建议区域输入到RoIpooling层进行特征图的尺寸标准化处理;最后,通过两个全连接层输出至分类概率预测层与边界框预测层;对于训练数据中正负样本做预处理来平衡正负样本的比例,之后,还利用预筛选模型对于预处理后的负样本进行分类,筛选出分类错误的负样本;再利用预处理与筛选后的训练数据来训练出三个弱分类模型;在检测过程中,利用训练好的三个疑似肺结节检测模型对待检测CT图像进行检测,获得的疑似结节的分类概率和其边界框,再利用训练好的三个弱分类模型,进行分类,对三个弱分类模型的分类结果进行多数投票选出最终的分类结果。2.根据权利要求1所述的一种基于2D卷积神经网络的肺结节检测方法,其特征在于,在训练疑似肺结节检测模型时,获取包含包含2N个子集的数据集,每次从中选出2N-1个子集作为训练集来训练特征提取网络,剩余的1个子集作为测试集,采用交叉验证的方式,最后合并2N次测试结果;训练三个弱分类模型时,获取包含10个子集的数据集,每次选出1个子集作为测试数据,其他9子集划分为3组数据作为训练数据。3.根据权利要求1所述的一种基于2D卷积神经网络的肺结节检测方法,其特征在于,所述特征提取网络为VGG16网络;其包含有若干卷积层,最后一个卷积层之后设有一反卷积层;将第三卷积层与反卷积层分别连接一个区域建议网络,利用这两个区域建议网络,来获得结节的建议区域:每一个区域建议网络等效于使用一个m×m的滑动窗口在相应的第三卷积层或反卷积层产生的特征图上进行滑动,在每个滑动窗口位置,进行M种尺度的先验边界框的预测,即对每个滑动窗口位置预测M个区域,每个区域连接到两个输出层,第一个输出层是判断是否是结节的二分类输出,第二个输出层是预测边界框相对于先验边界框的四个坐标的偏置。4.根据权利要求1所述的一种基于2D卷积神经网络的肺结节检测方法,其特征在于,将获得的建议区域输入到RoIpooling层进行特征图的尺寸标准化处理包括:RoIpooling层首先截取建议区域在反卷积层对应的特征图上的区域,然后对截取的区域进行Maxpooling,从而对尺寸大小不一样的建议区域,产生固定大小的特征图输出。5.根据权利要求...
【专利技术属性】
技术研发人员:谢洪涛,张勇东,
申请(专利权)人:中国科学技术大学,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。