一种区分肺结核与肿瘤的诊断方法、装置及可读存储介质制造方法及图纸

本发明专利技术公开了一种区分肺结核与肿瘤的诊断方法、装置及可读存储介质，所述方法包括：采集待识别CT图像，并从所述待识别CT图像中提取可能的肺结核部分和肿瘤部分；根据预设的标注模板，获取所述肺结核部分和所述肿瘤部分的标注说明；对已标注的待识别CT图像进行预处理；将经预处理的待识别CT图像输入已训练好的深度卷积神经网络中进行肺结核和肿瘤区分，输出诊断结果。本发明专利技术能够通过CT图像自动精确区分肺结核与肺部肿瘤，辅助医生诊断，提高医生对判断肺结核与肺部肿瘤的准确性，避免造成无法挽回的损失。

【技术实现步骤摘要】
一种区分肺结核与肿瘤的诊断方法、装置及可读存储介质
本专利技术涉及图像处理
，尤其涉及一种区分肺结核与肿瘤的诊断方法、装置及可读存储介质。
技术介绍
根据调查，肺结核与肺癌患病征兆极为相似，都会出现咳嗽、胸痛、咯血等典型症状，加上疾病早期各种症状均不明显，不少肺癌患者因肺癌误诊。由于我国二三线城市医院设备匮乏，医生经验不足，更加大了将肺癌误诊为肺结核的可能性，造成无法挽回的损失。根据调查研究，本专利技术的专利技术人发现，我国二三线城市患者数量十分庞大，因此，根据CT图像对肺结核与肿瘤的高效准确区分就显得尤为重要。现行的临床方法对于肺结核或肿瘤的检测大多是利用CT机获得患者肺部的平面灰度断层影像即CT图像，再通过影像科医师人工完成对于患者肺结核或是肿瘤的判断，这样传统的检测方法易出错，判断结果也依赖于医师的专业技术水平。
技术实现思路
本专利技术实施例所要解决的技术问题在于，提供基于遗传算法的提升泵优先度控制方法、装置及存储介质，能够通过CT图像自动精确区分肺结核与肺部肿瘤，辅助医生诊断，提高医生对判断肺结核与肺部肿瘤的准确性，避免造成无法挽回的损失。为解决上述问题，本专利技术的一个实施例提供一种区分肺结核与肿瘤的诊断方法，适于在计算设备中执行，包括如下步骤：采集待识别CT图像，并从所述待识别CT图像中提取可能的肺结核部分和肿瘤部分；根据预设的标注模板，获取所述肺结核部分和所述肿瘤部分的标注说明；对已标注的待识别CT图像进行预处理；将经预处理的待识别CT图像输入已训练好的深度卷积神经网络中进行肺结核和肿瘤区分，输出诊断结果。进一步地，所述深度卷积神经网络包括5个卷积层、3个池化层和3个全连接层。进一步地，所述深度卷积神经网络的具体构建方式为，第一层：卷积层，使用64个大小为3×9×9的卷积核，对输入的肿瘤或肺结核的CT图像做步长为1的卷积；第二层：池化层，对第一层输入到第二层的数据做池化区间为2×2，步长为2的池化操作；第三层，卷积层，使用64个大小为3×3×64的卷积核，对第二层输入到第三层的数据做步长为1的卷积；第四层，卷积层，使用128个大小为3×3×64的卷积核，对第三层输入到第四层的数据做步长为1的卷积；第五层，池化层，对第四层输入到第五层的数据做池化区间为2×2，步长为2的池化操作；第六层，卷积层，使用128个大小为3×3×128的卷积核，对第五层输入到第六层的数据做步长为1的卷积；第七层，卷积层，使用256个大小为3×3×128的卷积核，对第六层输入到第七层的数据做步长为1的卷积；第八层，池化层，对第七层输入到第八层的数据做池化区间为2×2，步长为2的池化操作；第九层，全连接层，共1096个神经元，每个神经元与第八层输出的数据进行全连接；第十层，全连接层，共1096个神经元，每个神经元与第八层输出的数据进行全连接。进一步地，所述第一层至所述第八层的神经网络，均采用修正线性单元ReLu作为激活函数，所述修正线性单元ReLu为：ReLu(y)＝1/2(y+|y|)；其中，y表示激活函数的输入，ReLu(y)表示激活函数的输出；所述第九层和所述第十层的神经网络，均采用tanh函数作为激活函数，所述tanh函数为：进一步地，在所述池化层后和反卷积层前加入非线性修正单元ReLu作为激活函数。进一步地，所述对已标注的待识别CT图像进行预处理，具体为：采用高斯滤波对已标注的待识别CT图像进行线性平滑，降噪并提高对比度。进一步地，所述待识别CT图像的格式为16位DICOM标准格式，像素512×512，像素大小0.74mm×0.74mm。本专利技术的一个实施例还提供了一种区分肺结核与肿瘤的诊断装置，包括：待识别CT图像采集模块，用于采集待识别CT图像，并从所述待识别CT图像中提取可能的肺结核部分和肿瘤部分；标注模块，用于根据预设的标注模板，获取所述肺结核部分和所述肿瘤部分的标注说明；预处理模块，用于对已标注的待识别CT图像进行预处理；诊断模块，用于将经预处理的待识别CT图像输入已训练好的深度卷积神经网络中进行肺结核和肿瘤区分，输出诊断结果。本专利技术的一个实施例还提供了一种区分肺结核与肿瘤的诊断装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述的区分肺结核与肿瘤的诊断方法。本专利技术的一个实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的区分肺结核与肿瘤的诊断方法。实施本专利技术实施例，具有如下有益效果：本专利技术实施例提供的一种区分肺结核与肿瘤的诊断方法、装置及可读存储介质，所述方法包括：采集待识别CT图像，并从所述待识别CT图像中提取可能的肺结核部分和肿瘤部分；根据预设的标注模板，获取所述肺结核部分和所述肿瘤部分的标注说明；对已标注的待识别CT图像进行预处理；将经预处理的待识别CT图像输入已训练好的深度卷积神经网络中进行肺结核和肿瘤区分，输出诊断结果。本专利技术能够通过CT图像自动精确区分肺结核与肺部肿瘤，辅助医生诊断，提高医生对判断肺结核与肺部肿瘤的准确性，避免造成无法挽回的损失。附图说明图1是本专利技术第一实施例提供的一种区分肺结核与肿瘤的诊断方法的流程示意图；图2是本专利技术第一实施例提供的深度卷积神经网络的具体构建方式的流程示意图；图3是本专利技术第一实施例提供的深度卷积神经网络的结构示意图；图4是本专利技术第二实施例提供的一种区分肺结核与肿瘤的诊断装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术第一实施例：请参阅图1-3。如图1所示，本实施例提供的一种区分肺结核与肿瘤的诊断方法，适于在计算设备中执行，包括如下步骤：S101、采集待识别CT图像，并从所述待识别CT图像中提取可能的肺结核部分和肿瘤部分。其中，所述待识别CT图像的格式为16位DICOM标准格式，像素512×512，像素大小0.74mm×0.74mm。S102、根据预设的标注模板，获取所述肺结核部分和所述肿瘤部分的标注说明。在本实施例中，收集患者肺结核与肺部肿瘤的CT图像，提取出可能的肺结核部分和肿瘤部分，并对肺结核部分和肿瘤部分分别进行标注说明，并将其制作为一个数据集。S103、对已标注的待识别CT图像进行预处理。具体的，采用高斯滤波对已标注的待识别CT图像进行线性平滑，降噪并提高对比度。在本实施例中，对已标注的待识别CT图像进行预处理，包括包括改善图像意外扭曲以及增强图像特征，采用高斯滤波进行线性平滑，以降低噪声的影响，提高对比度，以获得能更清晰显示的CT图像。可以理解的是，由于成像与传输系统的不完善，图像在成像与传输的过程中会受到噪声的污染，这些噪声在图像上常表现为容易引起较强视觉效果的孤立像素点，因此需要对图片进行预处理。S104、将经预处理的待识别CT图像输入已训练好的深度卷积神经网络中进行肺结核和肿瘤区分，输出诊断结果。在本实施例中，如图2-3本文档来自技高网...

【技术保护点】
1.一种区分肺结核与肿瘤的诊断方法，适于在计算设备中执行，其特征在于，包括如下步骤：采集待识别CT图像，并从所述待识别CT图像中提取可能的肺结核部分和肿瘤部分；根据预设的标注模板，获取所述肺结核部分和所述肿瘤部分的标注说明；对已标注的待识别CT图像进行预处理；将经预处理的待识别CT图像输入已训练好的深度卷积神经网络中进行肺结核和肿瘤区分，输出诊断结果。

【技术特征摘要】
1.一种区分肺结核与肿瘤的诊断方法，适于在计算设备中执行，其特征在于，包括如下步骤：采集待识别CT图像，并从所述待识别CT图像中提取可能的肺结核部分和肿瘤部分；根据预设的标注模板，获取所述肺结核部分和所述肿瘤部分的标注说明；对已标注的待识别CT图像进行预处理；将经预处理的待识别CT图像输入已训练好的深度卷积神经网络中进行肺结核和肿瘤区分，输出诊断结果。2.根据权利要求1所述的区分肺结核与肿瘤的诊断方法，其特征在于，所述深度卷积神经网络包括5个卷积层、3个池化层和3个全连接层。3.根据权利要求2所述的区分肺结核与肿瘤的诊断方法，其特征在于，所述深度卷积神经网络的具体构建方式为，第一层：卷积层，使用64个大小为3×9×9的卷积核，对输入的肿瘤或肺结核的CT图像做步长为1的卷积；第二层：池化层，对第一层输入到第二层的数据做池化区间为2×2，步长为2的池化操作；第三层，卷积层，使用64个大小为3×3×64的卷积核，对第二层输入到第三层的数据做步长为1的卷积；第四层，卷积层，使用128个大小为3×3×64的卷积核，对第三层输入到第四层的数据做步长为1的卷积；第五层，池化层，对第四层输入到第五层的数据做池化区间为2×2，步长为2的池化操作；第六层，卷积层，使用128个大小为3×3×128的卷积核，对第五层输入到第六层的数据做步长为1的卷积；第七层，卷积层，使用256个大小为3×3×128的卷积核，对第六层输入到第七层的数据做步长为1的卷积；第八层，池化层，对第七层输入到第八层的数据做池化区间为2×2，步长为2的池化操作；第九层，全连接层，共1096个神经元，每个神经元与第八层输出的数据进行全连接；第十层，全连接层，共1096个神经元，每个神经元与第八层输出的数据进行全连接。4.根据权利要求3所述的区分肺结核与肿瘤的诊断方法，其特征在于，所述第一层至所述第八...

【专利技术属性】
技术研发人员：黄文恺，薛义豪，胡凌恺，何杰贤，倪皓舟，彭广龙，朱静，吴羽，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东,44