一种基于全卷积神经网络的肺部CT良恶性结节诊断仪器制造技术

本发明专利技术公开了一种基于全卷积神经网络的肺部CT良恶性结节诊断仪器，仪器执行以下方法步骤：首先，收集结节图片，对结节分别标注其良恶性，制作成一个训练数据集；然后对图片进行降噪处理；设计全卷积神经网络结构；使用降噪处理后的结节图片对全卷积神经网络进行训练；最后，将训练完成的全卷积神经网络集成为系统，使用全卷积神经网络系统对结节图片进行识别与预测其良恶性。本发明专利技术通过全卷积神经网络系统对肺部结节的良恶性进行预测，从而能得到其性质类别，可辅助医生诊断，降低了医生的误诊率，并且能加快诊断速度，实现过程方便且通用性强。

A Lung CT Diagnostic Instrument for Benign and Malignant Nodules Based on Full Convolutional Neural Network

The invention discloses a diagnostic instrument for lung CT benign and malignant nodules based on full convolution neural network. The instrument performs the following steps: firstly, collecting nodule pictures, labeling nodules benign and malignant respectively, and making a training data set; secondly, denoising the pictures; designing the structure of full convolution neural network; using the nodal pictures after denoising, the whole convolution spirit is achieved. Finally, the whole convolution neural network is integrated into the system, and the whole convolution neural network system is used to recognize and predict the benign and malignant of nodule images. The method predicts the benignity and malignancy of pulmonary nodules by the full convolution neural network system, thus obtaining the nature category of the nodules, assisting doctors in diagnosis, reducing the misdiagnosis rate of doctors, accelerating the diagnosis speed, facilitating the realization process and having strong versatility.

【技术实现步骤摘要】
一种基于全卷积神经网络的肺部CT良恶性结节诊断仪器
本专利技术涉及影像处理目标检测识别
，特别涉及一种基于全卷积神经网络的肺部CT良恶性结节诊断系统。
技术介绍
肺癌是发病率和死亡率增长最快，对人群健康和生命威胁最大的恶性肿瘤之一。近五十年来许多国家都报道肺癌的发病率和死亡率均明显升高，男性肺癌发病率和死亡率均占所有恶性肿瘤第一位，女性发病率占第二位死亡率占第二位，肺癌成为危害生命健康的一种主要疾病。利用CT扫描对高风险人群进行检查是一种有效发现早期肺癌的手段，而有这样需求的人群数量庞大，影像科医师的工作量急剧上升，需要一种高效的辅助诊断系统来降低医师的工作量。肺部结节与肺癌具有很大的联系，当在肺部CT图像中发现肺结节时，需判断其良恶性，恶性肺结节极有可能发展为肺癌。判断肺结节良恶性具有许多参数，而以往判断方式仅仅依靠影像科医师的经验判断，判断结果也依赖于医师的个人水平，可能会具有较大的误诊率。因此，一种辅助医师判断肺结节良恶性的系统就显得尤为重要，这对于肺癌的早期筛查也具有重要意义。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提供一种基于全卷积神经网络的肺部CT本文档来自技高网...

【技术保护点】
1.一种基于全卷积神经网络的肺部CT良恶性结节诊断仪器，其特征在于，包括肺部结节拍摄装置，数据传输装置和数据处理装置；肺部结节拍摄装置拍摄的肺部结节图片通过数据传输装置传输到数据处理装置，其中数据处理装置实现以下步骤：(1)收集肺部结节图片并分别对其良恶性进行标注，制作成数据集；(2)对已标注结节良恶性的图片进行降噪处理；(3)设计全卷积神经网络结构；(4)使用降噪后的肺部结节图片训练已设计的全卷积神经网络；(5)用训练完成的全卷积神经网络系统对肺结节图片进行预测。

【技术特征摘要】
1.一种基于全卷积神经网络的肺部CT良恶性结节诊断仪器，其特征在于，包括肺部结节拍摄装置，数据传输装置和数据处理装置；肺部结节拍摄装置拍摄的肺部结节图片通过数据传输装置传输到数据处理装置，其中数据处理装置实现以下步骤：(1)收集肺部结节图片并分别对其良恶性进行标注，制作成数据集；(2)对已标注结节良恶性的图片进行降噪处理；(3)设计全卷积神经网络结构；(4)使用降噪后的肺部结节图片训练已设计的全卷积神经网络；(5)用训练完成的全卷积神经网络系统对肺结节图片进行预测。2.根据权利要求1所述的基于全卷积神经网络的肺部CT良恶性结节诊断仪器，其特征在于，所述步骤(2)中，对结节图片进行降噪处理使用的是阈值转换与中值滤波结合的方法。3.根据权利要求1所述的基于全卷积神经网络的肺部CT良恶性结节诊断仪器，其特征在于，所述步骤(3)中，全卷积神经网络包括8个卷积层，4个池化层，2个反卷积层。4.根据权利要求3所述的基于全卷积神经网络的肺部CT良恶性结节诊断仪器，其特征在于，所述步骤(3)中，全卷积神经网络的具体结构为：第1层，卷积层，卷积核大小为4×4×4×64，步长为1；第2层，卷积层，卷积核大小为4×4×64×64，步长为1；第3层，最大池化层，池化区间为3×3，步长为3；第4层，卷积层，卷积核大小为...

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