胸部CT影像的肺结节自检测方法技术

本发明专利技术涉及医疗诊断技术领域，具体涉及一种胸部CT影像的肺结节自检测方法；包括以下步骤：样本数据库的构建、数据标准化、构建模型、检测模型一的构建、检测模型二的构建、训练检测模型的构建和肺结节检测；本发明专利技术对含有肺结节目标的数据进行数据扩充，可使网络结构学习更多的特征，解决了数据库中数据量不足的问题，提高了肺结节检测的准确度；再者，检测模型的构建提高了CT对医学图像肺结节遮挡情况的鲁棒性，提高了CT对肺结节的检测精度；另外，本发明专利技术制备的样本为三维样本，三维样本的制作能最大程度的保留原始信息，减少特征遗漏，从而提高了肺结节检测的准确度。

Self-detection of pulmonary nodules on chest CT images

The invention relates to the technical field of medical diagnosis, in particular to a self-detection method for pulmonary nodules in chest CT images, including the following steps: construction of sample database, data standardization, construction of model, construction of detection model 1, construction of detection model 2, construction of training detection model and detection of pulmonary nodules; data expansion of data containing pulmonary nodule targets by the invention. The network structure can learn more features, solve the problem of insufficient data in database, and improve the accuracy of pulmonary nodule detection; furthermore, the construction of detection model improves the robustness of CT to occlusion of pulmonary nodules in medical images, and improves the detection accuracy of CT to pulmonary nodules; moreover, the sample prepared by the present invention is a three-dimensional sample, and the production of three-dimensional sample can maximize the process. The accuracy of pulmonary nodule detection is improved by retaining the original information and reducing the omission of features.

【技术实现步骤摘要】
胸部CT影像的肺结节自检测方法
本专利技术涉及医疗诊断
，具体涉及一种胸部CT影像的肺结节自检测方法。
技术介绍
CT，即电子计算机断层扫描，它是利用精确准直的X线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，具有扫描时间快，图像清晰等特点，可用于多种疾病的检查；根据所采用的射线不同可分为：X射线CT(X-CT)、超声CT(UCT)以及γ射线CT(γ-CT)等。CT是用X射线束对人体某部一定厚度的层面进行扫描，由探测器接收透过该层面的X射线，转变为可见光后，由光电转换变为电信号，再经模拟/数字转换器转为数字，输入计算机处理。图像形成的处理有如对选定层面分成若干个体积相同的长方体，称之为体素。扫描所得信息经计算而获得每个体素的X射线衰减系数或吸收系数，再排列成矩阵，即数字矩阵，数字矩阵可存贮于磁盘或光盘中。经数字/模拟转换器把数字矩阵中的每个数字转为由黑到白不等灰度的小方块，即像素，并按矩阵排列，即构成CT图像。所以，CT图像是重建图像。每个体素的X射线吸收系数可以通过不同的数学方法算出。CT根据人体不同组织对X线的吸收与透过率的不同，应本文档来自技高网...

【技术保护点】
1.一种胸部CT影像的肺结节自检测方法，其特征在于：包括以下步骤：S1、样本数据库的构建：a、从LIDC数据库中的原始数据集随机选取若干个肺部病例的图像，并通过读取原始数据集的XML格式注释文件，提取出肺结节坐标信息，并用病例图像和肺结节坐标信息组成样本数据库；b、对样本数据集进行预处理后进行截取，并对预处理后的所有样本进行复制，在复制后的样本中加入高斯噪声，组成扩充后的样本数据集；S2、数据标准化：根据样本数据库的HU值统计分布，选取合适的HU值作为标准化范围，并将数据标准化为[0，1]；S3、构建模型：构建三维卷积神经网络模型，并设定模型超参数；S4、检测模型一的构建：结合对比模型现有的区...

【技术特征摘要】
1.一种胸部CT影像的肺结节自检测方法，其特征在于：包括以下步骤：S1、样本数据库的构建：a、从LIDC数据库中的原始数据集随机选取若干个肺部病例的图像，并通过读取原始数据集的XML格式注释文件，提取出肺结节坐标信息，并用病例图像和肺结节坐标信息组成样本数据库；b、对样本数据集进行预处理后进行截取，并对预处理后的所有样本进行复制，在复制后的样本中加入高斯噪声，组成扩充后的样本数据集；S2、数据标准化：根据样本数据库的HU值统计分布，选取合适的HU值作为标准化范围，并将数据标准化为[0，1]；S3、构建模型：构建三维卷积神经网络模型，并设定模型超参数；S4、检测模型一的构建：结合对比模型现有的区域建议网络和分类网络，获得检测模型一；S5、检测模型二的构建：将新的特征提取网络的第二部分网络的第七层新拼接层的输出分别与区域建议网络中的第一层卷积层的输入和分类网络中第一层感兴趣区域池化层的输入相连接；将区域建议网络中的第一层卷积层的输出与分类网络中第一层感兴趣区域池化层的输入连接，组成检测模型二；S6、训练检测模型的构建：检测模型中的区域建议网络和分类网络使用特征提取网络中每层相同的特征参数，并调整区域建议网络和分类网络中每一层的权重参数，得到训练检测模型；S7、肺结节检测：用步骤S6中所得的训练检测模型对...

【专利技术属性】
技术研发人员：李晶，
申请(专利权)人：常州市第二人民医院，
类型：发明
国别省市：江苏,32