一种新型肺病智能辅助检测方法和系统技术方案

本发明专利技术公开了一种新型肺病智能辅助检测方法和系统，涉及肺癌智能辅助诊断领域，包括：首先获取支气管镜检查图像；然后采用预先训练的初始神经网络作为本次建模的神经网络；采用顺序微调法对上述步骤获取的所述神经网络按照网络结构的顺序，通过调整所述神经网络的网络参数，微调所述神经网络的各层网络，并利用加权交叉熵作为成本函数来更新所述网络参数，最后，获取肺病检测模型。本发明专利技术所通过基于迁移学习，在神经网络之上使用一种新颖的迁移学习方法：顺序微调法，以便构建的一种用于支气管镜的计算机辅助诊断系统，大大地提高支气管镜检查中肺病诊断准确性，帮助医生更加有选择性地进行活组织检查，并提供诊断意见供医生参考。

【技术实现步骤摘要】
一种新型肺病智能辅助检测方法和系统
本专利技术主要涉及肺癌智能辅助诊断领域，特别是涉及一种新型肺病智能辅助检测方法和系统。
技术介绍
肺癌也称为支气管肺癌，因为约95％的原发性肺癌源自支气管粘膜。肺癌是最致命的癌症，五年生存率为18.1％(基于2007-2013SEER数据库)。2014年，估计美国有527,228人患有支气管肺癌。在中国，肺癌是最常见的癌症，也是癌症死亡的主要原因，尤其是城市男性。气管、支气管和肺癌(肺结核L)死亡人数为546,259，约占2013年全球范围内1,639,646例死亡人数的三分之一。来自肺部的发展中国家的另一个严重健康问题是结核病(肺结核)。中国占全球结核病负担的10％以上。胸部X光是一种廉价且快速的成像设备，通常用于肺部疾病的诊断，包括肺炎，肺结核，肺气肿和癌症。它对紧急情况特别有用。通过非常小剂量的辐射，X射线产生胸部和肺部的2D投影图像。然而，由于其在3D中可视化肺的限制，它逐渐被提供3D成像的胸部CT取代。胸部CT广泛用于肺结节检测。胸部CT的缺点是其相对较高的辐射。然而，在发展中国家，胸部X射线仍被用作结核病筛查或诊断的主要工具。支气管镜检查作为呼吸内科重要的检查方式，在肺病患者的诊断和治疗中起着关键作用。在进行支气管镜检查时，医生必须根据镜下图像的表征，立即决定是否要进行活检。由于活检可能导致肺组织无法控制甚至危及生命的出血，医生需要慎重选择活检。
技术实现思路
有鉴于现有技术的一部分缺陷，本专利技术所要解决的技术问题是提供一种新型肺病智能辅助检测方法和系统，旨在为了帮助医生更加有选择性地进行活组织检查并提供第二个诊断意见。为实现上述目的，本专利技术提供了一种新型肺病智能辅助检测方法，所述方法包括：步骤S1、获取疑似患有肺部疾病的患者的支气管镜检查图像；步骤S2、采用预先训练的初始神经网络作为本次建模的神经网络；步骤S3、采用顺序微调法对上述步骤获取的所述神经网络按照网络结构的顺序，通过调整所述神经网络的网络参数，微调所述神经网络的各层网络；所述网络参数包括训练阶段数n、神经网络层数m、执行步数x；所述神经网络包括m层，并采用n个训练阶段进行训练，每一步顺序微调包括x个执行步数；步骤S4、通过使用加权交叉熵作为成本函数来更新所述网络参数，以便更新所述神经网络；步骤S5、获取经上述步骤多次调整后的所述神经网络为所需的肺病检测模型。在一具体实施方式中，所述步骤S1中，所述患者的年龄为18至70岁，在所述患者的肝测试、肾测试和/或血液测试中，中性粒细胞计数>2.0g/l，Hb>9g/l，血小板计数>100g/l，AST和ALT>0.5ULN，肺结核IL<1.5ULN，和Cr<1.0ULN。在一具体实施方式中，在所述步骤S2中，所述神经网络为DenseNet构架；所述神经网络通过使用少于一半的参数和大约一半的每秒浮点运算。在一具体实施方式中，在所述步骤S3中，所述顺序微调法将所述支气管镜检查图像数据拟合到更多子模型中，分别固定了不同的网络层来进行训练，每次固定对应了一个子模型，为所述支气管镜检查图像数据找到一个适合的所述肺病检测模型。在本专利技术的另一方面还提供一种新型肺病智能辅助检测系统，所述系统包括：图像采集模块：获取疑似患有肺部疾病的患者的支气管镜检查图像；选取模型模块：采用预先训练的初始神经网络作为本次建模的神经网络；顺序微调网络模块：采用顺序微调法对上述步骤获取的所述神经网络按照网络结构的顺序，通过调整所述神经网络的网络参数，微调所述神经网络的各层网络；所述网络参数包括训练阶段数n、神经网络层数m、执行步数x；所述神经网络包括m层，并采用n个训练阶段进行训练，每一步顺序微调包括x个执行步数；更新参数模块：通过使用加权交叉熵作为成本函数来更新所述网络参数，以便更新所述神经网络；获取模型模块：获取经上述步骤多次调整后的所述神经网络为所需的肺病检测模型。更新参数模块：通过使用加权交叉熵作为成本函数来更新所述网络参数；获取模型模块：获取所需的肺病检测模型。本专利技术的有益效果是：通过基于迁移学习，在神经网络之上使用一种新颖的迁移学习方法：顺序微调法，以便构建的一种用于支气管镜的计算机辅助诊断系统，大大地提高支气管镜检查中肺病诊断准确性，帮助医生更加有选择性地进行活组织检查，并提供诊断意见供医生参考。附图说明图1是本专利技术一具体实施方式的一种新型肺病智能辅助检测方法的流程示意图；图2是本专利技术一具体实施方式的一种新型肺病智能辅助检测系统的机构框图；图3是本专利技术一具体实施方式中不同患病程度的支气管镜实际检查图；图4是本专利技术一具体实施方式的一种新型肺病智能辅助检测方法的Densenet121的演示；图5是本专利技术一具体实施方式的一种新型肺病智能辅助检测方法的混淆矩阵和归一化混淆矩阵；图6是本专利技术一具体实施方式的一种新型肺病智能辅助检测方法的不同患病程度的二元分类的ROC曲线图；图7是本专利技术一具体实施方式的一种新型肺病智能辅助检测方法的结核病例和癌症病例之间的二元分类的ROC曲线图；图8是本专利技术一具体实施方式的一种新型肺病智能辅助检测方法的非癌症病例和癌症病例之间二元分类的ROC曲线图。具体实施方式下面结合附图和实施例对本专利技术作进一步说明：如图1-8所示，在本专利技术第一实例中，提供一种新型肺病智能辅助检测方法，所述方法包括：步骤S1、获取疑似患有肺部疾病的患者的支气管镜检查图像；步骤S2、采用预先训练的初始神经网络作为本次建模的神经网络；值得一提的是，所述神经网络每个层以前馈方式在每个密集块内直接连接到每个其他层；对于每个图层，所有前面图层的要素图被视为单独的输入，而其自身的要素图作为输入传递给所有后续图层；步骤S3、采用顺序微调法对上述步骤获取的所述神经网络按照网络结构的顺序，通过调整所述神经网络的网络参数，微调所述神经网络的各层网络；所述网络参数包括训练阶段数n、神经网络层数m、执行步数x；所述神经网络包括m层，并采用n个训练阶段进行训练，每一步顺序微调包括x个执行步数；值得一提的是，所述顺序微调法，无需将数据拟合到神经网络的两个子模型(网络各层均不固定的模型和固定完全连接层的模型)，就可以将数据拟合到更多子模型中，因为顺序微调法法中，分别固定了不同的网络层来进行训练，每次固定对应了一个子模型，通过这样做，会有更好的机会为数据找到一个适合的模型；步骤S4、通过使用加权交叉熵作为成本函数来更新所述网络参数，以便更新所述神经网络；值得一提的是，在训练期间，由于待分类类别的数据大小差异很大，为了消除不平衡数据的影响，通过使用所述加权交叉熵作为成本函数来更新所述网络参数；为了获得每个样本的最终标签或类，分配了标签或类，其中最后一层中的相应节点给出了最高似然值；对于训练，将epoch的数量限制为150并将x设置为5，将所有所述支气管镜检查图像的大小调整为224*224的大小以适合预训练的模型；步骤S5、获取经上述步骤多次调整后的所述神经网络为所需的肺病检测模型；值得一提的是，在收集的81例正常病例，76例肺结核病例和277例肺癌病例的临床数据集中，SFT法达到了82％的检测准确度，而其他传统TL方法的准确率在70％左右；这表明CAD系统具有提高支气管镜检查中本文档来自技高网...

【技术保护点】
1.一种新型肺病智能辅助检测方法，其特征在于，所述方法包括：步骤S1、获取疑似患有肺部疾病的患者的支气管镜检查图像；步骤S2、采用预先训练的初始神经网络作为本次建模的神经网络；步骤S3、采用顺序微调法对上述步骤获取的所述神经网络按照网络结构的顺序，通过调整所述神经网络的网络参数，微调所述神经网络的各层网络；所述网络参数包括训练阶段数n、神经网络层数m、执行步数x；所述神经网络包括m层，并采用n个训练阶段进行训练，每一步顺序微调包括x个执行步数；步骤S4、通过使用加权交叉熵作为成本函数来更新所述网络参数，以便更新所述神经网络；步骤S5、获取经上述步骤多次调整后的所述神经网络为所需的肺病检测模型。

【技术特征摘要】
1.一种新型肺病智能辅助检测方法，其特征在于，所述方法包括：步骤S1、获取疑似患有肺部疾病的患者的支气管镜检查图像；步骤S2、采用预先训练的初始神经网络作为本次建模的神经网络；步骤S3、采用顺序微调法对上述步骤获取的所述神经网络按照网络结构的顺序，通过调整所述神经网络的网络参数，微调所述神经网络的各层网络；所述网络参数包括训练阶段数n、神经网络层数m、执行步数x；所述神经网络包括m层，并采用n个训练阶段进行训练，每一步顺序微调包括x个执行步数；步骤S4、通过使用加权交叉熵作为成本函数来更新所述网络参数，以便更新所述神经网络；步骤S5、获取经上述步骤多次调整后的所述神经网络为所需的肺病检测模型。2.如权利要求1所述的一种新型肺病智能辅助检测方法，其特征在于，所述步骤S1中，所述患者的年龄为18至70岁，在所述患者的肝测试、肾测试和/或血液测试中，中性粒细胞计数>2.0g/l，Hb>9g/l，血小板计数>100g/l，AST和ALT>0.5ULN，肺结核IL<1.5ULN，和Cr<1.0ULN。3.如权利要求1所述的一种新型肺病智能辅助检测方法，其特征在...

【专利技术属性】
技术研发人员：冯向军，
申请(专利权)人：湖南兰茜生物科技有限公司，
类型：发明
国别省市：湖南,43