The invention discloses a 3D dual path neural network. The overall framework of the 3D dual path neural network is u \u2011 net like structure, and the connections in the 3D dual path neural network are all dual path connection structures. The invention also discloses a lung nodule detection method based on a 3D dual path neural network, which is characterized in that the following steps are included: constructing the aforementioned 3D dual path neural network; inputting the medical image data of the pre-processed training set into the 3D dual path neural network to train the 3D dual path neural network until all indexes reach the expected effect; processing The medical image data of is input to the 3D dual path neural network, and the detection result is obtained. The 3D dual path neural network and the lung nodule detection method based on the network model can reduce the requirements for lung nodule training data, improve the detection accuracy of the medical image lung nodule, and can be used in the computer-aided diagnosis system.
【技术实现步骤摘要】
一种3D双路径神经网络及基于该网络的肺部结节检测方法
本专利技术涉及医学图像处理领域,尤其涉及一种3D双路径神经网络及基于该网络模型的肺部结节检测方法。
技术介绍
临床上,把肺实质内小于等于3cm的病灶(需除外肺不张和肿大的淋巴结)称为结节,大于3cm的病灶称为肿块,而小于1cm的结节称为小结节,小于5mm的结节称为微小结节,之所以这样定义是因为大于3cm的病灶多为恶性,而更小的病灶可能是良性或恶性,结节的大小与结节的良、恶性具有相关性。肺结节是肺癌的早期形态,随着时间的推移部分肺结节发生恶性病变(血管粘连、体积变大等)转化为肺癌,严重威胁着人类的健康。在世界范围内,肺癌死亡是最常见的导致死亡的原因之一。在我国,肺癌是死亡率和发病率最高的恶性肿瘤。目前手术仍是唯一可以根治肺癌的治疗方法。早期的肺癌是没有任何症状的,中国大部分的肺癌病人一发现就是晚期,失去了手术治疗的机会,因此只能依靠体检来早期发现肺癌,肺部小结节如果确诊为早期肺癌的,进行手术切除,5年生存率可达到80%以上。针对肺癌的检查共有四类:影像学检查、支气管镜检查、痰检、血清和其它体液的生化标志检查,胸部X线和CT检查是诊断胸部疾病最常用的手段。到目前为止,研究结果显示只有CT检查能降低肺癌死亡率,美国大型随机对照试验已证实采用低剂量CT进行肺癌检查能降低肺癌死亡率。肺结节是一种常见的肺部疾病,其病因复杂,临床表现缺乏特异性,因此医生诊断有一定难度,近年来,随着螺旋CT的日益普及与发展,结节病变的检出率明显提高,小于2mm的肺小结节都能被发现 ...
【技术保护点】
1.一种3D双路径神经网络,其特征在于,所述3D双路径神经网络的整体框架是类U-net结构的,且所述3D双路径神经网络中的连接均为双路径连接结构。/n
【技术特征摘要】
1.一种3D双路径神经网络,其特征在于,所述3D双路径神经网络的整体框架是类U-net结构的,且所述3D双路径神经网络中的连接均为双路径连接结构。
2.根据权利要求1所述的3D双路径神经网络,其特征在于,其中的双路径连接结构是通过在3D卷积神经网络中结合残差学习和密集连接而形成的。
3.根据权利要求2所述的3D双路径神经网络,其特征在于,其中的双路径连接结构具体表述为:
y=G(x[:d],F(x)[:d],F(x)[d:]+x[d:])
其中,y是双路径连接结构的特征映射,G为ReLU激活函数,F是卷积层函数,x是双路径连接结构的输入,且F(x)[d:]用于残差学习,F(x)[:d]用于密集连接,d是决定采用新特征的数量的超参数。
4.一种基于3D双路径神经网络的肺部结节检测方法,其特征在于,包括以下步骤:
S1:构建权利要求1至3任一项所述的3D双路径神经网络;
S2:将预处理后的训练集中的医学图像数据输入所述3D双路径神经网络,以对所述3D双路径神经网络进行训练,直至各指标达到预期效果;
S3:将待处理的医学图像数据输入到所述3D双路径神经网络,得到检测结果。
5.根据权利要求4所述的肺部结节检测方法,其特征在于,步骤S2中的所述训练集包括胸部的医学图像数据和对应的诊断结果病变标注信息,其中诊断结果病变标注信息包括非结节病灶、结节直径小于3mm、结节直径大于或等于3mm三类。
6.根据权利要求4所述的肺部结节检测方法,其特征在于,步骤S2中的预处理具体包括:对训练集中的医学图像数据将世界坐标变换为体素坐标以统一间距,提取出完整的肺部区域的二值图像以获取一个将整个肺部区域都包围的最小立方体并得到肺部的边界区域;然后减小边界的像素信息对结节检测的影响,并去除无关区域对结节的检测以及运算速度的...
【专利技术属性】
技术研发人员:王好谦,张皓,戴琼海,张永兵,
申请(专利权)人:深圳市未来媒体技术研究院,
类型:发明
国别省市:广东;44
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。