基于深度学习的3D CT影像自动生成肺结核量化诊断报告的方法技术

本发明专利技术公开了一种基于深度学习的3D CT影像自动生成肺结核量化诊断报告的方法，包括：对CT图像进行预处理；采用固定阈值对图像进行二值化，去掉Hu值较大的一些骨头或者软组织；在3D连通域内，保留连通域内容积在0.45～7.5L之间的区域，保留得到肺部有效区域；对于提取到的掩模先进行腐蚀操作，再膨胀到原来的尺寸，去除掩模中的小黑洞；对于一些病变区域在掩模区域外的，对其进行凸包操作，将其包进掩模之内；使用3D u‑net对输入的肺部有效区域进行训练，端到端输出病变区域位置和类别；输出量化诊断报告。本发明专利技术在现有的网络输出层加上分类的概率，直接端到端输出病变区域位置和分类类别，并量化输出诊断报告，可以帮助医生进行肺结核的精准诊断和治疗。

A method of automatically generating quantitative diagnosis report of pulmonary tuberculosis based on 3D CT image of deep learning

【技术实现步骤摘要】
基于深度学习的3DCT影像自动生成肺结核量化诊断报告的方法
本专利技术属于医疗
，具体涉及一种基于深度学习的3DCT影像自动生成肺结核量化诊断报告的方法。
技术介绍
肺结核作为我国重点控制的主要疾病之一，是一种严重的慢性呼吸道传染病，主要由结核分枝杆菌引起。结核病被世界卫生组织(WHO)称为全球首屈一指的传染病杀手。因此对肺结核的正确检测和诊断显得至关重要。近年来随着大数据和人工智能的快速发展，深度学习逐渐应用于计算机辅助诊断computeraideddiagnosis(CAD)。例如申请号为2018105698569的专利文献中提出了一种CT肺结核检测人工智能诊疗系统，其首先对CT图像进行预处理，然后利用二维卷积神经网络进行病变区域分割，其次利用残差网络进行真假阳性的预测。实现了对CT图像中的肺结核进行自动化诊断，为医师提供诊疗建议。该方案识别准确率高，大大降低了漏检率，降低了人工筛查的成本，但是在对肺结核病变区域进行分割时，仅仅使用了图像的二维特性，并未考虑到CT图像的三维特性对最终分割效果的影响。同时其分割与分类分两本文档来自技高网...

【技术保护点】
1.基于深度学习的3D CT影像自动生成肺结核量化诊断报告的方法，其特征在于，包括以下步骤：/n(1)对CT图像进行预处理，生成肺部有效区域的掩膜，剔除与肺部无关的区域，将原始CT数据转换为Hu值表示的图像；/n(2)采用固定阈值对步骤(1)中获得图像进行二值化，去掉Hu值较大的一些骨头或者软组织；/n(3)去除离心率大于0.99的线状伪影，在2D平面上，计算二值化后每个连通域离图像中心的最小距离MinDist，同时计算每个连通域面积记为Area，去除MinDist大于62mm的连通域，保留Area大于面积阈值的连通域，在3D连通域内，保留连通域内容积在0.45～7.5L之间的区域，保留得到肺...

【技术特征摘要】
1.基于深度学习的3DCT影像自动生成肺结核量化诊断报告的方法，其特征在于，包括以下步骤：
(1)对CT图像进行预处理，生成肺部有效区域的掩膜，剔除与肺部无关的区域，将原始CT数据转换为Hu值表示的图像；
(2)采用固定阈值对步骤(1)中获得图像进行二值化，去掉Hu值较大的一些骨头或者软组织；
(3)去除离心率大于0.99的线状伪影，在2D平面上，计算二值化后每个连通域离图像中心的最小距离MinDist，同时计算每个连通域面积记为Area，去除MinDist大于62mm的连通域，保留Area大于面积阈值的连通域，在3D连通域内，保留连通域内容积在0.45～7.5L之间的区域，保留得到肺部有效区域；
(4)对于提取到的掩模先进行腐蚀操作，再膨胀到原来的尺寸，去除掩模中的小黑洞；
(5)对于一些病变区域在掩模区域外的，对其进行凸包操作，将其包进掩模之内；
(6)将步骤(1)中获得图像中小于-1200和大于600的归置为-1200和600，然后将数据归一化至0～255，公式如式(Ⅰ)所示：
...

【专利技术属性】
技术研发人员：吴炜，李旭锟，杜鹏，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33