【技术实现步骤摘要】
一种基于深度学习的胸部X线气胸分割方法
本专利技术属于图像处理
,尤其涉及一种基于深度学习的胸部X线气胸分割方法。
技术介绍
气胸是指空气进入胸膜腔,造成胸腔积气和肺塌陷的症状,是肺部疾病中的高危疾病。多因肺部疾病或外力影响使肺组织和脏层胸膜破裂,或靠近肺表面的细微气肿泡破裂,肺和支气管内空气逸入胸膜腔。如果未及时得到治疗,一旦发展为血气胸或张力性气胸,将会对患者生命产生极大威胁,而积极采取治疗措施目的是尽快排除胸腔内气体,使萎缩的肺及早复张,恢复肺功能。基于胸部X线的影像学检查是气胸最常用的一种检查方法。相比其他影像学检查,胸部X线检查具有经济、高效、能清晰的显示气胸的病变特征及范围等优势。气胸的X线影像学表现为:外凸弧形的细线条形阴影,气胸线内为压缩的肺组织,线外为无肺纹理的透光区。由于胸部X线扫描整个胸部,影像学信息非常丰富,以至于放射科医生不得不花费大量的时间和精力来阅读胸片的每一部分。此外,随着国民生活水平的提高,越来越多人关注健康,每年都会定期的做一次健康体检,而胸部X线检查在健康体检中扮演着举足轻重的作用。这使得放射科医生和患者比例严重失衡。由于大量胸片的堆积,那些患有气胸等危重疾病的患者就可能长时间的列表等待,从而延误病情。同时,长时间的超负荷工作让医生不能集中精力。目前大部分的研究都是基于深度学习的气胸识别方法,而针对胸部X线的气胸分割技术尚存在盲区。由于气胸的特殊性,想要真正实现气胸的准确分割,需要大量的像素级的标记数据和迭代测试。因此,本领域需要一种基于深度学习的技术实现对 ...
【技术保护点】
1.一种基于深度学习的胸部X线气胸分割方法,其特征在于,包括如下步骤:/nS1、获取胸部X线的图像信息,对所述胸部X线的图像信息进行预处理;/nS2、将预处理后的图像信息输入至深度神经网络模型,并利用空间加权的交叉熵损失函数优化深度神经网络模型;/nS3、利用所述优化后的深度神经网络模型输出胸部X线气胸图像的分割结果。/n
【技术特征摘要】
1.一种基于深度学习的胸部X线气胸分割方法,其特征在于,包括如下步骤:
S1、获取胸部X线的图像信息,对所述胸部X线的图像信息进行预处理;
S2、将预处理后的图像信息输入至深度神经网络模型,并利用空间加权的交叉熵损失函数优化深度神经网络模型;
S3、利用所述优化后的深度神经网络模型输出胸部X线气胸图像的分割结果。
2.根据权利要求1所述的基于深度学习的胸部X线气胸分割方法,其特征在于,所述步骤S1中的预处理包括对胸部X线气胸图像的数据格式转换、数据扩增以及对胸部X线气胸图像的标准化操作,其中:
所述数据扩增包括对胸部X线气胸图像进行缩放、裁剪以及左右翻转。
3.根据权利要求2所述的基于深度学习的胸部X线气胸分割方法,其特征在于,所述对胸部X线气胸图像的数据格式进行转换包括如下步骤:
A1、获取气胸患者的胸部X线正位图像以及非气胸患者的胸部X线正位图像;
A2、判断所述正位图像是否正常,若是,则进入步骤A3,否则,丢弃该正位图像,并返回步骤A1;
A3、根据判断结果对所述正位图像进行标注,并将标注后图像的Nii.gz格式转换为png格式;
同时判断所述正位图像的PhotometricInterpretation属性是否为MONOCHROME1,若是,则翻转正位图像的像素值,并进入步骤A4,否则,进入步骤A4;
A4、对所述正位图像进行最小最大归一化处理,并将胸部X线气胸图像的Dicom格式转换为png格式;
A5、将步骤A3与步骤A4中的png格式的图像同步压缩至固定大小,从而完成对胸部X线气胸图像的数据格式的转换。
4.根据权利要求1所述的基于深度学习的胸部X线气胸分割方法,其特征在于,所述步骤S2中的深度神经网络模型包括图像输入模块、与所述图像输入模块连接的多尺度模块、与所述多尺度模块连接的第一激励的密集块、与所述第一激励的密集块通过第一通道C1连接的第一下采样模块、与所述第一下采样模块连接的第二激励的密集块、与所述第二激励的密集块通过第二通道C2连接的第二下采样模块、与所述第二下采样模块连接的第三激励的密集块、与所述第三激励的密集块通过第三通道C3连接的第三下采样模块、与所述第三下采样模块连接的第四激励的密集块、与所述第四激励的密集块通过第四通道C4连接的第四下采样模块、与所述第四下采样模块连接的第五激励的密集块、与所述第五激励的密集块通过第五通道C5连接的第五下采样模块、与所述第五下采样模块连接的第六激励的密集块、与所述第六激励的密集块连接的第一上采样模块、与所述第一上采样模块通过第六通道...
【专利技术属性】
技术研发人员:罗国婷,刘志勤,王庆凤,刘启榆,周莹,郑介志,黄俊,徐卫云,
申请(专利权)人:西南科技大学,
类型:发明
国别省市:四川;51
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。