一种基于深度学习的CT图像肺结节快速筛查方法技术

本发明专利技术提供了一种基于深度学习的CT图像肺结节快速筛查方法，涉及CT图像处理技术领域，包括CT图像的预处理、分类模型的构建、分类网络的训练数据准备、分类网络的测试数据准备并预测、分割模型的数据准备和分割模型的构建；其中构建至少一个二分类网络，分类网络输入是三维图像，输出是包含肺结节的概率。分类网络的训练数据是将图像切割成小尺寸图像；分类网络预测时，需要将切割后的图像输入至分类网络中进行预测，根据该阈值筛选图像，去除包含结节的概率小于该阈值的切割后的图像；测试数据是最后一个网络中包含肺结节概率较大的图像。而分割模型输出是肺结节的mask。本发明专利技术可以提高肺结节的检出率，同时减少检出肺结节所花费的时间。

A rapid lung nodule screening method based on deep learning in CT images

【技术实现步骤摘要】
一种基于深度学习的CT图像肺结节快速筛查方法
本专利技术涉及一种基于深度学习的CT图像肺结节快速筛查方法，属于CT图像处理

技术介绍
肺癌是常见的恶性肿瘤，因此早期发现和治疗至关重要，判断肺部是否存在肺结节是早期预防肺癌的有效方法。如果所有的CT图像都是由医生进行筛查是否存在肺结节，那医生的工作量就会很大，而且很容易导致漏诊或误诊。计算机辅助诊断系统可以利用机器学习的方法对肺部CT图像进行处理，最终对肺部CT图像中的肺结节进行筛查。这样不仅可以大大地减轻医生的阅片压力，也可以为医生提供判别肺结节的意见，对肺癌的诊断有着重要的意义。目前的CT图像中肺结节的自动识别和检测技术中，主要是利用卷积神经网络来提取图像的特征，从而检测出图像中的肺结节。但是肺部区域包含很多类似结节的生理结构，比如肺部血管，而且肺结节的大小、形状和类型又有很多种，所以肺结节检测结果中假阳性较高。现在一般的肺结节筛查方法充分利用了分割效果较好的Unet网络和特征提取效果较好的ResNet，分割网络Unet在肺结节筛查中主要是计算出疑似结节的掩膜(mas本文档来自技高网...

【技术保护点】
1.一种基于深度学习的CT图像肺结节快速筛查方法，包括如下步骤：/n（1）CT图像的预处理：根据窗宽和窗位对原始三维图像进行归一化；/n（2）分类模型的构建：构建至少一个二分类网络，输入是三维图像，输出是包含肺结节的概率；/n（3）分类网络的训练数据准备：训练数据包含结节的具体信息，将图像切割成小尺寸图像；/n（4）分类网络的测试数据准备并预测：将切割后的图像输入至分类网络中进行预测，给定阈值，根据该阈值筛选图像，去除包含结节的概率小于该阈值的切割后的图像；/n（5）分割模型的数据准备：训练数据包含肺结节的图像，尺寸与最后一个分类网络输入图像的尺寸一致，图像包含肺结节的mask作为标签；测试数...

【技术特征摘要】
1.一种基于深度学习的CT图像肺结节快速筛查方法，包括如下步骤：
（1）CT图像的预处理：根据窗宽和窗位对原始三维图像进行归一化；
（2）分类模型的构建：构建至少一个二分类网络，输入是三维图像，输出是包含肺结节的概率；
（3）分类网络的训练数据准备：训练数据包含结节的具体信息，将图像切割成小尺寸图像；
（4）分类网络的测试数据准备并预测：将切割后的图像输入至分类网络中进行预测，给定阈值，根据该阈值筛选图像，去除包含结节的概率小于该阈值的切割后的图像；
（5）分割模型的数据准备：训练数据包含肺结节的图像，尺寸与最后一个分类网络输入图像的尺寸一致，图像包含肺结节的mask作为标签；测试数据是最后一个网络中包含肺结节概率较大的图像；
（6）分割模型的构建：构建一个输入是三维图像，输出是肺结节的mask的分割模型。


2.如权利要求1所述的一种基于深度学习的CT图像肺结节快速筛查方法，其特征在于：...

【专利技术属性】
技术研发人员：李辉，叶宏伟，
申请(专利权)人：浙江明峰智能医疗科技有限公司，
类型：发明
国别省市：浙江;33