一种肺部癌变区域分割与分类检测系统技术方案

本发明专利技术公开了一种肺部癌变区域分割与分类检测系统，先利用预分割模型进行初步的预分割，筛选预分割区域，之后对预分割区域进行梯度计算，得到误诊断区域的主要集中部位，即组织区域边缘，对于这些边缘区域，再利用高精度的精细分割模型进行计算，实现癌变区域的精确分割，由于精细分割算法只涉及边缘区域，因此，与现有方法对全组织区域进行精细分割相比，本发明专利技术的计算量显著减少，可以实现检测的快速性与准确性的平衡。本发明专利技术结合预分割模型的快速性与精细分割模型的精确性，可以实现能够满足实际应用水平的癌变区域分割算法，该算法能够应用于实际的社会生产过程中，有效减轻检测工作量，加快诊断速度。

【技术实现步骤摘要】
一种肺部癌变区域分割与分类检测系统
本专利技术涉及生物医学工程、医学影像和人工智能
，尤其涉及一种肺部癌变区域分割与分类检测系统。
技术介绍
肺癌是当前死亡率最高的癌症之一，癌症的确诊首先需要对其进行癌变区域定位然后判别类型。其中，组织病理学图像分析可作为肺癌诊断的金标准。癌症类型的分类和程度评估对于靶向治疗至关重要。在临床实践中，经验丰富的病理学家通过将H&E染色的组织玻片扫描为全视野数字切片(WholeSlideImage,WSI)并观察确诊来鉴定癌症，由于该影像数据规模极大，正常区域与癌变区域比较相似，因此，这是一项费时费力的工作，例如，需要经验丰富的组织病理学家检查大约15分钟到半小时才能检查一张完整的WSI。因此，计算机辅助诊断(ComputerAidedDiagnosis,CAD)系统对病理学领域的自动化分析技术提出了很高的要求，要求该技术能够大大减轻工作量，加快诊断速度，以有助于及时治疗。当前的癌变区域分割方法主要有如下几种：将图像分割为切块之后对该切块进行分类的方法、将图像分割为切块之后对切块进行分割的方法、以及将图像放缩分辨率之后对低分辨率图像直接分割的方法。这些方法都有一定的局限性，将图像分割为切块之后对该切块进行分类来实现分割的方法，分割精度往往达不到要求并且运算时间过长；将图像分割为切块之后对切块进行分割的方法，对计算资源的要求较高并且边缘误差较大；将图像放缩分辨率之后对低分辨率图像直接分割的方法，误诊率太高。
技术实现思路
有鉴于此，本专利技术提供了一种肺部癌变区域分割与分类检测系统，用以迅速准确地实现全视野数字切片中癌变区域的检测分割。因此，本专利技术提供了一种肺部癌变区域分割与分类检测系统，包括：检测数据生成模块、预分割模块、预分割后处理模块以及精细分割模块；其中，所述检测数据生成模块，用于将待检测图片添加偏移后切分成多个切块，并对切分成的各切块进行预处理；所述预分割模块，用于利用预先训练好的预分割模型对预处理后的各切块进行预分割处理；所述预分割后处理模块，用于提取预分割成的各图片的中心区域，将提取的各中心区域拼接为完整图像，对拼接成的完整图像进行形态学处理和关键点筛选；所述精细分割模块，用于在待检测图片中，以每个关键点在待检测图片中的映射位置为中心切割出多个切块，利用预先训练好的精细分割模型对切割出的各切块进行精细化分割，根据精细化分割结果中是否存在癌变区域，确定待检测图片是否为癌变图片。在一种可能的实现方式中，在本专利技术提供的上述肺部癌变区域分割与分类检测系统中，所述检测数据生成模块，用于将待检测图片添加偏移后切分成多个切块，具体包括：所述检测数据生成模块，用于在预分割模型的输入图像尺寸为N*N的情况下，在待检测图片上添加横向±N/3、横向0、纵向±N/3以及纵向0的偏移，形成9个不同的偏移图像；将每个偏移图像从左上角开始切分为N*N的切块，对于不满足N*N的边缘区域，以边缘为底线向边缘对侧拓展成N*N的切块；其中，N为不小于512且不大于1024的整数。在一种可能的实现方式中，在本专利技术提供的上述肺部癌变区域分割与分类检测系统中，所述预分割后处理模块，用于提取预分割成的各图片的中心区域，将提取的各中心区域拼接为完整图像，对拼接成的完整图像进行形态学处理和关键点筛选；具体包括：所述预分割后处理模块，用于在预分割成的各图片的中心提取(N/3)*N*3区域，遍历9个偏移图像后，将提取的所有中心区域拼接成完整图像，对拼接成的完整图像进行膨胀腐蚀形态学处理，对形态学处理后的图像进行梯度计算，得到梯度热力图；所述梯度热力图上的梯度按由大到小的顺序排列，获取前M个梯度的位置作为关键点；其中，M为不小于100且不大于1000的整数。在一种可能的实现方式中，在本专利技术提供的上述肺部癌变区域分割与分类检测系统中，所述精细分割模块，用于在待检测图片中，以每个关键点在待检测图片中的映射位置为中心切割出多个切块，利用预先训练好的精细分割模型对切割出的各切块进行精细化分割，具体包括：所述精细分割模块，用于将所述梯度热力图上各关键点的位置映射回待检测图片；以每个关键点在待检测图片中的映射位置为中心，对应切割出一个N*N的切块，以每个关键点对应的切块为中心，对应切割出呈三行三列排列的9个切块；将每个关键点对应的9个切块输入预先训练好的精细分割模型，计算得到各关键点属于癌变区域的置信度；将待检测图片中各关键点属于癌变区域的原始置信度替换为计算得到的各关键点属于癌变区域的置信度。在一种可能的实现方式中，在本专利技术提供的上述肺部癌变区域分割与分类检测系统中，所述预分割后处理模块，还用于对替换置信度后的新图像进行梯度计算，得到新梯度热力图；所述新梯度热力图上的梯度按由大到小的顺序排列，获取前M个梯度的位置作为新关键点；其中，M为不小于100且不大于1000的整数；所述精细分割模块，还用于将所述新梯度热力图上各新关键点的位置映射回待检测图片；以每个新关键点在待检测图片中的映射位置为中心，对应切割出一个N*N的切块，以每个新关键点对应的切块为中心，对应切割出呈三行三列排列的9个切块；将每个新关键点对应的9个切块输入预先训练好的精细分割模型，计算得到各新关键点属于癌变区域的置信度；将待检测图片中各新关键点属于癌变区域的原始置信度替换为计算得到的各新关键点属于癌变区域的置信度。在一种可能的实现方式中，在本专利技术提供的上述肺部癌变区域分割与分类检测系统中，还包括：预分割模型训练数据生成模块；所述预分割模型训练数据生成模块，用于对训练图片进行下采样，利用大津阈值分割算法在下采样后的图片中分离出组织区域与背景区域；将所述组织区域的位置映射回训练图片中，将所述组织区域在训练图片中的映射位置切分成符合预分割模型输入图像尺寸的切块；根据训练图片的第一标签数据判断每个切块所属区域，并根据所属区域的类别储存在对应的文件夹中；将切分成的各切块输入ACD预处理模型，得到色调调整后的图片，对色调调整后的图片进行归一化处理，得到预分割模型训练数据；其中，所述第一标签数据包括癌变区域和正常区域。在一种可能的实现方式中，在本专利技术提供的上述肺部癌变区域分割与分类检测系统中，还包括：预分割模型训练模块；所述预分割模型训练模块，用于搭建预分割模型的网络架构，包括用于提取特征的残差网络模型和用于分割癌变区域的双注意力机制；利用初始化函数对预分割模型的参数进行初始化，将预分割模型参数的初始值设为符合正态分布的随机值；将所述预分割模型训练数据输入预分割模型，利用前向传播算法计算损失函数，通过后向传播算法更新参数权重值；经过多次迭代计算，优化预分割模型参数，得到训练好的预分割模型并保存。在一种可能的实现方式中，在本专利技术提供的上述肺部癌变区域分割与分类检测系统中，还包括：精细分割模型训练数据生成模块；所述精细分割模型训练数据生成模块，用于对训练图片进行下采样，利用大津阈值分割算法在下采样后的图片中分离出组织区域与背景区域；将所本文档来自技高网...

【技术保护点】
1.一种肺部癌变区域分割与分类检测系统，其特征在于，包括：检测数据生成模块、预分割模块、预分割后处理模块以及精细分割模块；其中，/n所述检测数据生成模块，用于将待检测图片添加偏移后切分成多个切块，并对切分成的各切块进行预处理；/n所述预分割模块，用于利用预先训练好的预分割模型对预处理后的各切块进行预分割处理；/n所述预分割后处理模块，用于提取预分割成的各图片的中心区域，将提取的各中心区域拼接为完整图像，对拼接成的完整图像进行形态学处理和关键点筛选；/n所述精细分割模块，用于在待检测图片中，以每个关键点在待检测图片中的映射位置为中心切割出多个切块，利用预先训练好的精细分割模型对切割出的各切块进行精细化分割，根据精细化分割结果中是否存在癌变区域，确定待检测图片是否为癌变图片。/n

【技术特征摘要】
1.一种肺部癌变区域分割与分类检测系统，其特征在于，包括：检测数据生成模块、预分割模块、预分割后处理模块以及精细分割模块；其中，
所述检测数据生成模块，用于将待检测图片添加偏移后切分成多个切块，并对切分成的各切块进行预处理；
所述预分割模块，用于利用预先训练好的预分割模型对预处理后的各切块进行预分割处理；
所述预分割后处理模块，用于提取预分割成的各图片的中心区域，将提取的各中心区域拼接为完整图像，对拼接成的完整图像进行形态学处理和关键点筛选；
所述精细分割模块，用于在待检测图片中，以每个关键点在待检测图片中的映射位置为中心切割出多个切块，利用预先训练好的精细分割模型对切割出的各切块进行精细化分割，根据精细化分割结果中是否存在癌变区域，确定待检测图片是否为癌变图片。


2.如权利要求1所述的肺部癌变区域分割与分类检测系统，其特征在于，所述检测数据生成模块，用于将待检测图片添加偏移后切分成多个切块，具体包括：
所述检测数据生成模块，用于在预分割模型的输入图像尺寸为N*N的情况下，在待检测图片上添加横向±N/3、横向0、纵向±N/3以及纵向0的偏移，形成9个不同的偏移图像；将每个偏移图像从左上角开始切分为N*N的切块，对于不满足N*N的边缘区域，以边缘为底线向边缘对侧拓展成N*N的切块；其中，N为不小于512且不大于1024的整数。


3.如权利要求2所述的肺部癌变区域分割与分类检测系统，其特征在于，所述预分割后处理模块，用于提取预分割成的各图片的中心区域，将提取的各中心区域拼接为完整图像，对拼接成的完整图像进行形态学处理和关键点筛选；具体包括：
所述预分割后处理模块，用于在预分割成的各图片的中心提取(N/3)*N*3区域，遍历9个偏移图像后，将提取的所有中心区域拼接成完整图像，对拼接成的完整图像进行膨胀腐蚀形态学处理，对形态学处理后的图像进行梯度计算，得到梯度热力图；所述梯度热力图上的梯度按由大到小的顺序排列，获取前M个梯度的位置作为关键点；其中，M为不小于100且不大于1000的整数。


4.如权利要求3所述的肺部癌变区域分割与分类检测系统，其特征在于，所述精细分割模块，用于在待检测图片中，以每个关键点在待检测图片中的映射位置为中心切割出多个切块，利用预先训练好的精细分割模型对切割出的各切块进行精细化分割，具体包括：
所述精细分割模块，用于将所述梯度热力图上各关键点的位置映射回待检测图片；以每个关键点在待检测图片中的映射位置为中心，对应切割出一个N*N的切块，以每个关键点对应的切块为中心，对应切割出呈三行三列排列的9个切块；将每个关键点对应的9个切块输入预先训练好的精细分割模型，计算得到各关键点属于癌变区域的置信度；将待检测图片中各关键点属于癌变区域的原始置信度替换为计算得到的各关键点属于癌变区域的置信度。


5.如权利要求4所述的肺部癌变区域分割与分类检测系统，其特征在于，所述预分割后处理模块，还用于对替换置信度后的新图像进行梯度计算，得到新梯度热力图；所述新梯度热力图上的梯度按由大到小的顺序排列，获取前M个梯度的位置作为新关键点；其中，M为不小于100且不大于1000的整数；
所述精细分割模块，还用于将所述新梯度热力图上各新...

【专利技术属性】
技术研发人员：李妮，闫俊宇，龚光红，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11