基于胸透图像的肺结核检测方法、系统和存储介质技术方案

本发明专利技术公开了一种基于胸透图像的肺结核检测方法、系统和存储介质，所述方法包括以下步骤：获取胸透图像，并对所述胸透图像进行预处理；将预处理后的胸透图像输入到训练好的目标检测模型中，获取预处理后的胸透图像的肺实质分割区域；根据所述肺实质分割区域对预处理后的胸透图像进行图像分割，获取肺部区域图像；将所述肺部区域图像输入到若干个已训练好的特征检测网络中，获取若干个特征图像；对所述特征图像进行加权组合，得到胸透图像的类别。本发明专利技术通过目标检测模型和特征检测网络处理胸透图像，预测胸透图像的肺结核概率，大大降低了医护人员在肺结核的诊断中的工作量。本发明专利技术可广泛应用于医学图像处理领域中。

【技术实现步骤摘要】
基于胸透图像的肺结核检测方法、系统和存储介质
本专利技术涉及医学图像处理
，尤其涉及一种基于胸透图像的肺结核检测方法、系统和存储介质。
技术介绍
肺结核病是一种经呼吸道传播的慢性传染病。近年来，由于多发耐药结核，结核菌与艾滋病毒的双重感染和流动人口增多，结核病疫情出现回升，肺结核病严重危害着广大人民群众的身体健康，成为了重大的公共卫生问题和社会问题。搞好结核病防治工作的关键是抓好发现和治疗管理病人两个重要环节。而胸透图像在肺结核初步筛选过程中扮演了重要角色。肺部结节医学征象种类繁多，表现复杂多样，医护人员在筛查大量医学影像时难以精确和稳定地判断。随着计算机视觉的发展，计算机辅助检测技术能够有效减轻医师的工作负担,辅助他们完成基于医学影像的疾病判断，同时也提高了疾病判断的稳定性和效率，优化诊断流程。目前的胸透图像处理方法只能实现肺部轮廓的提取，使得医护人员在肺结核的诊断中的工作量较大。
技术实现思路
有鉴于此，本专利技术的目的是提供一种基于胸透图像的肺结核检测方法、系统和存储介质，以减少医护人员在肺结核诊断中的工作量。本专利技术所采用的第一技术方案是：一种基于胸透图像的肺结核检测方法，包括以下步骤：获取胸透图像，并对所述胸透图像进行预处理；将预处理后的胸透图像输入到训练好的目标检测模型中，获取预处理后的胸透图像的肺实质分割区域；根据所述肺实质分割区域对预处理后的胸透图像进行图像分割，获取肺部区域图像；将所述肺部区域图像输入到若干个已训练好的特征检测网络中，获取若干个特征图像；对所述特征图像进行加权组合，得到胸透图像的类别；所述预处理包括图像压缩、归一化和直方图均衡的至少一种。进一步，所述目标检测模型的训练步骤包括：获取多组第一训练样本，所述第一训练样本为带有肺部区域标记的胸透图像；将所述第一训练样本进行预处理；将预处理后的第一训练样本输入到目标检测模型中进行训练，获取训练好的目标检测模型。进一步，所述特征检测网络的训练步骤包括：获取多组第二训练样本，所述第二训练样本为带有类别标签的肺部区域图像；将所述第二训练样本进行预处理；将预处理后的第二训练样本输入到特征检测网络中进行训练，获取训练好的特征检测网络。进一步，当所述胸透图像的类别为异常，根据所述胸透图像和对应的特征图像获取胸透图像的热度图。进一步，所述特征检测网络包括VGGNET、ResNet、DenseNet和GoogleNet的至少一种。进一步，所述特征检测网络包括SeNet模块。进一步，所述特征检测网络包括自注意力模块。进一步，所述特征检测网络的损失函数与交叉熵损失函数、L1范数和L2范数成正比。本专利技术所采用的第二技术方案是：一种基于胸透图像的肺结核检测系统，包括：获取模块，用于获取胸透图像，并对所述胸透图像进行预处理；分割模块，用于将预处理后的胸透图像输入到训练好的目标检测模型中，获取预处理后的胸透图像的肺实质分割区域，并根据所述肺实质分割区域对预处理后的胸透图像进行图像分割，获取肺部区域图像；检测模块，用于将所述肺部区域图像输入到若干个已训练好的特征检测网络中，获取若干个特征图像；分类模块，用于对所述特征图像进行加权组合，得到胸透图像的类别；所述预处理包括图像压缩、归一化和直方图均衡的至少一种。本专利技术所采用的第三技术方案是：一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于胸透图像的肺结核检测系统方法。与现有技术相比较，本专利技术通过目标检测模型和特征检测网络处理胸透图像，预测胸透图像的肺结核概率，大大降低了医护人员在肺结核的诊断中的工作量。附图说明图1为本专利技术实施例基于胸透图像的肺结核检测方法的步骤框图。具体实施方式以下将结合实施例和附图对本专利技术的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本专利技术的目的、方案和效果。本专利技术实施例提供了一种基于胸透图像的肺结核检测方法，参照图1，包括以下步骤：S1、获取胸透图像，并对所述胸透图像进行预处理；S2、将预处理后的胸透图像输入到训练好的目标检测模型中，获取预处理后的胸透图像的肺实质分割区域；S3、根据所述肺实质分割区域对预处理后的胸透图像进行图像分割，获取肺部区域图像；S4、将所述肺部区域图像输入到若干个已训练好的特征检测网络中，获取若干个特征图像；S5、对所述特征图像进行加权组合，得到胸透图像的类别；所述预处理包括图像压缩、归一化和直方图均衡的至少一种。具体地，胸透称荧光透视，为常用X线检查方法。它是利用X线具有穿透性、荧光性和摄影效应的特性，使人体在荧屏上形成影像，由于人体组织有密度和厚度的差别，当X线穿透人体不同组织时，X线被吸收的程度不同，所以到达荧屏上的X线量就有差异，形成黑白对比不同的影像，为医生的诊断提供依据。通过胸透可以获取肺部的透视图像，即胸透图像。目标检测模型，目标检测模型可以从图像中提取出和训练数据的标注区域具有相同特征的区域，常用的目标检测模型有FasterR-CNN、SSD和YOLO模型，在本实施例中使用FasterR-CNN模型从预处理后的胸透图像中检测出肺部区域图像。肺实质分割区域，在胸透图像上的肺部区域，通过目标检测模型可以检测到肺实质分割区域；检测到肺实质分割区域后进行图像分割，得到肺部区域图像，便于排除其他区域图像对肺结核检测的干扰。特征检测网络，用于提取肺部区域图像的特征，以便于后续的图像分类。特征图像，肺部区域图像通过特征检测网络提取出的特征图像，以(224,224)的胸透图像为例，通过卷积神经网络后会输出(1024,7,7)的矩阵，所述的矩阵为特征图像。加权组合步骤对应于卷积神经网络的全连接步骤，用来特征检测网络提取到的图像综合起来，以便于进行分类得到分类结果。图像压缩，可以去除多余数据，以数学的观点来看，这一过程实际上就是将二维像素阵列变换为一个在统计上无关联的数据集合；图像压缩是指以较少的比特有损或无损地表示原来的像素矩阵的技术，也称图像编码；通过图像压缩可以在降低图像数据大小的同时保证图像数据的完整性。归一化是一种无量纲处理手段，使物理系统数值的绝对值变成某种相对值关系，是一种简化计算，缩小量值的有效办法。通过对图像数据进行归一化，可以减少图像数据大小，同时保持图像数据的相对关系。直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。通过这种方法，亮度可以更好地在直方图上分布。这样就可以增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。通过直方图均衡调整图像的局部对比度，更有利于后续的特征提取。进一步作为可选的实施方式，所述目标检测模型的训练步骤包括：...

【技术保护点】
1.一种基于胸透图像的肺结核检测方法，其特征在于，包括以下步骤：/n获取胸透图像，并对所述胸透图像进行预处理；/n将预处理后的胸透图像输入到训练好的目标检测模型中，获取预处理后的胸透图像的肺实质分割区域；/n根据所述肺实质分割区域对预处理后的胸透图像进行图像分割，获取肺部区域图像；/n将所述肺部区域图像输入到若干个已训练好的特征检测网络中，获取若干个特征图像；/n对所述特征图像进行加权组合，得到胸透图像的类别；/n所述预处理包括图像压缩、归一化和直方图均衡的至少一种。/n

【技术特征摘要】
1.一种基于胸透图像的肺结核检测方法，其特征在于，包括以下步骤：
获取胸透图像，并对所述胸透图像进行预处理；
将预处理后的胸透图像输入到训练好的目标检测模型中，获取预处理后的胸透图像的肺实质分割区域；
根据所述肺实质分割区域对预处理后的胸透图像进行图像分割，获取肺部区域图像；
将所述肺部区域图像输入到若干个已训练好的特征检测网络中，获取若干个特征图像；
对所述特征图像进行加权组合，得到胸透图像的类别；
所述预处理包括图像压缩、归一化和直方图均衡的至少一种。


2.根据权利要求1所述的基于胸透图像的肺结核检测方法，其特征在于，所述目标检测模型的训练步骤包括：
获取多组第一训练样本，所述第一训练样本为带有肺部区域标记的胸透图像；
将所述第一训练样本进行预处理；
将预处理后的第一训练样本输入到目标检测模型中进行训练，获取训练好的目标检测模型。


3.根据权利要求1所述的基于胸透图像的肺结核检测方法，其特征在于，所述特征检测网络的训练步骤包括：
获取多组第二训练样本，所述第二训练样本为带有类别标签的肺部区域图像；
将所述第二训练样本进行预处理；
将预处理后的第二训练样本输入到特征检测网络中进行训练，获取训练好的特征检测网络。


4.根据权利要求1所述的基于胸透图像的肺结核检测方法，其特征在于，还包括以下步骤：
当所述胸透图像的类别为异常，根据所述胸透图像和对应的特征图像获取胸透图像的热度图。...

【专利技术属性】
技术研发人员：周杰，邓东华，龙显荣，王威，林东子，霍颖瑜，刘欣，张浩洋，
申请(专利权)人：佛山市第四人民医院佛山市结核病防治所，佛山科学技术学院，
类型：发明
国别省市：广东;44