一种基于深度学习的早期肺癌检测分类一体化设备及系统技术方案

本发明专利技术涉及图像分析领域，具体涉及一种基于深度学习的早期肺癌检测分类一体化系统，包括肺部CT图像采集模块、CT图像预处理模块、肺部图像识别模块、肺部结节测量模块和肺癌筛选模块，肺部图像识别模块基于DSSD_Xception模型实现肺部图像中肺部结节及肺部结节孔洞的检测和识别，并截取肺部结节区域；肺部结节测量模块用于基于连通分量外接矩形的长宽比进行肺部结节及肺部结节孔洞尺寸的测量，并输出测量结果；肺癌筛选模块用于根据肺部结节的测量结果基于预设的筛选标准实现早期肺癌的筛选。本发明专利技术能够自动检测出早期肺癌的种类、概率，同时可以精确识别出肺结节的种类、尺寸、位置和恶性程度。

An integrated equipment and system for early lung cancer detection and classification based on deep learning

【技术实现步骤摘要】
一种基于深度学习的早期肺癌检测分类一体化设备及系统
本专利技术涉及图像分析领域，具体涉及一种基于深度学习的早期肺癌检测分类一体化设备及系统。
技术介绍
肺癌是发病率和死亡率最高的恶性肿瘤，其早期症状不明显，而中晚期肺癌极难治愈，因此早期肺癌检测是延长病人生存期、降低死亡率的主要手段。早期肺癌多表现为肺结节，数量多尺寸小、对比度低、易与其他组织混淆；目前主要采用肺部CT检查的方式进行肺部结节诊断，医生需要根据病人CT影像中肺结节的大小和形态来判断其恶性程度，而一个肺癌患者的CT图片数量在百张级别，医生工作负荷较重，评估的准确性上会受到医生经验、疲劳程度、个人情绪等主观因素的影响，同时各地区专家医生资源分布不均匀，采取传统诊疗方式容易出现漏诊和误诊的情况。近年来，随着计算机计算能力的提高、数据量的阶梯式增长，深度学习技术的得到了快速发展，被大量的应用于医疗领域，国内外学者、研究机构在关于早期肺癌检测的计算机辅助系统上做了大量研究工作，其主要技术步骤包括数据预处理和利用卷积网络检测肺结节，但是这些方法主要将焦点放在识别肺结节区域和非肺结节区域，一方面并未对肺结节的类别进行细致区分，而另一方面肺结节癌变的种类、概率与肺结节种类、尺寸、形态等特征关系密切，传统检测卷积网络只能得出患者患肺癌的总概率，无法对肺癌的具体种类进行区分，所以往往需要医生去进行评估，没有实现早期肺癌检测流程的一体化。
技术实现思路
为解决上述问题，本专利技术提供了一种基于深度学习的早期肺癌检测分类一体化设备及系统，能够自动检测出早期肺癌的种类、概率，同时可以精确识别出肺结节的种类、尺寸、位置和恶性程度。为实现上述目的，本专利技术采取的技术方案为：一种基于深度学习的早期肺癌检测分类一体化系统，包括：肺部CT图像采集模块，用于通过高分辨率计算机断层摄影技术获取肺部CT图像；CT图像预处理模块，基于FasterR-CNN模型对目标区域进行定位,滤除肋骨,肌肉等造影对比不明显部分,截取感兴趣区域,并结合感兴趣区域的对比度计算并提高感兴趣区域的肺部组织的显著值，通过获得的显著值图像截取肺部图像；肺部图像识别模块，基于DSSD_Xception模型实现肺部图像中肺部结节及肺部结节孔洞的检测和识别，并截取肺部结节区域；肺部结节测量模块，用于基于连通分量外接矩形的长宽比进行肺部结节及肺部结节孔洞尺寸的测量，并输出测量结果；肺癌筛选模块，用于根据肺部结节的测量结果基于预设的筛选标准实现早期肺癌的筛选。进一步地，所述DSSD_Xception模型采用DSSD目标检测算法，基于预设的带肺部结节和/肺部结节孔洞的肺部图像训练所得。进一步地，所述肺部结节测量模块首先基于MATLAB实现肺部结节区域图像的三维重构，然后基于连通分量外接矩形的长宽比进行三维图像中肺部结节及肺部结节孔洞尺寸的测量。进一步地，所述肺癌筛选模块基于模糊神经网络算法根据肺部结节的种类、位置参数、数量参数和尺寸测量结果基于预设的筛选标准实现肺结节的种类、恶化程度的识别。进一步地，还包括：检测引导模块，用于根据患者的定位数据和体型数据实现CT图像采集模块图像采集位置的标定，从而引导CT图像采集模块到达目标位置完成肺部CT图像的采集。进一步地，所述检测引导模块通过标记在地上的位置框获取患者的定位数据，通过图像采集模块采集患者的体型图像，基于最大熵阈值法实现体型图像的二值化，基于连通分量的形态学区域特征去除小面积杂点噪声，完成患者上半身所在位置的识别，然后基于肺部在上半身的位置参考标准、上半身所在位置的识别结果以及患者的定位数据实现CT图像采集模块图像采集坐标的标定。进一步地，所述肺部图像识别模块所截取的每一个肺部结节区域均携带有其所在肺部组织内的位置参数。本专利技术还提供了一种基于深度学习的早期肺癌检测分类一体化设备，采用上述的检测分类一体化系统实现早期肺癌的检测分类。本专利技术具有以下有益效果：1）能够自动检测出早期肺癌的种类、概率，同时可以精确识别出肺结节的种类、尺寸、位置和恶性程度。2）可以提高CT图像的质量，从而为后续的肺结节的种类、尺寸、位置和恶性程度识别工作提供基础。附图说明图1为本专利技术实施例一种基于深度学习的早期肺癌检测分类一体化系统的系统框图。图2为本专利技术实施例一种基于深度学习的早期肺癌检测分类一体化设备的系统框图。具体实施方式为了使本专利技术的目的及优点更加清楚明白，以下结合实施例对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。实施例1如图1所示，一种基于深度学习的早期肺癌检测分类一体化系统，包括：检测引导模块，用于根据患者的定位数据和体型数据实现CT图像采集模块图像采集位置的标定，从而引导CT图像采集模块到达目标位置完成肺部CT图像的采集；肺部CT图像采集模块，用于通过高分辨率计算机断层摄影技术获取肺部CT图像；CT图像预处理模块，基于FasterR-CNN模型对目标区域进行定位,滤除肋骨,肌肉等造影对比不明显部分,截取感兴趣区域,并结合感兴趣区域的对比度计算并提高感兴趣区域的肺部组织的显著值，通过获得的显著值图像截取肺部图像；肺部图像识别模块，基于DSSD_Xception模型实现肺部图像中肺部结节及肺部结节孔洞的检测和识别，并截取肺部结节区域；所述肺部图像识别模块所截取的每一个肺部结节区域均携带有其所在肺部组织内的位置参数；肺部结节测量模块，用于基于连通分量外接矩形的长宽比进行肺部结节及肺部结节孔洞尺寸的测量，并输出测量结果；肺癌筛选模块，用于根据肺部结节的测量结果基于预设的筛选标准实现早期肺癌的筛选。本实施例中，所述DSSD_Xception模型采用DSSD目标检测算法，基于预设的带肺部结节和/肺部结节孔洞的肺部图像训练所得。本实施例中，所述肺部结节测量模块首先基于MATLAB实现肺部结节区域图像的三维重构，然后基于连通分量外接矩形的长宽比进行三维图像中肺部结节及肺部结节孔洞尺寸的测量。本实施例中，所述肺癌筛选模块基于模糊神经网络算法根据肺部结节的种类、位置参数、数量参数和尺寸测量结果基于预设的筛选标准实现肺结节的种类、恶化程度的识别。本实施例中，所述检测引导模块通过标记在地上的位置框获取患者的定位数据，通过图像采集模块采集患者的体型图像，基于最大熵阈值法实现体型图像的二值化，基于连通分量的形态学区域特征去除小面积杂点噪声，完成患者上半身所在位置的识别，然后基于肺部在上半身的位置参考标准、上半身所在位置的识别结果以及患者的定位数据实现CT图像采集模块图像采集坐标的标定。实施例2如图2所示，一种基于深度学习的早期肺癌检测分类一体化设备，包括检测引导模块、肺部CT图像采集模块和内载于PC机内的肺部CT图像后处理系统，所述检测引导模块用于根据患者的定本文档来自技高网...

【技术保护点】
1.一种基于深度学习的早期肺癌检测分类一体化系统，其特征在于，包括：/n肺部CT图像采集模块，用于通过高分辨率计算机断层摄影技术获取肺部CT图像；/nCT图像预处理模块，基于Faster R-CNN 模型对目标区域进行定位,造影对比不明显部分,截取感兴趣区域,并结合感兴趣区域的对比度计算并提高感兴趣区域的肺部组织的显著值，通过获得的显著值图像截取肺部图像；/n肺部图像识别模块，基于DSSD_ Xception模型实现肺部图像中肺部结节及肺部结节孔洞的检测和识别，并截取肺部结节区域；/n肺部结节测量模块，用于基于连通分量外接矩形的长宽比进行肺部结节及肺部结节孔洞尺寸的测量，并输出测量结果；/n肺癌筛选模块，用于根据肺部结节的测量结果基于预设的筛选标准实现早期肺癌的筛选。/n

【技术特征摘要】
1.一种基于深度学习的早期肺癌检测分类一体化系统，其特征在于，包括：
肺部CT图像采集模块，用于通过高分辨率计算机断层摄影技术获取肺部CT图像；
CT图像预处理模块，基于FasterR-CNN模型对目标区域进行定位,造影对比不明显部分,截取感兴趣区域,并结合感兴趣区域的对比度计算并提高感兴趣区域的肺部组织的显著值，通过获得的显著值图像截取肺部图像；
肺部图像识别模块，基于DSSD_Xception模型实现肺部图像中肺部结节及肺部结节孔洞的检测和识别，并截取肺部结节区域；
肺部结节测量模块，用于基于连通分量外接矩形的长宽比进行肺部结节及肺部结节孔洞尺寸的测量，并输出测量结果；
肺癌筛选模块，用于根据肺部结节的测量结果基于预设的筛选标准实现早期肺癌的筛选。


2.如权利要求1所述的一种基于深度学习的早期肺癌检测分类一体化系统，其特征在于，所述DSSD_Xception模型采用DSSD目标检测算法，基于预设的带肺部结节和/肺部结节孔洞的肺部图像训练所得。


3.如权利要求1所述的一种基于深度学习的早期肺癌检测分类一体化系统，其特征在于，所述肺部结节测量模块首先基于MATLAB实现肺部结节区域图像的三维重构，然后基于连通分量外接矩形的长宽比进行三维图像中肺部结节及肺部结节孔洞尺寸的测量。


4.如权利要求1所述的一种基于深度学...

【专利技术属性】
技术研发人员：杨昊，侯慧，赵海平，玉荣，王振飞，王润梅，李红，刘巧云，郭军梅，杨静雯，张石磊，
申请(专利权)人：内蒙古医科大学附属人民医院内蒙古自治区肿瘤医院，
类型：发明
国别省市：内蒙古;15