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...

【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