【技术实现步骤摘要】
一种基于三维掩模-区域卷积神经网络的肺癌筛查方法
本专利技术属于医学图像人工智能识别与辅助诊断领域,具体的为一种基于三维掩模-区域卷积神经网络的肺癌筛查方法。
技术介绍
我国患肺癌人数多,发病率高,医疗花费大。按发病人数顺位排序,肺癌占所有癌症的20.3%,位居恶性肿瘤发病首位。据国家肿瘤质控中心发布的《2019年全国癌症报告》,恶性肿瘤死亡高达居民全部死因的23.91%,且近十几年来恶性肿瘤的发病死亡呈持续上升态势,每年恶性肿瘤所致的医疗花费超过2200亿。在临床诊断过程中,医生需要在数百张CT影像中,逐张筛查可能的肺癌病灶,这不仅极大地依赖于医生的临床经验,且极其耗时耗力。因此,急需设计计算机辅助肺癌筛查系统,以简化医生的筛查工作,缩短诊断时间。随着深度学习的迅速发展,基于卷积神经网络的肺癌筛查方法被广泛研究。传统的肺癌检测基于一些简单的先验信息来检测候选结节,例如结节在2D影像上表现得近似圆形,具有较高的CT值,将先验信息归纳为数学上的特征,再通过分类器进行分类,得到检测结果。但由于肺结节在形状、大小和纹理上的高度差异,通过人工归纳的低阶特征提取很难捕获辨别特征,导致较差的检测结果。同时,仅从单一图像判断结节的良恶性收到诸多限制,尽管一些2D或者2.5D深度神经网络在降低假阳性方面取得了不错的表现,但使用3DCT数据,结合病灶的三维空间信息能有效提高检测的灵敏度,这一点目前较少方法能够做到。
技术实现思路
本专利技术的目的提供一种基于三维掩模-区域卷积神经网络的肺癌筛查方法,用于有效 ...
【技术保护点】
1.一种基于三维掩模-区域卷积神经网络的肺癌筛查方法,其特征在于,包括如下步骤:/n第一步:数据标记,对多个不同患者的肺部CT薄层扫描数据,记录CT数据中的肺结节的三维位置,并根据临床经验和活检信息,标记对应肺结节的良恶性;/n第二步:数据预处理,将CT数据在三个方向上插值成等分辨率,剪裁数据只保留肺脏区域;/n第三步:检测模型的构建与训练,使用基于三维掩模-区域卷积神经网络作为肺结节检测模型;/n第四步:根据训练后的模型,对CT数据进行肺结节检测,输出疑似肺结节的像素立方体,包括肺结节中心点坐标和大小;/n第五步:分类模型的构建与训练,使用三维卷积神经网络作为肺结节良恶性的分类模型;/n第六步:输出恶性概率最高的肺结节中心点坐标和大小,用于进一步的临床报告。/n
【技术特征摘要】
1.一种基于三维掩模-区域卷积神经网络的肺癌筛查方法,其特征在于,包括如下步骤:
第一步:数据标记,对多个不同患者的肺部CT薄层扫描数据,记录CT数据中的肺结节的三维位置,并根据临床经验和活检信息,标记对应肺结节的良恶性;
第二步:数据预处理,将CT数据在三个方向上插值成等分辨率,剪裁数据只保留肺脏区域;
第三步:检测模型的构建与训练,使用基于三维掩模-区域卷积神经网络作为肺结节检测模型;
第四步:根据训练后的模型,对CT数据进行肺结节检测,输出疑似肺结节的像素立方体,包括肺结节中心点坐标和大小;
第五步:分类模型的构建与训练,使用三维卷积神经网络作为肺结节良恶性的分类模型;
第六步:输出恶性概率最高的肺结节中心点坐标和大小,用于进一步的临床报告。
2.根据权利要求1所述的基于三维掩模-区域卷积神经网络的肺癌筛查方法,其特征在于,第二步中,数据预处理中:
2.1)根据DICOM格式的CT数据,获得数据的空间分辨率;以最小分辨率为基准,使用线性插值使数据在三个方向上分辨率相同;
2.2)人体肺脏分为两部分,分别为左肺与右肺;同时由于肺脏内大部分为空气,而空气的CT值为0,通过区域生长算法找到插值后数据中所有CT值为0、大小不一的空腔,根据分辨率计算每个空腔的体积;
2.3)人体肺脏的容积在500到10000cm3的范围,属于这个容积范围且最大的两个空腔被认为是肺脏;
2.4)使用形态学滤波,填补空腔中由于肺内血管造成的空洞,滤波范围设定为五个像素大小;
2.5)对插值后数据进行裁剪,只保留肺脏区域的数据,减少后续计算时间。
3.根据权利要求1所述的基于三维掩模-区域卷积神经网络的肺癌筛查方法,其特征在于,第三步中,检测模型的构建与训练:
检测模型使用基于三维掩模、区域卷积神经网络,包括三个部分:第一部分是ResNet-FPN网络组成的层级相连结构,其中包含上采样、下采样和层与层之间相连的级联结构;第二部分是区域建议网络对于提取的特征图,生成区域建议,进行感兴趣区域对齐;第三部分是计算损失函数。
4.根据权利要求3所述的基于三维掩模-区域卷积神经网络的肺癌筛查方法,其特征在于,第三步中,检测模型的构建与训练:
ResNet-FPN网络包括从下到上的下采样,从上到下的上采样以及横向的级联部分;从下到上的下采样路径,由一系列的卷积层和最大池化层组成,用于特征图提取。
5.根据权利要求4所述的基于三维掩模-区域卷积神经网络的肺癌筛查方法,其特征在于:根据输出特征图的大小,特征提取分为五个阶段,阶段二、阶段三、阶段四和阶段五各自最后一层输出卷积二、...
【专利技术属性】
技术研发人员:袁戎,袁知东,冯飞,成管讯,
申请(专利权)人:北京大学深圳医院,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。