一种基于双路三维卷积神经网络的肺结节检测方法技术

本发明专利技术提供了一种基于双路三维卷积神经网络的肺结节检测方法，其发明专利技术内容主要包括：(1)对肺部CT数据进行预处理，得到候选肺结节数据；(2)对预处理数据进行数据增强，得到样本数据集；(3)将样本数据集按照比例划分为训练集和测试集，将训练集利用定义的双路三维卷积神经网络结构进行训练，再将测试集输入训练后的网络模型中检测，输出肺结节检测结果。本发明专利技术是通过将CT肺部影像自动分割后，提取肺结节区域并利用双路三维卷积的神经网络建模，对候选肺结节区域进行检测，并且相较于其他方法提高了结节检测的召回率和平均准确率。高了结节检测的召回率和平均准确率。

【技术实现步骤摘要】
一种基于双路三维卷积神经网络的肺结节检测方法


[0001]本专利技术属于医学图像处理
，具体涉及一种基于双路三维卷积神经网络的肺结节检测方法。

技术介绍

[0002]肺癌是中国发病率和死亡率都很高的一种常见的致命性恶性肿瘤。大部分的肺癌患者被发现时已经处于中晚期，这给治疗带来了极大的困难。局限于现有临床医疗水平，目前公认的应对肺癌最好的解决办法仍然是在肺癌早期迅速发现并尽早治疗。早期的肺癌大多数无明显症状，常常以肺结节的形式表现。肺结节的及早发现和治疗能极大提高肺癌患者的生存率，而CT医学图像是医生诊断肺结节的主要依据。传统的诊断模式是医生通过CT影像对肺结节进行分析和辨别。但是由于病人的CT影像通常包括200
‑
300张的影像层面图像，人工发现和分析肺结节费时费力，而且易因疲劳等因素产生漏诊。近年来，由于深度学习在图像识别中的广泛应用，采用卷积神经网络模型对肺结节可以进行快速的定位和分割，大大加快了辅助临床应用。
[0003]随着深度学习在图像处理领域的发展，大数据驱动的深度学习应用于肺结节诊断中，对于缓解医疗本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双路三维卷积神经网络的肺结节检测方法，其特征在于，包括如下步骤：(1)对肺部CT数据进行预处理，得到候选肺结节数据；(2)对预处理数据进行数据增强，得到样本数据集；(3)将样本数据集按照比例划分为训练集和测试集，将训练集利用定义的双路三维卷积神经网络结构进行训练，再将测试集输入训练后的网络模型中检测，输出肺结节检测结果。2.根据权利要求1所述的一种基于双路三维卷积神经网络的肺结节检测方法，其特征在于，步骤(1)中包括，先将原始CT数据进行预处理，所述预处理是将原始CT数据进行包括统一分辨率、CT均衡处理、去噪、重采样、坐标转换及像素间距的处理。3.根据权利要求1所述的一种基于双路三维卷积神经网络的肺结节检测方法，其特征在于，步骤(2)中数据增强具体包括以下子步骤：(1)预处理的肺部数据形成长方体数据块，填充为正方体后，在一定比例内缩放和翻转；(2)根据CT影像中肺结节位置按...

【专利技术属性】
技术研发人员：王树林，王晓杰，
申请(专利权)人：湖南大学，
类型：发明
国别省市：