一种肺结节定位系统技术方案

本发明专利技术提出一种肺结节定位系统，肺结节定位系统包括处理器、通信单元、存储器和系统总线，系统总线分别连接处理器、通信单元和存储器，通信单元与外部设备进行通讯连接，用于接收医用红外热成像图像和CT图像，向外部设备传输最终的肺组织3D模型，处理器包括肺结节区域筛选模块、肺结节检测模块和肺结节投影模块。本发明专利技术借助医用红外热成像图像在CT图像上预先划定肺结节区域，使得神经网络仅需针对肺结节区域进行分析，极大地减少分析涉及的范围，加快了数据处理速度，能够更快地实现肺结节定位。位。位。

【技术实现步骤摘要】
一种肺结节定位系统


[0001]本专利技术涉及医学影像辅助诊断
，特别是一种肺结节定位系统。

技术介绍

[0002]肺癌是目前世界上发病率和死亡率最高的恶性肿瘤，严重威胁着人类的生命健康。中国是肺癌高发国家，发病率和死亡率均位居世界首位。近年来，尽管肺癌的诊治技术得到了长足的发展，但肺癌患者的总体生存率仍不容乐观。造成肺癌患者预后不良的主要原因是大多数患者在发现症状时已经到了晚期，因此肺癌的早期诊断和早期治疗是肺癌防治的核心环节。胸部低剂量螺旋CT筛查可发现肺结节，降低20％的肺癌死亡率。
[0003]现有的术前肺结节定位的方法包括在CT引导下通过染色剂或者Hook
‑
Wire进行定位和在电磁导航引导下通过染色剂进行定位，前者存在辐射暴露和穿刺并发症的风险，后者容易造成气管损伤，两者均存在一定的缺陷，给患者造成不小的负担。

技术实现思路

[0004]为了解决现有技术中肺结节定位容易造成创伤，给患者带来痛苦的技术问题，本专利技术提出的肺结节定位系统包括处理器、通信单元、存储器和系统总线，所述系统总线分别连接所述处理器、所述通信单元和所述存储器；
[0005]所述通信单元与外部设备进行通讯连接，用于接收医用红外热成像图像和CT图像，向所述外部设备传输最终的肺组织3D模型；
[0006]所述处理器包括肺结节区域筛选模块、肺结节检测模块和肺结节投影模块，用于从所述通信单元获取医用红外热成像图像和CT图像，根据医用红外热成像图像在CT图像上预先划定肺结节区域，针对肺结节区域进行分析来进行肺结节定位，最终生成并输出具有虚拟标记的肺组织3D模型。
[0007]优选的，所述肺结节区域筛选模块被配置为从所述通信单元获取医用红外热成像图像和CT图像，从所述存储器中加载区域筛选卷积神经网络，将医用红外热成像图像切分为多个图像块，通过所述区域筛选卷积神经网络判断图像块是否为存在肺结节的图像块，将所述医用红外热成像图像中存在肺结节的图像块映射到所述CT图像的对应位置，获取各个对应的区域，作为肺结节区域子集合A，随后，处理所述CT图像，获取所述CT图像中肺部被遮挡的各个区域，作为肺结节区域子集合B，所述肺结节区域子集合A和所述肺结节区域子集合B结合在一起，作为肺结节区域集合。
[0008]优选的，所述区域筛选卷积神经网络以AlexNet为基础，包括5层卷积层，3层池化层和2层全连接层。
[0009]优选的，所述区域筛选卷积神经网络采用非线性激活函数ReLU，所述区域筛选卷积神经网络加入Dropout层，所述区域筛选卷积神经网络的分类得分函数选取SoftMax函数。
[0010]优选的，所述肺结节检测模块被配置为从所述肺结节区域筛选模块获取肺结节区
域集合，从所述存储器中加载肺结节检测神经网络，通过所述肺结节检测神经网络对所述肺结节区域集合中的每个肺结节区域进行分析检测，以确定其中是否存在结节，以及结节的坐标和大小。
[0011]优选的，所述肺结节检测神经网络包括依次设置的输入残差块、第一残差块、第二残差块、第一反卷积单元、第三残差块、第二反卷积单元和输出残差块。
[0012]优选的，所述输入残差块包括依次设置的两个第一卷积单元、第一池化单元和第一归一化单元。
[0013]优选的，所述第一残差块包括三个第二卷积单元、第二池化单元和第二归一化单元。
[0014]优选的，所述第二残差块包括三个第三卷积单元、第三池化单元和第三归一化单元，所述第三残差块包括第四卷积单元、第五卷积单元和第四归一化单元。
[0015]优选的，所述输出残差块包括两个第六卷积单元和第五归一化单元。
[0016]相对于现有技术，本专利技术具有如下有益效果：
[0017]借助医用红外热成像图像在CT图像上预先划定肺结节区域，使得神经网络仅需针对肺结节区域进行分析，极大地减少分析涉及的范围，加快了数据处理速度，能够更快地实现肺结节定位。
附图说明
[0018]图1是本专利技术肺结节定位系统的结构示意图。
具体实施方式
[0019]为了对本专利技术的技术特征、目的和效果有更加清楚的理解，现对照附图说明本专利技术的具体实施方式。
[0020]如图1所示，本专利技术提出的肺结节定位系统包括处理器、通信单元、存储器和系统总线，系统总线分别连接处理器、通信单元和存储器。
[0021]处理器包括肺结节区域筛选模块、肺结节检测模块和肺结节投影模块，用于从通信单元获取医用红外热成像图像和CT图像，根据医用红外热成像图像在CT图像上预先划定肺结节区域，针对肺结节区域进行分析来进行肺结节定位，最终生成并输出具有虚拟标记的肺组织3D模型。
[0022]肺结节区域筛选模块被配置为从通信单元获取针对肺部的医用红外热成像图像和CT图像，从存储器中加载区域筛选卷积神经网络，将医用红外热成像图像切分为多个图像块，通过区域筛选卷积神经网络判断图像块是否为存在肺结节的图像块，将医用红外热成像图像中存在肺结节的图像块映射到CT图像的对应位置，获取各个对应的区域，作为肺结节区域子集合A，随后，处理CT图像，获取CT图像中肺部被遮挡的各个区域，作为肺结节区域子集合B，肺结节区域子集合A和肺结节区域子集合B结合在一起，作为肺结节区域集合，由于医用红外热成像图像无法反映遮挡区域的实际情况，遮挡区域有可能存在肺结节，为了避免出现遗漏，需要将遮挡区域作为肺结节区域的一部分。区域筛选卷积神经网络以AlexNet为基础，包括5层卷积层，3层池化层和2层全连接层，卷积层负责获得图像的局部特征，并将局部特征从网络中向后传递，池化层在空间维度上进行降采样，负责减小数据量，
全连接层将会计算分类评分。区域筛选卷积神经网络采用非线性激活函数ReLU，为了避免过拟合，还加入了Dropout层，用于随机舍弃一些权重，保持ReLU单元的“活性”。区域筛选卷积神经网络的分类得分函数选取SoftMax函数，SoftMax函数将当前图像块传入卷积网络得到的数值与目标数值相比，得到差值，然后通过随机梯度下降法将该差值回传，用于更新每层网络的权重。区域筛选卷积神经网络的训练过程包括：将原始的针对肺部的医用红外热成像图像进行切片得到图像块，对图像块进行分类，类别包括有结节、无组织或腔壁、有血管或其他肺部组织以及有肺部腔壁，分类后的图像块作为训练数据输入卷积层，通过扫描得到卷积输出，将卷积输出通过ReLU激活输入池化层降采样，得到特定的数据，最后连接全连接层，与SoftMax函数相连用于计算每种分类的目标概率，通过随机梯度下降来进行权重的更新。
[0023]肺结节检测模块被配置为从肺结节区域筛选模块获取肺结节区域集合，从存储器中加载肺结节检测神经网络，通过肺结节检测神经网络对肺结节区域集合中的每个肺结节区域进行分析检测，以确定其中是否存在结节，以及结节的坐标和大小。肺结节检测神经网络包括依次设置的输入残差块、第一残差块、第二残差块、第一反卷积单元、第三残差块、第二反卷积单元和输出残差块，肺结节检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肺结节定位系统，其特征在于,所述肺结节定位系统包括处理器、通信单元、存储器和系统总线，所述系统总线分别连接所述处理器、所述通信单元和所述存储器；所述通信单元与外部设备进行通讯连接，用于接收医用红外热成像图像和CT图像，向所述外部设备传输最终的肺组织3D模型；所述处理器包括肺结节区域筛选模块、肺结节检测模块和肺结节投影模块，用于从所述通信单元获取医用红外热成像图像和CT图像，根据医用红外热成像图像在CT图像上预先划定肺结节区域，针对肺结节区域进行分析来进行肺结节定位，最终生成并输出具有虚拟标记的肺组织3D模型。2.根据权利要求1所述的肺结节定位系统，其特征在于，所述肺结节区域筛选模块被配置为从所述通信单元获取医用红外热成像图像和CT图像，从所述存储器中加载区域筛选卷积神经网络，将医用红外热成像图像切分为多个图像块，通过所述区域筛选卷积神经网络判断图像块是否为存在肺结节的图像块，将所述医用红外热成像图像中存在肺结节的图像块映射到所述CT图像的对应位置，获取各个对应的区域，作为肺结节区域子集合A，随后，处理所述CT图像，获取所述CT图像中肺部被遮挡的各个区域，作为肺结节区域子集合B，所述肺结节区域子集合A和所述肺结节区域子集合B结合在一起，作为肺结节区域集合。3.根据权利要求2所述的肺结节定位系统，其特征在于，所述区域筛选卷积神经网络以AlexNet为基础，包括5层卷积层，3层池化层和2层全连接层。...

【专利技术属性】
技术研发人员：谭姗，唐丽，罗茂雨，彭焕芝，
申请(专利权)人：中国人民解放军陆军军医大学第二附属医院，
类型：发明
国别省市：