基于监督器改进U-Net分割网络的肺结节检测方法及系统技术方案

本发明专利技术公开了一种基于监督器改进U

【技术实现步骤摘要】
基于监督器改进U
‑
Net分割网络的肺结节检测方法及系统


[0001]本专利技术涉及一种基于监督器改进U
‑
Net分割网络的肺结节检测方法及系统，通过设计一种新型的训练分割网络的方式，实现对肺部CT样本医学图像上肺结节部分的检测，属于医学图像检测


技术介绍

[0002]肺癌被认为是世界上最致命的癌症，许多国家为此制定了早期诊断肺癌的策略。NLST试验表明，使用低剂量的胸部计算机断层成像(ComputedTomography，CT)进行肺癌筛查可以显著降低肺癌导致的死亡率。这些措施意味着大量的CT扫描图像必须由放射科医生检查。随着CT扫描层数的增加，即使对于有经验的医生来说，有些结节也很难被发现，放射科医生的负担也随之加重。因此，为了提高诊断的准确性提高诊断效率，研究高性能的计算机辅助检测系统具有十分重要的意义。
[0003]随着深度学习方法在图像处理领域取得了巨大成功，以深度学习为基础的CAD计算机辅助检测系统在医学影像辨识方面获得了极高的准确率。肺结节检测系统一般由候选结节检测和去除假阳性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于监督器改进U
‑
Net分割网络的肺结节检测方法，其特征在于该方法包括以下步骤：S1：对所有CT样本数据做肺实质提取；将所有CT样本及标注分为训练数据集与测试数据集，对训练数据做数据增强；S2：构建U
‑
Net分割网络以及构建监督器；S3：定义损失函数，使用S1中的训练数据集训练S2中构建的U
‑
Net分割网络和监督器，使用测试数据集验证训练好的U
‑
Net分割网络性能是否达到要求；S4：构建假阳性去除网络，构建假阳性网络的训练数据集与测试数据集，使用训练数据集训练假阳性去除网络优化其参数，使用测试数据集验证训练好的假阳性去除网络性能是否达到要求；S5：预处待检测的CT样本，使用S3中训练好的U
‑
Net分割网络，分割CT样本生成分割图；使用S4中训练好的假阳性去除网络去除分割图中的假阳性部分，实现完整的肺结节检测。2.根据权利要求1所述的肺结节检测方法，其特征在于：步骤S1中所述CT样本数据做肺实质提取具体是：将所有CT样本使用二值化方法生成二值化图像；用开操作去除杂质与噪声；取反并将除肺部区域外的像素置零；对二值化图像做膨胀处理；将二值化图像与原始CT样本按位相乘完成肺实质提取。3.根据权利要求1所述的肺结节检测方法，其特征在于：步骤S1中所述将CT样本及标注分为训练数据集与测试数据集具体是：使用标注中的结节位置信息生成分割图；将CT样本与对应分割图视为一份数据对；将所有数据对划分为十个集合，取其中的九个集合构建训练数据集，剩余一个集合构建测试数据集。4.根据权利要求1所述的肺结节检测方法，其特征在于：所述U
‑
Net分割网络具体结构如下：U
‑
Net分割网络由两个下采样分支、一个中间分支、两个上采样分支以及一个卷积输出层组成；所述下采样分支由一个ConvBlock层和一个平均池化层AvgPooling串联组成；所述中间分支仅包含一个ConvBlock层；所述上采样分支由一个ConvTranspose反向卷积上采样层、一个CenterCrop中心裁切层、一个Cat拼接层和一个ConvBlock层组成；所述CenterCrop负责裁切下采样分支的输出特征图，所述Cat拼接层负责拼接裁切后的下采样特征和上采样提取的特征。5.根据权利要求1所述的肺结节检测方法，其特征在于...

【专利技术属性】
技术研发人员：李星，李轶，侯平智，冯静，徐晓滨，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：