科创中国
一种基于卷积神经网络的肺结节检测方法
成果类型：: 实用新型专利
发布时间: 2022-07-01 08:59:47
科技成果产业化落地方案
方案提交机构：江苏无锡市| 朱建萍 | 2022-10-25 17:36:42
一种基于卷积神经网络的肺结节检测方法,属于深度学习图像检测领域。本发明提取完肺实质后,不仅可以有效提高神经网络的对目标区域的关注,而且可以有效降低参数数量。在完成初步的候选结节检测的步骤后,选取了靠近肺结节中心的目标区域做结节检测,缩小了整体检测的范围,得到了比较准确的分类效果,提高了分类的性能。
一种基于卷积神经网络的肺结节检测方法，步骤包括：
第一步：分割出肺实质
1.1使用3D-Unet网络对原CT图像进行分割，得到肺实质三维图像。1.2将得到的肺实质三维图像按Z轴切分成二维切片图像。
1.3将得到的二维切片图像按照目标检测中主流的VOC2007数据集格式制作成新的数据集。
第二步：构建肺结节检测网络
将得到的数据集送入到目标检测网络Faster R-CNN中，检测出包含肺结节的区域，获得候选结节，具体如下：
2.1将数据集中的图片输入特征提取网络，进行主干特征的提取，
2.2利用区域生成网络RPN，进行包围框第一次修正，区分背景与肺结节。
2.3利用ROI Pooling层进行包围框的二次修正，获得候选肺结节。
第三步：构建肺结节分类网络
3.1将含有候选肺结节的图像通过计算坐标之间的欧氏距离将其合并，获得较小的三维CT图像。
3.2将此较小的三维图像送入到3D卷积神经网络进行肺结节假阳性的筛选。
早期的肺结节通常很小，没有固定的形状，因此肉眼难以辨别，当良性肺结节不断发展成恶性肺结节，肺癌由此产生。现实中，通常通过肺部CT图像来检测肺结节。肺结节作为肺癌的早期表现，检测肺结节对预测肺癌有重大的意义。然而，肺结节体积小，传统的C影像肺结节检测方法不仅步骤繁琐、处理速度慢；临床上肺结节检测方法为医师通过观察肺部的CT图像，来识别病人是否有肺结节，而通常一个病人的完整CT序列数量较多，工作量大，易被遗漏。因此，发明一种自动检测肺结节的方法尤为重要。
随着深度学习卷积神经网络的不断发展，越来越多的医学疾病领域可以借助卷积神经网络来研究，尤其是对于微小病灶的检测与分割，卷积神经网络有着更好地检测分类效果。
江南大学是教育部直属、国家“211工程”重点建设高校和“双一流”建设高校。学校具有悠久的办学历史、厚重的文化积淀，源起1902年创建的三江师范学堂，历经国立中央大学、南京大学等发展时期；1958年南京工学院食品工业系整建制东迁无锡独立建校，成立无锡轻工业学院；1962年无锡纺织工学院并入无锡轻工业学院；1995年更名为无锡轻工大学；2001年无锡轻工大学、江南学院、无锡教育学院合并组建江南大学；2003年东华大学无锡校区并入江南大学。
提取完肺实质后，不仅可以有效提高神经网络的对目标区域的关注，而且可以有效降低参数数量。在完成初步的候选结节检测的步骤后，选取了靠近肺结节中心的目标区域做结节检测，缩小了整体检测的范围，得到了比较准确的分类效果，提高了分类的性能。
科技成果只有通过实施开发应用，使其转化为生产力，才能取得经济效益和社会效益。成果方目标是将科技成果转化为现实生产力，期待有意愿的企业或合作单位进行合作推广或者进行产品生产。考虑合作转化、许可+合作等转化方式与企业、科学技术研究开发机构和其他组织建立合作关系。
下载app