[发明专利]一种基于深度学习的肺癌早筛装置

权利要求书

1.一种基于深度学习的肺癌早筛装置，其特征在于，包括：

图像处理模块，用于对图像进行预处理以得到符合深度学习标准的图像；

图像分析模块，用于将所述图像导入经过深度学习的神经网络以检测所述图像中肺部结节，从而使得神经网络输出疑似肺部结节及其对应的置信值；

图像分析结果处理模块，用于选取N个最高值，对于每个最高值，提取最后一个的卷基层，并将提取结果引入池化层和全连接层，从而计算出肺癌的概率。

2.根据权利要求1所述的装置，其特征在于，还包括神经网络处理模块，所述神经网络处理模块用于构建与图像分析模块交互的神经网络，所述神经网络处理模块包括：

数据集训练单元，用于构建训练数据集；

数据处理单元，用于进行阳性样本平衡处理以及难分样本挖掘操作；

神经网络生成单元，用于搭建神经网络。

3.根据权利要求2所述的装置，其特征在于，所述数据集训练单元具体用于对数据集进行块处理；包括两类块，第一类占全部数据块的70％，第二类占全部数据块30％；第一类的块中的数据包含至少一个结节，第二类的块中的数据没有结节。

4.根据权利要求2所述的装置，其特征在于，所述数据处理单元具体用于平衡大小结节的数量，当结节大于30毫米和40毫米时，模型训练时的取样频率分别需要增加2和6倍。

5.根据权利要求2所述的装置，其特征在于，所述神经网络生成单元具体用于基于改良的U-Net搭建神经网络。

6.根据权利要求5所述的装置，其特征在于，所述所述神经网络生成单元搭建的神经网络为：

所述神经网络由5个残差网络和一系列横向和反馈网络连接，反向层的特征用于计算输出结果；所述反向层的大小是32*32*32，并通过两个1*1*1的卷积获得分类值；

所述神经网络有三个不同大小的锚，分别是10毫米，30毫米和60毫米；

所述神经网络的交叉区域IoU用于判断最后一层的像素类别，如果像素的IoU大于0.5，则判定所述像素是阳性样本；如果像素的IoU小于0.02，则判定所述像素是阴性样本；所述阳性样本为包含肺部结节的样本；所述阴性样本为不包含肺部结节的样本。

7.根据权利要求1所述的装置，其特征在于，所述图像处理模块包括：

分割单元，用于对肺部图像进行分割；

第一数据处理单元，用于对肺实质的外轮廓修复和区域增长处理；

第二数据处理单元，用于对图像数据标准化处理。