[发明专利]基于数据增强的肺结节检测方法及系统

权利要求书

1.一种基于数据增强的肺结节检测方法，其特征在于，包括：

解析出图像数据库中的胸片正位图，将所述胸片正位图转换成JPG图像；

利用自适应直方图均衡化算法对转换成JPG图像的胸片正位图进行预处理，并将进行预处理后的所述胸片正位图按预设比例分为训练集、验证集及测试集；

利用所述训练集及所述验证集训练和调整卷积神经网络模型，并通过所述测试集评测所述卷积神经网络模型的准确率；

在所述训练集及所述验证集上将胸片正位图中抠出的肺结节区域作为模型训练的负样本，将胸片正位图中其他区域随机裁剪作为模型训练的正样本，对至少两个所述负样本进行融合处理以增强负样本数量；

利用滑动窗口将整张的JPG图像的胸片正位图分成不重叠的图像块，然后将所述图像块输入到所述卷积神经网络模型中判断所述图像块的为正样本或负样本；

如果所述图像块为负样本，则所述胸片正位图上存在肺结节区域。

2.如权利要求1所述的基于数据增强的肺结节检测方法，其特征在于，所述将进行预处理后的所述胸片正位图按预设比例分为训练集、验证集及测试集，包括：

将进行预处理后的所述胸片正位图按7:1:2的比例分为训练集、验证集及测试集。

3.如权利要求1所述的基于数据增强的肺结节检测方法，其特征在于，所述在所述训练集及所述验证集上将胸片正位图中抠出的肺结节区域作为模型训练的正样本，包括：

根据XML文件中的标注信息抠出所述肺结节区域，将肺结节区域作为模型训练的正样本；

其中，所述图像数据库为肺部影像数据库，所述肺部影像数据库包括针对胸片正位图上肺结节的XML标注文件。

4.如权利要求1所述的基于数据增强的肺结节检测方法，其特征在于，所述对至少两个所述负样本进行融合处理以增强负样本数量，包括：

将至少两个所述负样本中的肺结节区域采用高斯融合算法进行融合处理，形成新的负样本，将所述新的负样本作为训练数据。

5.如权利要求1所述的基于数据增强的肺结节检测方法，其特征在于，所述利用滑动窗口将整张的JPG图像的胸片正位图分成不重叠的图像块，包括：

所述滑动窗口的步长设定为100，将整张的JPG图像的胸片正位图分成不重叠的图像块。

6.一种基于数据增强的肺结节检测系统，其特征在于，包括：

转换模块，用于解析出图像数据库中的胸片正位图，将所述胸片正位图转换成JPG图像；

划分模块，用于利用自适应直方图均衡化算法对转换成JPG图像的胸片正位图进行预处理，并将进行预处理后的所述胸片正位图按预设比例分为训练集、验证集及测试集；

训练模块，用于利用所述训练集及所述验证集训练和调整卷积神经网络模型，并通过所述测试集评测所述卷积神经网络模型的准确率；

增强模块，用于在所述训练集及所述验证集上将胸片正位图中抠出的肺结节区域作为模型训练的负样本，将胸片正位图中其他区域随机裁剪作为模型训练的正样本，对所述负样本进行变形处理以增强负样本数量；

检测模块，用于利用滑动窗口将整张的JPG图像的胸片正位图分成不重叠的图像块，然后将所述图像块输入到所述卷积神经网络模型中判断所述图像块的为正样本或负样本；

判断模块，用于如果所述图像块为负样本，则所述胸片正位图上存在肺结节区域。

7.如权利要求6所述的基于数据增强的肺结节检测系统，其特征在于，所述划分模块包括：

划分子单元，用于将进行预处理后的所述胸片正位图按7:1:2的比例分为训练集、验证集及测试集。

8.如权利要求6所述的基于数据增强的肺结节检测系统，其特征在于，所述增强模块包括：

第一增强子单元，用于根据XML文件中的标注信息抠出所述肺结节区域，将肺结节区域作为模型训练的正样本；

其中，所述图像数据库为肺部影像数据库，所述肺部影像数据库包括针对胸片正位图上肺结节的XML标注文件。

9.如权利要求6所述的基于数据增强的肺结节检测系统，其特征在于，所述增强模块包括：

第二增强子单元，用于将至少两个所述负样本中的肺结节区域采用高斯融合算法进行融合处理，形成新的负样本，将所述新的负样本作为训练数据。

10.如权利要求9所述的基于数据增强的肺结节检测系统，其特征在于，所述检测模块包括：

检测子单元，用于所述滑动窗口的步长设定为100，将整张的JPG图像的胸片正位图分成不重叠的图像块。