[发明专利]一种检测肺结节的系统及方法

说明书

本发明公开一种检测肺结节位的系统及方法，包括：图像预处理模块，用于对原始三维CT图像进行预处理，获取标准CT图像；三维RPN网络模型，用于从所述图像预处理模块输出的标准CT图像中检测出第一候选肺结节；三维胶囊网络模型，用于对所述三维RPN网络模型输出的第一候选肺结节进行假阳性肺结节筛查，获取肺结节检测结果。本发明提供的技术方案，能够在保证假阳性肺结节检出率更低的同时，保证对肺结节有较高的查全率；且检测方法简单、检测速度快。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种检测肺结节的系统及方法。

背景技术

肺癌是世界上发病率和死亡率最高的恶性肿瘤。随着计算机断层扫描(CT)技术在医院普及使用，肺癌的死亡率减少了20％左右。所有肺癌都是由肺结节演变而来，肺癌和肺结核的早期影像学均表现为肺结节。目前，CT检测是肺癌早期筛查的关键步骤。然而CT筛查早期肺癌同样具有挑战性。要对肺小结节做出明确诊断，必须精细检查，三维作图，全方位分析，消耗大量的资源和时间，且肺结节的诊断主观性大。据《2017年中国卫生统计年鉴》显示，理论上每位影像诊断医师需要在5～10min内判别CT图像上肺部直径4～10mm的肺结节，每个肺结节包含77～1200个像素，仅占肺体积的0.00085％～0.013％。繁重的工作极易产生视觉疲劳，降低工作效率和诊断准确性。同时，人工诊断肺结节误、漏诊概率高。研究发现，影像诊断医师诊断肺结节的敏感性为51.0％～83.2％，假阳性率为每例0.33～1.39。因此，通过机器学习的方法自动从CT图像中检测出肺结节是一个非常有意义的辅助医疗方式。肺结节的计算机辅助检测(CAD)将大幅度提高CT 图像的读片速度，减少医生的负担以及人为出错率。

肺结节的自动检测系统已经在最近几年被广泛研究，其主要的检测框架包括：(1)候选肺结节的检测；(2)假阳性样本筛查。第一步是为了保证肺结节的查全率(Sensitivity)。在保证检测查全率的情况下，检测方法不可避免地会引入大量的假阳性样本。因此在第二阶段需要对检测的候选肺结节进行排查，筛除假阳性样本。因此，一个完善的肺结节检测系统需要效果同时优越的检测模型和假阳性筛查模型。

现有的肺结节自动检测方法主要是基于传统机器学习的方法。这类方法的主要缺点是肺结节的检测效果一般，而且部分方法操作复杂。例如，现有的基于人工特征采集的方法需要大量的人力物力对肺部特征进行采集，耗时耗力。而传统的基于机器学习的方法只能提取浅层特征，在复杂的三维CT图像上效果一般。目前存在一些基于卷积神经网络的肺结节检测方法，但是该类方法大多数都是将三维CT肺部图像当成多个二维切片，首先对这些二维切片进行肺结节检测，然后对多个二维切片的检测结果进行肺结节融合，筛选获得最终的候选肺结节。这种方法操作复杂，而且在对不同切片的结果进行融合的时候也会产生一些误差，导致错误候选肺结节的产生。

发明内容

本发明旨在提供一种检测肺结节的系统及方法，能够在保证假阳性肺结节检出率更低的同时，保证对肺结节有较高的查全率；且检测方法简单、检测速度快。

为达到上述目的，本发明采用的技术方案如下：

一种检测肺结节的系统，包括：图像预处理模块，用于对原始三维CT图像进行预处理，获取标准CT图像；三维RPN网络模型，用于从所述图像预处理模块输出的标准CT图像中检测出第一候选肺结节；三维胶囊网络模型，用于对所述三维RPN网络模型输出的第一候选肺结节进行假阳性肺结节筛查，获取肺结节检测结果。

进一步地，还包括：筛选模块，用于采用NMS函数对所述三维 RPN网络模型输出的第一候选肺结节进行筛选，获取第二候选肺结节；所述三维胶囊网络模型用于对所述筛选模块输出的第二候选肺结节进行假阳性肺结节筛查，获取肺结节检测结果。

优选地，所述肺结节检测结果包括：肺结节的中心点三维坐标，肺结节的直径大小。

优选地，所述标准CT图像为图像的空间信息和强度信息均达到预定值的三维CT图像。