[发明专利]一种肺部ct影像特殊组织的标记方法

说明书

本发明公开了一种肺部ct影像特殊组织的标记方法，包括如下步骤：(1)、样本标记：(2)、设计语义分割模型：以像素分割的方式，在原始图像中标记出特定对象的区域，并依此建立一个U‑Net模型；(3)、特殊组织检测模型的训练：采用图像变换方法，对原始图像和掩模图像同时进行变换，以进行数据增强；(4)、计算模型性能的度量指标：模型性能的度量指标就是Dice系数，起计算公式为：本发明可以提升肺结节检查准确率。

技术领域

本发明涉及肺部ct影像领域；具体涉及一种肺部ct影像特殊组织的标记方法。

背景技术

癌症，作为一直以来人类难以降服的恶疾，严重威胁着人类的生命健康。其中，肺癌在所有恶性肿瘤发病及死亡中均占首位。据统计，2012年约有160万人因肺癌死亡，另有180万新增病例被确诊。筛查肺癌对于患者的早期诊断和治疗至关重要，可以通过筛查技术来改善患者预后。肺癌筛查容易出现假阳性，由此会增加不必要的治疗成本，并给患者带来额外的压力。利用针对肺癌的计算机辅助诊断方法，能够为早期癌症筛查提供更全面的覆盖，并降低诊断中的假阳性率。

虽然发现肺结节可能并不代表确诊早期肺癌，但肺癌筛查的第一步就是检测肺结节。然而，在CT影像中的肺部，除了以结节代表的疑似肺癌外，还可能包含多种肺部疾病，例如：肺气肿、肺结核等。特别是，长期吸烟人群是多种肺部疾病的高发人群，其肺部很有可能同时存在结节和其它特殊病变组织。这就为准确检测结节，增加了额外的难度。为此，需要专门的模型，对特殊组织进行检测。

事实上，当能检测出肺部有很多“奇怪的组织”时，患者罹患癌症的机会会很高。而此时，若结节检测器没有发现任何结节，就会给出阴性的判定，这对医疗诊断有较为负面的影响。

发明内容

本发明目的在于：为了解决上述背景技术中的现有技术存在的问题，提供一种肺部ct影像特殊组织的标记方法，可以提升肺结节检查准确率。

本发明解决其技术问题所采用的技术方案是：一种肺部ct影像特殊组织的标记方法，包括如下步骤：

(1)、样本标记：LIDC-IDRI肺结节公开数据集和LUNA16肺结节检测竞赛数据集中，用传统方法，标记出肺部ct影像特殊组织样本；

(2)、设计语义分割模型：以像素分割的方式，在原始图像中标记出特定对象的区域，并依此建立一个U-Net模型；

(3)、特殊组织检测模型的训练：采用图像变换方法，对原始图像和掩模图像同时进行变换，以进行数据增强；

其中训练的batch size为4，优化方法为带动量的SGD，学习率固定为0.001。

(4)、计算模型性能的度量指标：模型性能的度量指标就是Dice系数，起计算公式为：

优选地：步骤(3)中采用的图像变换方法为随机弹性变换、随机旋转、随机翻转和随机平移。

优选地：步骤(3)中对原始图像和掩模图像进行变换时，要使用同样的变换方法和变换参数。

与现有技术相比，本发明具有以下有益效果：

本发明首先通过U-Net架构以像素分割的方式，在原始图像中标记出特定对象的区域；其次，通过使用了多种图像变换方法，包括：随机弹性变换、随机旋转、随机翻转和随机平移等对数据进行了增强，避免了用于特殊组织检测的数据集样本较少的问题。最终模型的Dice系数指标能够超过0.8，达到较高的水平。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是非结节特殊组织及其对应标记ct影像图；

图2是U-Net模型语义分割模型架构；