[发明专利]一种肺结节CT图像检测方法和系统

说明书

本发明提及一种肺结节CT图像检测方法，包括：数据准备；生成候选结节检测网络；对生成的候选结节检测网络进行调参处理；采用数据集对调参处理后的候选结节检测网络进行训练；选取最优的dropout和batchsize值，引入负样本挖掘技术以优化数据集。本发明能够省去了肺结节实质分割，更改了Faster R‑CNN基础网络大大的提升了网络特征提取能力，改进的多尺度特征检测方法也极大提高了对小肺结节检测的精度，对计算机辅助诊断肺结节具有重要意义。

技术领域

本发明涉及技术领域，具体而言涉及一种基于改进多尺度的Faster R-CNN肺结节CT图像检测方法和系统。

背景技术

肺癌每年造成130万人死亡，是全球癌症死亡的主要原因。在我国，因为空气污染日益加重和烟民的数量持续增长，肺癌患者数量呈增长趋势。需要在肺癌的早期阶段对其进行诊断和治疗，才能有效地降低肺癌死亡率。而肺结节通常被认为是原发性肺癌的一个重要指标，因此如何做到快速而准确地检测出胸部CT扫描上的肺结节在早期肺癌诊断中起着至关重要的作用，同时为肺癌的早期治疗铺平了道路，并可显著提高患者的生成机会。所以，肺结节检测具有重要研究价值。

目前，大多数放射科医师主要通过CT图像检查来对肺结节进行识别和诊断。CT设备的分辨率很高，是目前最优秀的医学影像诊断工具之一，能够很容易的发现隐藏在肺部中的微小结节，并能够准确地将肺部周围组织器官以及肺内的气管、支气管等组织区分开来。由于

CT设备的这些独一无的优点，使得CT检查成为临床应用中的主流检查工具。

放射科医师在使用CT设备对患者进行肺结节检测时，需要逐一的观察数百幅甚至是上千幅CT图像。这种手动检测方式不但非常耗时，而且给放射科医师带来巨大的工作量。因为医师在阅片的过程中很容易产生疲劳从而影响工作效率，进而发生漏检和误诊现象。为提高效率并降低误诊率，众多研究者提出了计算机辅助检测系统(CAD)来辅助放射科医师检测肺结节。

传统的肺结节检测主要分为这几步：

1.CT图像预处理

2.再对去噪后的图像进行肺实质提取

3.紧接着在肺实质上提取疑似结节区域

4.最后对疑似结节区域进行分类，剔除疑似结节中的肺结节，保留真阳性结节

尽管传统的检测已经取得了可喜的成果，但它们仍然有两个明显的缺点。第一个缺点是传统的检测方法基于一些简单的假设，并使用一些低级的描述特征。但是肺内真实结节的形状、大小和纹理具有高度变化性，低级的描述特征无法代表这些真实的结节，从而导致整个检测结果的劣化。第二个缺点是传统检测手段所使用的的检测方法一般分为肺分割、提取候选结节、假阳性减少三个子步骤。整个检测过程耗时长，只适合用于小样本，无法端到端，自动化程度低且检测效率不高。

发明内容

本发明针对现有技术中的不足，提供一种端到端的基于改进多尺度的Faster R-CNN肺结节CT图像检测方法和系统，省去了肺结节实质分割，更改了Faster R-CNN基础网络大大的提升了网络特征提取能力，改进的多尺度特征检测方法也极大提高了对小肺结节检测的精度，具有计算机辅助诊断肺结节具有重要意义。

为实现上述目的，本发明采用以下技术方案：

一种基于改进多尺度的Faster R-CNN肺结节CT图像检测方法，所述检测方法包括：

S1，数据准备：对获取的数据集进行扩大处理后，手动标注数据集；

S2，生成候选结节检测网络：