[发明专利]一种多视角多尺度淋巴结假阳性抑制建模方法

权利要求书

1.一种多视角多尺度淋巴结假阳性抑制建模方法，其特征在于，包括如下步骤：

步骤1、通过CT检测，获取肺部的初始CT图像，对初始CT图像进行预处理，获得标准CT影像；

步骤2、对标准CT影像进行切片处理，得到固定大小的CT切片，将固定大小的CT切片输入到候选结节检测模型，获取候选结节三维坐标；

步骤3、将步骤2中获取的候选结节进行阳性结节与假阳性结节标注，并经过处理后输入到预测模型中，训练结节假阳性分类模型，最后得到结节假阳性分类模型；

在步骤3中，在进行阳性结节与假阳性结节标注并经过处理后，且在训练结节假阳性分类模型之前需要构建数据集，首先将正例与负例按7:3比例分别构成训练集与测试集，在训练集中对正例数据进行数据增强，将训练集中正例数据按50％概率水平翻转，50％概率垂直翻转，以及随机在距离边缘的0到4像素范围中进行crop操作，只能进行90°或-90°的角度旋转，保证三个通道图像的正交关系不变；数据增强后构建出正负类关系平衡的训练数据集，用于训练结节假阳性分类模型；

在分类模型中，损失函数选择交叉熵损失函数：

其中y_i表示样本i的label,正类为1，负类为0；p_i表示样本i预测为正的概率，N是代表分类的个数，i是第多少个分类，L_i是第i个分类的损失函数；且对于不同的分类加上了不同的权重，正例权重为负例权重的2-5倍；

修改后的ResNet18模型为去掉了最后两个残差模块的ResNet18模型，即同时去掉了两次下采样操作的ResNet18模型；

步骤3对阳性结节与假阳性结节标注后的处理包括：以标注后的候选结节体素位置为中心，获取候选结节矢状位、冠状位、轴状位的三视图，将单通道三视图叠加成三通道图，再将叠加后的三通道图放入模型中训练；

构建数据集时，分别采用3种直径尺寸24/32/54像素对应的物理直径，构建数据集；训练时，分别训练三个神经网络模型；预测时，采用加权平均的方法统计各个模型的预测结果，生成最终预测结果；

在预测时，采用下列公式预测结节概率：

其中，p_i(x)是单个模型的预测结果，w_i是第i个模型预测的权重，N是模型总数，即对结节的预测概率为多个模型预测概率的评价值。

2.根据权利要求1所述的一种多视角多尺度淋巴结假阳性抑制建模方法，其特征在于，对步骤1中的CT图像预处理包括：将胃肠部的CT图像的HU值截取软组织区间[-100,200]HU，CT影像分辨率为0.75-1mm，层厚为1mm，并对图像像素值归一化至[0,1]，获得标准CT影像。

3.根据权利要求1所述的一种多视角多尺度淋巴结假阳性抑制建模方法，其特征在于，步骤2中结节检测模型为医学类CAD诊断系统，采用医学类CAD诊断系统来检测胃肠淋巴结；采用随机森林分类器，获得检测结节三维坐标。

4.根据权利要求1所述的一种多视角多尺度淋巴结假阳性抑制建模方法，其特征在于，步骤3中的预测模型为修改后的ResNet18模型。