[发明专利]非小细胞肺癌检测方法、装置、计算机设备和存储介质

权利要求书

1.一种非小细胞肺癌检测方法，其特征在于，包括以下步骤：

获取包含肺部CT影像的数据集，对所述数据集中肺部CT图进行预处理，提取实质检测的肺部组织；

通过2D卷积神经网络逐片检测所述肺部组织，提取感兴趣区域，对非小细胞肺癌进行定位，并输出可疑目标的位置信息后进行切割成块；

通过3D-InResNet网络对输出的切块进行筛选，去除所述非小细胞肺癌中的假阳性切块，筛选出真实的肺结节块；

通过3D-BIRUNet网络对分类后的所述肺结节块进行语义级分割，显示处理后检测的肺结节位置、大小、形状信息，完成所述非小细胞肺癌的检测。

2.根据权利要求1所述的非小细胞肺癌检测方法，其特征在于，所述获取包含肺部CT影像的数据集，对所述数据集中肺部CT图进行预处理，提取实质检测的肺部组织，包括：

将载入的CT数据转换为Houns-field单位，所述Houns-field用来描述放射性密度的标准定量；

将肺部CT图Houns-field值范围控制在[-1000,400]，处理过亮和过暗的点，使用min-max归一化图像，并进行二值化和取反操作，

进行弥补肺区域中的小漏洞的闭运算，并再次取反后进行空洞填充，通过掩膜相减后删除区域中床板的无关组织。

3.根据权利要求1所述的非小细胞肺癌检测方法，其特征在于，所述通过2D卷积神经网络逐片检测所述肺部组织，提取感兴趣区域，对非小细胞肺癌进行定位，并输出可疑目标的位置信息后进行切割成块，包括：

通过将图像进行水平翻转、旋转和水平移动扩充预处理后的数据集，避免训练过程中的过拟合；

将每张CT切片作为独立的图像经过预处理后输入至所述2D卷积神经网络进行训练；

利用Yolov5目标检测网络对所述肺部组织进行粗定位，定位网络根据图像特征对可疑非小细胞肺癌作出定位预测。

4.根据权利要求1所述的非小细胞肺癌检测方法，其特征在于，所述通过3D-BIRUNet网络对分类后的所述肺结节块进行语义级分割，显示处理后检测的肺结节位置、大小、形状信息，完成所述非小细胞肺癌的检测，包括：

根据切割后数据集中肺结节的位置和直径大小确定掩膜区域，自定义图像掩膜，并扩充非小细胞肺癌切割后数据集；

使用BiConvLSTM结构，肺结节切块以切块形式输入到BIRUNet网络中，经过BiConvLSTM结构时转换为序列形式输入；

通过BIRUNet图像分割网络以三维角度对所述真实的肺结节块进行精分割。

5.一种非小细胞肺癌检测系统，其特征在于，包括：

预处理模块，用于获取包含肺部CT影像的数据集，对所述数据集中肺部CT图进行预处理，提取实质检测的肺部组织；

粗定位模块，用于通过2D卷积神经网络逐片检测所述肺部组织，提取感兴趣区域，对非小细胞肺癌进行定位，并输出可疑目标的位置信息后进行切割成块；

筛选模块，用于通过3D-InResNet网络对输出的切块进行筛选，去除所述非小细胞肺癌中的假阳性切块，筛选出真实的肺结节块；

精分割模块，用于通过3D-BIRUNet网络对分类后的所述肺结节块进行语义级分割，显示处理后检测的肺结节位置、大小、形状信息，完成所述非小细胞肺癌的检测。

6.根据权利要求5所述的非小细胞肺癌检测系统，其特征在于，所述预处理模块包括实质提取单元，所述实质提取单元用于：

将载入的CT数据转换为Houns-field单位，所述Houns-field用来描述放射性密度的标准定量；

将肺部CT图Houns-field值范围控制在[-1000,400]，处理过亮和过暗的点，使用min-max归一化图像，并进行二值化和取反操作，

进行弥补肺区域中的小漏洞的闭运算，并再次取反后进行空洞填充，通过掩膜相减后删除区域中床板的无关组织。