[发明专利]一种肺结核检测模型的构建方法及应用

说明书

本发明提供了一种肺结核检测模型的构建方法及应用，包括A、获取指定数量的标注有肺结核病灶区域标注框的胸部X光图像；B、对所述胸部X光图像进行图像预处理，以获取预处理后的图像数据；C、选择一基础卷积神经网络模型，将所述预处理后的图像数据输入至所述基础卷积神经网络模型中进行训练，以获取训练后的肺结核检测模型；其中，在所述基础卷积神经网络模型中，根据不同的锚盒anchor尺寸，采用不同形状的卷积核。由上，本申请通过上述模型能够准确地预测肺结核病灶区域，降低漏诊和误诊率。

技术领域

本发明涉及医学影像领域，特别是涉及一种肺结核检测模型的构建方法及应用。

背景技术

作为经济便捷的检测方法，X线胸片是肺结核筛查的主要手段，医生可以通过该X胸片来进行肺结核的诊断，诊断的效率和准确度都依赖于医生的经验水平。但由于缺乏大量专业的医学影像医生，很难保证诊断的效率和准确度。

并且肺结核病有各种X线表现，根据临床研究,多种症状经常一起出现。这些都给医生带来了巨大的挑战，使结核病的诊断成为一项艰巨而耗时的工作。

因此，目前亟需一种肺结核检测模型，能够更加准确地预测肺结核病灶区域位置，降低漏诊和误诊率。

发明内容

有鉴于此，本申请提供一种肺结核检测模型的构建方法及应用，能够准确地预测肺结核病灶区域位置，降低漏诊和误诊率。

本申请提供一种肺结核检测模型的构建方法，包括：

A、获取指定数量的标注有肺结核病灶区域标注框的胸部X光图像；

B、对所述胸部X光图像进行图像预处理，以获取预处理后的图像数据；

C、选择一基础卷积神经网络模型，将所述预处理后的图像数据输入至所述基础卷积神经网络模型中进行训练，以获取训练后的肺结核检测模型；

其中，在所述基础卷积神经网络模型中，根据不同的锚盒anchor尺寸，采用不同形状的卷积核。

由上，在现有技术中，模型的卷积核是简单将3×3个正方形卷积核堆叠。但是实际上，锚盒anchor具有不同的纵横比，这意味着大量噪声(非病灶区)将混合到长宽比不为1的锚盒anchor的预测中。因此本申请中，根据不同的anchor尺寸，使用不同形状的卷积核。有利于提高模型预测的准确度。以使得训练获取的模型能够更加准确地预测肺结核病灶区域，降低漏诊和误诊率。

优选地，所述步骤C还包括：

将所述基础卷积神经网络模型中所有的锚盒anchor的宽度和高度减半，以使每个正确的病灶区域groud truth至少匹配一个锚盒anchor。

由上，由于钙化和浸润共存使正确的病灶区域groudtruth的大小在几十到几百个像素的范围内。由于感染的区域没有固定的模式，因此根据正确的病灶区域groudtruth的内在关系来推测边缘信息也很困难。因此，感受野内的噪声会影响肺结核定位的精确度。因此，我们将所有anchor的大小减半，以便检测钙化和浸润的其他微小目标，确保每个groudtruth至少可以匹配一个anchor。正确的病灶区域groud truth是由指专家标注的肺结核病灶区域标注框。

优选地，步骤C所述根据不同的锚盒anchor尺寸，采用不同形状的卷积核，具体为：

对于宽度小于高度的锚盒anchor，采用3×1卷积核；

对于高度小于宽度的锚盒anchor，采用1×3卷积核；

对于高度等于宽度的锚盒anchor，采用3×3卷积核。