[发明专利]一种基于改进CNN的肺结节计算机辅助诊断装置及方法

权利要求书

1.一种基于改进CNN的肺结节计算机辅助诊断装置，其特征在于：包括标签提取器、窗口定位器、图像分割器、图像特征提取器、反馈优化器、泛化器、数据训练器及辅助诊断器；

通过标签提取器、窗口定位器、图像分割器对胸腔CT图像进行标签提取和分割得到肺结节CT图像；然后将处理后得到的肺结节CT图像输入到图像特征提取器，提取肺结节CT图像的特征映射图，并对特征映射图进行压缩，提取图像特征并简化计算复杂度；最后将肺结节的特征映射图整合成一个特征向量；同时使用反馈优化器和泛化器对整个提取图像特征向量的过程进行调优，减少输出误差；然后将这个特征向量输入到数据训练器中进行数据的训练，最后通过辅助诊断器实现对肺结节良恶性的诊断；

所述标签提取器用于根据公开的胸腔CT图像数据库中的XML文件提取胸腔CT图像中的肺结节标注的肺结节良恶性级别及肺结节位置坐标，得到肺结节标注(N₀,N₁,…,N_l-1)，其中，l为肺结节CT图像中肺结节的个数，N_i为第i个肺结节的良恶性级别，i＝0,1,…,l-1；

所述窗口定位器用于根据公开的胸腔CT图像数据库中的XML文件提取胸腔CT图像中标注的肺结节位置坐标，并通过求三个以上标签中同一个肺结节的中心点坐标的平均值，得到肺结节的中心坐标((x₀,y₀),(x₁,y₁),…,(x_l-1,y_l-1))，其中x_i为第i个肺结节的横坐标，y_i为第i个肺结节的纵坐标；

所述图像分割器根据窗口定位器提供的肺结节的中心坐标值，对胸腔CT图像用64×64的窗口进行分割，得到肺结节CT图像(I₀,I₁,…,I_l-1)，其中I_i为第i个肺结节对应的肺结节CT图像；

所述图像特征提取器采用卷积神经网络提取肺结节CT图像的特征映射图，并对特征映射图进行压缩，提取图像特征并简化计算复杂度，该卷积神经网络包括若干个卷积层、若干个激活层、若干个池化层和一个全连接层；

所述泛化器使用dropout算法，让全连接层中的节点以0.5的概率临时停止工作，减少节点之间的相互作用，以解决卷积神经网络的过拟合问题；

所述反馈优化器利用反向传播(Back Propagation，即BP)通过信号正向传播与误差反向传播调整卷积层和池化层的权值，减少卷积神经网络的输出误差；

所述数据训练器在极限学习机ELM上训练肺结节CT图像的特征向量数据，得到ELM的参数；

所述辅助诊断器利用极限学习机及数据训练器中的输入、输出数据，实现在ELM上对肺结节的良恶性的辅助诊断；

基于改进CNN的肺结节计算机辅助诊断装置进行辅助诊断的具体方法为：

步骤1：对胸腔CT图像进行解析，确定肺结节的位置，分割肺结节图像以及对肺结节图像进行相应的预处理，具体方法为：

步骤1-1：通过标签提取器提取肺结节良恶性信息标注：

用标签提取器解析公开的胸腔CT图像数据库中的XML文件，查询并提取XML文件中一组readingSession和/readingSession标签的子标签maligancy下对肺结节良恶性级别标注的内容并存储，得到肺结节标注信息(N₀,N₁,…,N_l-1)；

步骤1-2：通过窗口定位器确定肺结节中心坐标；

用窗口定位器在XML文件中查询到三组readingSession和/readingSession标签，分别在它们的子标签xCoord和子标签yCoord后提取肺结节轮廓的横坐标和纵坐标的值，并求得该组标签下肺结节中心坐标的值，然后求三组readingSession和/readingSession标签所得肺结节中心坐标的平均值，得到每个肺结节误差最小的中心点坐标((x₀,y₀),(x₁,y₁),…,(x_l-1,y_l-1))；

步骤1-3：通过图像分割器得到肺结节CT图像；

结合窗口定位器记录的肺结节中心坐标，使用64×64的窗口在胸腔CT对肺结节部分进行分割得到肺结节CT图像(I₀,I₁,…,I_l-1)；

步骤2：通过卷积神经网络提取肺结节的特征映射图并最终整合成一个特征向量，具体方法为：

步骤2-1：将从图像分割器得到的肺结节CT图像(I₀,I₁,…,I_l-1)输入到卷积层中，输出特征图；

步骤2-2：将卷积层的输出输入到激活层中进行非线性变换；

步骤2-3：将激活层的输出结果输入池化层进行最大值采样，进一步降低数据规模；

步骤2-4：重复步骤2-1至2-3，最后得到20个4×4的特征图；

步骤2-5：将20个4×4的特征图输入到全连接层中，同时使用泛化器和反馈优化器来解决卷积神经网络的过拟合问题并减少卷积网络的输出误差，得到一个320维的特征向量x_i＝[x_i1,x_i2,…,x_in]^T；

步骤3：运用生成的特征向量实现对肺结节的辅助诊断；

步骤3-1：将得到的特征向量输入至数据训练器中并进行肺结节良恶性的训练；

步骤3-2：辅助诊断器利用训练的数据实现肺结节的辅助诊断。