[发明专利]一种融合局部阴影与全局特征的尘肺病辅助筛查方法及系统

权利要求书

1.一种融合局部阴影与全局特征的尘肺病辅助筛查方法，其特征在于，所述方法包括以下步骤：

S1对原始X光影像进行图像处理，得到影像集Image1；

S2将肺部区域影像集Image1输入至构建且训练完成的检测神经网络M1，获取肺部局部阴影区域Image2；

S3将肺部区域影像集Image1输入至构建且训练完成的神经网络模型M2，获取全局特征F1；

S4将局部阴影区域Image2输入至构建且训练完成的神经网络模型M3，获取局部特征F2；

S5将全局特征F1和局部特征F2输入已构建的模型M4，融合特征并进行分类，得到是否具有尘肺特征的筛查结果。

2.根据权利要求1所述的一种融合局部阴影与全局特征的尘肺病辅助筛查方法，其特征在于，所述步骤S1中，对获取的包含肺部的X光片进行预处理的过程为：通过大津算法进行阈值分割；再对图像进行膨胀腐蚀处理；最后，将其与对应的原始X光影像进行叠加，从而提取出影像中的肺部区域，得到影像集Image1。

3.根据权利要求1所述的一种融合局部阴影与全局特征的尘肺病辅助筛查方法，其特征在于，所述步骤S2中，构建用来获取肺部阴影的M1模型，步骤如下：

步骤2.1:输入一组肺部区域X光片样本；

步骤2.2：经过特征提取模块，其包含9个卷积层，9个ReLU层，4个最大池化层，提取图片的特征映射Fa；

步骤2.3:将2.2中的特征映射Fa输入区域提案模块，得到候选区域；

步骤2.4：再将候选区域和特征映射输入兴趣区域池化模块，得到归一化的固定尺寸阴影区域特征图Fb；

步骤2.5:将阴影区域特征图Fb输入到分类与标记模块，得到结果类别和精确区域位置。

4.根据权利要求3所述的一种融合局部阴影与全局特征的尘肺病辅助筛查方法，其特征在于，所述步骤2.3中，在构建检测神经网络或采用神经网络进行检测时，构建区域提案模块的步骤如下：

步骤2.3.1：步骤2.2所得的特征Fa通过3*3的卷积操作，然后分别经过两个1*1的卷积操作，分别得到特征Fr和特征Fc，特征Fr表示该模块提议的候选框，特征Fc表示Fr得到的候选框为前景和背景的概率；

步骤2.3.2：保留特征Fr中特征Fc值大于等于0.6的候选框，只保留前景框，剔除背景框。

5.根据权利要求3所述的一种融合局部阴影与全局特征的尘肺病辅助筛查方法，其特征在于，所述步骤2.4中，在构建检测神经网络或采用神经网络进行检测时，构建兴趣区域池化模块的步骤如下：

步骤2.4.1：根据步骤2.3所得的候选区域位置信息，得到新的特征图；

步骤2.4.2：将新特征图输入2*2的最大池化层，得到固定尺寸的阴影区域特征图Fb。

6.根据权利要求3所述的一种融合局部阴影与全局特征的尘肺病辅助筛查方法，其特征在于，所述步骤2.5中，在构建检测神经网络或采用神经网络进行检测时，构建分类与标记模块的步骤如下：

步骤2.5.1：将步骤2.4所得的特征Fb依次经过全连接层，ReLU激活函数，全连接层和ReLU激活函数；

步骤2.5.2：再将2.5.1输出的特征分别输入全连接层，其一经过SoftMax得到结果类别；另一利用平滑L1损失函数进行边框回归进行检测框位置确定，从而得到精确区域位置。