[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

说明书

一种融合局部阴影与全局特征的尘肺病辅助筛查方法，对原始X光影像分割出肺部区域Image1；构建并训练模型M1，用于肺部局部阴影区域的检测，得到阴影图像数据Image2；构建并训练模型M2，用于对整体图像的特征提取，得到特征向量F1；构建并训练局部特征提取模型M3得到局部特征向量F2。构建并训练融合与分类模型M4，线性融合M2与M3输出的特征向量F1和F2，并进行分类，从而得出对尘肺病的筛查结果。以及提供一种融合局部阴影与全局特征的尘肺病辅助筛查系统。本发明可以自动分割原始X光影像中的肺部区域，检测肺部局部阴影和融合特征向量进行尘肺病的辅助筛查。

技术领域

本发明涉及医学图像分析领域及机器学习领域，特别涉及一种应用于X光影像的尘肺病辅助筛查方法及系统，属于基于深度学习的医学影像分析领域。

背景技术

尘肺病不仅是我国患病人数最多、严重降低劳动能力和影响寿命的职业病之一，也是近年来导致职业病群体性纠纷事件的主要职业病。病因是患者长期处于尘埃场所，吸入大量灰尘，导致末梢支气管下的肺泡积存灰尘，肺部发生不可逆病变。

尘肺病的诊断是以观察X光胸片影像改变为主的综合诊断过程，需要医学影像学、临床呼吸和劳动卫生等专业的知识，因此尘肺病的诊断主要采用集体诊断的方式。但由于尘肺病病情分期困难，尤其是无病与尘肺壹期的判别，以及医生资源的不均衡，经常出现基层单位诊断的结果与省级鉴定结果不一致的情况，从而产生纠纷。

关于尘肺病方面的研究，大多通过对X光片提取纹理等低级特征，然后利用支持向量等算法进行分类。但这些方法只考虑了整张X光片图像中的特征，未考虑对判断尘肺病至关重要的局部阴影特征。

发明内容

本发明为了克服上述存在的问题，提供一种对肺部X光片影像进行自动分析，检测出肺部阴影，快速准确地筛查出尘肺病的辅助筛查方法及系统。

为实现上述目的，本发明提供如下的技术方案：

一种融合局部阴影与全局特征的尘肺病辅助筛查方法，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。

进一步，所述步骤S1中，对获取的肺部X光影像进行预处理的过程为：首先对原始肺部X光影像采用大津算法进行二值化，其次，对二值化后的影像进行腐蚀与膨胀操作；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。

再进一步，所述步骤S2中，构建检测神经网络或采用神经网络进行检测时，获取肺部阴影区域Image2，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Image2。