[发明专利]一种基于多尺度特征融合的肺结节识别分类方法

权利要求书

1.一种基于多尺度特征融合的肺结节识别分类方法，其特征在于：该方法包括以下步骤：

S1：建立训练样本；

S2：建立多尺度特征融合的肺结节良恶性分类模型；该分类模型由有三个尺度的深度卷积神经网络分类模型组成，每个模型分为特征提取部分、良恶性分类部分和特征融合部分；

S3：训练肺结节分割模型。

2.根据权利要求1所述的一种基于多尺度特征融合的肺结节识别分类方法，其特征在于：所述S1具体为：

S11：根据CT影像成像特点，保留从空气到骨骼的区域，将其像素值进行截断处理，只保留[-1000,+400]区间内的像素点；同时使用图像增强技术，提高CT影像信噪比，并将像素值归一化到[0,1]之间；再对肺部CT图像重采样，使其空间分辨率为1mm*1mm*1mm；

S12：对肺部CT影像进行标注，获取病变肺结节区域，得到肺结节的坐标x，y，z及其半径r；根据标注，对肺结节进行切块处理，切块大小为26*42*42体素；

使用数据增强技术扩增数据集：

(1)随机裁剪成24*40*40大小的立方块，数据集扩增9倍；

(2)对裁剪的立方块进行复制造成，自我复制1次，数据集扩增2倍；

(3)对裁剪好的立方块从三个正交尺寸翻转它，数据扩增8倍；三个正交尺寸包括冠状、矢状和轴向位置；

(4)对立方块添加随机椒盐白噪声，提高模型的鲁棒性和泛化能力。

3.根据权利要求2所述的一种基于多尺度特征融合的肺结节识别分类方法，其特征在于：所述S2具体为：

S21：特征提取部分是由多个残差块组成；

S22：良恶性分类部分是由全连接层组成；

S23：特征融合部分则是融合三个尺度良恶性分类模型的分类结果，进行非线性映射，得到最终的分类结果。

4.根据权利要求3所述的一种基于多尺度特征融合的肺结节识别分类方法，其特征在于：所述S3具体为：

S31：将标签进行平滑处理，防止数据过拟合；

S32：在训练集中进行随机采样，使用批处理数据；并将批处理数据以中心为原点，进行裁剪，得到另外两个尺度的训练样本；将三个尺度的训练集作为输入放进多尺度特征融合良恶性分类网络，得到肺结节良恶性的识别结果。