[发明专利]基于3D残差网络的肺结节图像分类方法

权利要求书

1.基于3D残差网络的肺结节图像分类方法，其特征在于，包括如下步骤：

步骤1：肺部CT图像数据数据获取及预处理；

步骤1-1：选用已有数据集或自生成数据集，对原始扫描CT图像进行解析，对数据进行重采样，使得所有数据的Element Spacing完全一致，分析数据集并筛选出候选结节；

步骤1-2：图像增强，采用直方图均衡化法使图像的纹理更加清晰、采用中值滤波法去除肺部CT图像的噪声；

步骤1-3：肺实质分割，对数据进行肺部轮廓分割；

步骤1-4：多比例三维切块提取，对每个候选结节，以候选结节坐标为中心，同时切取了n种不同尺寸的三维切块；对位于三维图像边缘的候选结节进行0填充，同时选取残差网络的输入尺寸C为标准，将尺寸不是C切块进行等比例缩放，缩放为统一的C*C*C*1；C为n种不同尺寸中的一种；

步骤2：运用数据集训练3D残差网络；

步骤2-1，对阳性结节进行数据扩增；

数据扩增方法包括：旋转；平移；镜像；修改亮度、对比度和饱和度；

步骤2-2，构造3D残差网络；

3D残差网络结构包含残差块结构和全链接层，

一个基本残差块结构包括3D卷积层、池化层、批标准化层、ReLU激活函数层；

步骤2-3，用扩增后的数据集，训练3D残差网络；

步骤3：将预处理后的肺部CT图像带入训练好的3D残差网络进行肺结节识别与分类；

步骤3-1：计算平均的阳性概率；

得到处理后的不同比例的n种切块后，将n种切块经由相同的训练好的3D残差网络进行阳性结节判断，3D残差网络输出一个(0,1)范围的概率值，该概率表示该结节是阳性结节的概率；最后将n种不同比例切块得到的阳性概率进行合并，合并规则为求n种不同比例切块的平均值，合并后的概率就是该候选结节最终的阳性概率；

步骤3-2：输出分类结果。

2.根据权利要求1所述的基于3D残差网络的肺结节图像分类方法，其特征在于，步骤1-3，将灰度值在[-1200，600]内的区域保留，超出此范围的的数据置为-1200或600，保证数据范围在[-1200，600]，再将数据归一化至[0，255]，删除背景区域，分割出肺实质。

3.根据权利要求1所述的基于3D残差网络的肺结节图像分类方法，其特征在于，步骤2-2中，3D卷积层：卷积层的任务是提取图片中的特征块，其参数包括滤波器数量F，滤波器空间尺寸(J*K*L)，滤波器滑动步长S，边缘填充数量P；为了减少过拟合的发生，在每个卷积层引入了L2正则化和dropout；

池化层：池化方法为最大池化和平均池化，参数包括池化尺寸(Q*M*N)和步长s。

4.根据权利要求1所述的基于3D残差网络的肺结节图像分类方法，其特征在于，步骤2-3，用扩增后的数据集，训练3D残差网络；

同样的实验重复做5次，最终实验结果取5次实验的平均值；对于每个数据集，将该数据集中数据分为五份，让每份的阳性结节数相近；其中三份用于网络模型的训练，一份用于交叉验证，一份用于测试；设定批次大小，批次数，学习率，重复进行前向传播，计算损失函数，后向传播，更新权重，当连续N个训练周期交叉验证集的上的损失没有下降时，训练结束。