[发明专利]基于CT图像的可解释性肺结核分类网络识别方法

说明书

本发明公开了一种基于CT图像的可解释性肺结核分类网络识别方法，包括以下步骤：获取待测人员肺部计算机断层成像CT图像，将肺实质图像进行归一化处理并缩放；建立并训练可解释性肺结核分类网络，可解释性肺结核分类网络以残差网络为基础网络并加入Dense思想和改进后的注意力机制而建立；将归一化处理并缩放到512x512大小的肺实质图像送入到训练好的可解释性肺结核分类网络，得到并在上位机中输出待测人员肺结核的分类结果和相应的类激活热力图。本发明能根据对待测人员CT图像实现获得待测人员肺结核的分类结果和输出相应的类激活热力图。

技术领域

本发明涉及计算机辅助诊疗和图像识别领域，具体是一种基于CT图像的可解释性肺结核分类网络识别方法。

背景技术

目前，结核病是威胁健康的主要传染病之一，其典型表现为肺结核。肺结核是危害人类健康历史久远的慢性传染性疾病，最严重流行的20世纪初甚至造成全球数百万人的死亡，目前我国是肺结核疫情的高负担国家之一。因为肺结核具有高传染性和致死性的特点，而肺结核的早期辅助诊断能帮助医生发现早期的肺结核患者，进行早诊断和早治疗，降低传染率和死亡率，所以具有很重要的临床意义。

目前CT图像检查已经成为了肺结核诊断中无可替代的首选手段。由于在CT影像中肺结核具有病灶多态性、多部位、多结节、空洞等特点，多种形态混合，难以识别，而医护人员又需要阅读大量的不同患者肺部CT图像序列，在高强度的工作压力下医护人员很容易产生疲劳，从而造成漏诊甚至是误诊。因此，需要一种基于CT图像的处理方法，提高医生诊断的准确率、降低漏诊率，减轻医护人员的工作强度。

发明内容

本发明要解决的技术问题是提供一种基于CT图像的可解释性肺结核分类网络识别方法。

为了解决上述技术问题，本发明提供一种基于CT图像的可解释性肺结核分类网络识别方法，包括以下步骤：

S01、获取待测人员(例如患者)肺部计算机断层成像CT图像，作为原始CT图像并输入到上位机中进行图像预处理，进行肺实质的提取得到肺实质图像，然后将肺实质图像进行归一化处理并缩放到512x512大小；

S02、建立并训练可解释性肺结核分类网络，可解释性肺结核分类网络以残差网络为基础网络并加入Dense思想和改进后的注意力机制而建立；

S03、将归一化处理并缩放到512x512大小的肺实质图像送入到训练好的可解释性肺结核分类网络，得到并在上位机中输出待测人员肺结核的分类结果和相应的类激活热力图。

实际应用时，检测人员(例如医生等医护人员)可根据待测人员肺结核的分类结果和相应的类激活热力图生成用于辅助的诊断结果报告。

作为本发明的基于CT图像的可解释性肺结核分类网络识别方法的改进：

所述可解释性肺结核分类网络包括第一层为卷积层，卷积核尺寸为7x7,步幅为2；第二层为最大池化层，卷积核尺寸为3x3，步幅为1；第三层到第五层、第七层到第九层、第十一层到第十五层、第十七-层到第十九层共计14个block-1模块，每个block-1模块均分为3个卷积层，第一层卷积核尺寸为1x1，第二层卷积核尺寸为3x3，步幅为1，第三层卷积核尺寸为1x1；第六、十、十六层均为blocl-2降采样模块，每个blocl-2降采样模块均分为三个卷积层，第一层卷积核尺寸为1x1，第二层卷积核尺寸为3x3，步幅为2，第三层卷积核尺寸为1x1；第二十层为全局平均池化，第二十一层为全连接层；第三层与第六层、第六层和第十层、第十层和第十六层、第十六层和第二十层相互之间进行短接操作，相同尺寸的为同一残差块，共计4个残差块；

所述Dense思想为将第三层到第五层作为一个稠密块进行短接操作，将第六层到第九层作为一个稠密块进行短接操作，将第十层到十五层作为一个稠密块进行短接操作，将第十六层到第十九层作为一个稠密块进行短接操作；