[发明专利]肺结节检测方法及系统

权利要求书

1.一种肺结节检测方法，其特征在于，包括：

获取待检测的肺部CT扫描图像；

对获取的进行待检测的肺部CT扫描图像重采样、归一化以及对掩码进行膨胀操作处理；

利用训练好的检测模型，对处理后的待检测的肺部CT扫描图像进行处理，获取检测结果；所述检测结果包括待检测的肺部CT扫描图像是否存在肺结节，以及肺结节的标定位置和区域大小；

所述训练好的检测模型，为利用训练集训练得到；所述训练集包括多张肺部CT扫描图像，以及标注图像中肺结节位置和区域的标签。

2.根据权利要求1所述的肺结节检测方法，其特征在于，训练所述检测模型包括：

对原始强化肺部CT扫描图像进行重采样、归一化以及对掩码进行膨胀操作，提取肺部区域，并进行肺结节位置和区域的标注，得到训练集；

基于训练集对构建的基础网络进行训练，结合损失函数，使用SGD优化算法，对基础网络参数进行优化，直至输出的预测值与真实值之间的差异最小，得到训练好的检测模型。

3.根据权利要求2所述的肺结节检测方法，其特征在于，构建的所述基础网络，以3DResnet18为基础，与U-Net编码器解码器相结合，增加了多尺度特征提取模块，使用不同的卷积核获取不同范围的感受野。

4.根据权利要求3所述的肺结节检测方法，其特征在于，多尺度特征模块由多个大小不同的尺度组成，分别为不同大小卷积核的多个卷积层和一个平均池化层；其中，使用卷积层来检测不同尺寸大小的结节，使用平均池化层来改变输入的特征排列，降低特征图的厚度；将各个尺度获得的特征信息进行融合，并经过归一化与激活函数，形成新的特征图。

5.根据权利要求2所述的肺结节检测方法，其特征在于，使用的评估标准为：

其中，TP代表真阳性的个数，FN代表假阴性的个数，TP+FN即为实际标注的正样本数。

6.根据权利要求2所述的肺结节检测方法，其特征在于，使用损失函数是来评价网络模型输出的锚框交并比的预测值与真实值之间的差异，损失函数定义为：

L＝L_cls+p*L_reg；

其中，L_cis表示分类损失，L_cis＝-α(1-pt)^γlog(pt)，p^*＝1代表阳性样本，p^*＝0代表阴性样本；p是正样本的分类输出概率，当是真实类标签y＝1时，pt＝p，否则pt＝1-p，α是焦点损失的平衡因子，γ是可调的聚焦参数；L_reg表示回归损失函数。

7.根据权利要求6所述的肺结节检测方法，其特征在于，回归损失函数被定义为：

L_reg＝Σ_kS(G_k，P_k)；

其中，S(·)是平滑损失函数，G_k表示参数化的真实值，即

P_k表示相应参数化的预测值：

其中，(x_a,y_a,z_a)表示锚的实际空间位置，r_a表示锚的半径，k表示最小尺寸的序号；(x_g,y_g,z_g)表示锚的标注空间位置。