[发明专利]一种基于三维残差神经网络的CT影像肺结节检测方法

摘要

一种基于三维残差卷积神经网络的CT影像肺结节检测方法，包括训练过程和测试过程；训练过程包括步骤一，预处理原始影像，重设体素间距为(1,1,1)，并转换为体素坐标；步骤二，从CT影像中截取三维正负样本；步骤三，设定最大值和最小值，对样本数据进行标准化；步骤四，构建三维卷积神经网络；步骤五，设定训练超参数，以mini‑batch的形式，导入数据训练模型；步骤六，模型训练充分后，保存模型；检测过程包括步骤七，对测试CT进行预处理后，以滑块形式逐个采样并导入模型计算，选取置信度高的样本后，再利用非极大值抑制算法删除重复样本。本发明准确率较高，可以分析出影像中是否含有结节以及结节在影像中的具体位置。

主权项

一种基于三维残差卷积神经网络的CT影像肺结节检测方法，其特征在于：所述检测方法包括训练过程和测试过程，所述训练过程包括步骤一至步骤六，步骤一，对原始CT影像预处理，包括将体素间距转换为(1,1,1)，转换世界坐标为体素坐标；步骤二，截取CT影像中完全包含肺结节的立方体样本，尺寸为32*32*32，作为正样本；再截取完全不包含结节的同样尺寸样本，作为负样本；步骤三，根据样本的HU值统计分布，选取合适的HU值作为标准化范围，其中选取最小值为空气HU值‑1000，将数据标准化为[0,1]；步骤四，构建三维卷积神经网络模型；步骤五，设定模型超参数，所述模型超参数包括优化器、batch_size、epoch数量、每个epoch中batch的数量，以mini‑batch的形式将数据导入模型训练；步骤六，模型训练充分收敛后，保存并导出模型结构及权重参数；所述检测过程包括步骤七：步骤七，对测试CT影像进行检测，过程如下：步骤7.1：对测试CT影像使用步骤一所述方法进行预处理；步骤7.2：导入训练完成的三维卷积神经网络；步骤7.3：制作滑动采样立方体，设置滑动步长，以滑动样本的形式逐个导入模型；步骤7.4：根据模型计算得到的置信度，选取置信度高于设定阈值的样本为结节所在样本；步骤7.5：对于滑动样本的重复样本，采用非极大值抑制算法，删除重读样本。