[发明专利]一种基于深度学习的早期肺癌检测分类一体化设备及系统

摘要

本发明公开了一种基于深度学习的早期肺癌检测分类一体化设备及系统Cancer Early Test System；包括早期肺癌检测触控终端、肺癌检测服务器、肺癌检测病例存储设备；CETS基于U‑NET设计了TNet，用于早期肺癌和肺结节检测分类；数据预处理模块将患者肺CT影像数据处理成CETS可读的3D肺图像，利用TNet肺结节3D检测分类网络对肺图像进行语义分割，按恶性程度输出肺结节区域和概率；通过TNet肺癌3D检测分类网络对肺结节的特征进行分析，最终得到肺癌种类、概率和肺结节种类、形态等详细信息检测报告；CETS在TNet中首次引入光流追踪算法，解决了由于CT影像的层状性特点形成的数据缺失、相互矛盾以及网络检测遗漏所丢失的结节信息，辅助医生进行肺癌诊断，减少了漏诊误诊的风险。

主权项

1.一种基于深度学习的早期肺癌检测分类一体化设备及系统(CETS)，其特征在于，包括以下模块：(1)早期肺癌检测触控终端：主要包括参数设置模块和后处理模块；医生通过CETS触控终端参数设置模块设定模型参数，选择使用精确模型TNet‑VE或快速模型TNet‑VQ进行检测；CETS自动加载患者肺部CT影像至早期肺癌检测服务器，检测完成后，在CETS触控终端后处理模块中，医生可以查看肺癌和肺结节检测分类报告，并可以进行打印，同时可以使用患者姓名和患者肺部CT诊断影像作为搜索条件，在CETS确诊病例库中检索相似患者病例，便于医生对比分析；(2)早期肺癌检测服务器：主要包括预处理模块和肺癌检测深度模型，深度模型使用TNet检测分类网络，该网络在U‑NET基础上进行改进，首次引入光流追踪算法，解决了由于CT影像的层状性特点形成的数据缺失、相互矛盾以及网络检测遗漏所丢失的结节信息，并提供精确检测TNet‑VE和快速检测TNet‑VQ两种模型；预处理模块自动将患者肺部CT影像处理成CETS可读的三维肺部影像，利用TNet‑VE or TNet‑VQ肺结节3D检测分类网络检测结节区域，并对结节进行分类，同时将提取TOP10肺结节和偏置结节输入TNet or TNet‑VQ肺癌3D检测分类网络，得到肺癌检测结果，合并肺结节和肺癌检测结果生成检测报告；(3)早期肺癌检测病例存储设备：与医院PACS系统相接，主要包括确诊病例库模块和模型自学习病例库模块；检测完成后，医生确认检测结果无误，系统将自动备份检测结果到确诊病例库，并同步至PACS系统，如果检测结果与医生确诊结果存在差异，医生可以将确诊结果上传到模型自学习病例库，用于模型自学习，更新服务器检测系统。