本發明公開了一種基于深度學習的DR影像肺結核智能分割與檢測方法，包括：將原始DR圖像提取掩膜，濾除小面積區域，并進行凸包操作，對經過凸包操作的掩膜進行膨脹操作，得到肺部有效區域；對原始DR圖像進行標注，針對有肺結核表現的DR圖像標注出其病變區域的位置；將提取掩模后的圖像和含有肺結核病變區域位置的標注信息送進深度神經網絡中進行訓練，學習肺結核影像的特征；使用訓練好的模型對未經過訓練的DR圖像進行預測，輸出肺結核病變區域的位置，并給出其概率。本發明大幅提升了肺結核病的檢出率，并精準輸出肺結核病變區域的位置，為肺結核的篩查與治療提供了可靠、高效的參考。

技術領域

本發明屬于醫療技術領域，具體涉及一種基于深度學習的DR影像肺結核智能分割與檢測方法。

背景技術

肺結核是一種由結核分枝桿菌引起的呼吸道傳染病，是危害人類健康的重要傳染病，據WHO統計，2016年全球結核病新發病例數為1040萬例，170萬人死于結核病，結核分枝桿菌是致死人數排第一位的傳染性病原體。

中國是結核病高負擔國家，2010年第五次全國結核病流行病學調查推算結核病患者約490萬，但同年實際被診斷與治療的患者不足90萬，提示有80％的患者沒有被發現與治療，這些被遺漏的病人是導致結核病傳播的重要傳染源。95％的肺結核患者會有胸部X線檢查異常，DR胸片在結核病篩查中具有高度敏感性，所以推行包含胸片的結核病主動篩查是解決患者遺漏問題的重要手段。

DR攝片機已逐步在我國鄉鎮以上級別醫療機構普及，為大規模人群結核病DR胸片篩查提供了硬件保障，但基層放射科醫生對胸片判讀能力普遍不足，所以急需解決胸片拍攝后確定可疑病患者并進行診斷是結核病篩查工作中的最后“一公里”問題。近年來隨著大數據和人工智能的快速發展，深度學習逐漸應用于計算機輔助診斷computer aideddiagnosis(CAD)，為該問題的解決提供了理想路徑。

申請號為201710618397.4的專利文獻中公開了一種基于DR的肺結核智能識別方法及系統，其方法利用深度學習自主學習肺結核影像特征，識別DR圖像中的肺結核影像特征，實現肺結核的自動篩查，很大程度上降低了篩查成本，其方法識別率高，有效的避免了漏檢未識別的現象，但是該方法只對DR胸片進行了簡單的二分類，即有無患病，并未能對患病的DR胸片輸出其病變區域的位置。

發明內容

為了解決上述問題，本發明提供了一種基于深度學習的DR影像肺結核智能分割與檢測方法，基于DR胸片的肺結核，不僅對DR胸片進行分類，判斷其是否有病，并且對有病的DR分割出病變區域的位置，對于肺結核的篩查提供了精準的依據。

本發明的技術方案為：一種基于深度學習的DR影像肺結核智能分割與檢測方法，包括以下步驟：

(1)將原始DR圖像像素值歸一化處理；

(2)利用卷積神經網絡對步驟(1)中進行歸一化處理之后的圖像進行分割，提取處肺部有效區域的掩膜，得到肺部有效區域的二值圖像；

(3)濾除步驟(2)中提取提到的掩膜圖像的小面積區域；

(4)對掩膜圖像進行凸包操作；

(5)對經過凸包操作的掩膜進行膨脹操作，擴大肺部有效區域；

(6)將步驟(1)和步驟(5)得到的圖像進行相乘，得到肺部有效區域；

(7)對原始DR圖像進行標注，針對有肺結核表現的DR圖像標注出其病變區域的位置；

(8)將提取掩模后的圖像和含有肺結核病變區域位置的標注信息送進深度神經網絡中進行訓練，學習肺結核影像的特征；

(9)使用訓練好的模型對未經過訓練的DR圖像進行預測，輸出肺結核病變區域的位置，并給出其概率；