本发明专利技术公开了基于混合注意力机制的肺结节假阳性排除方法、系统、设备及介质。本发明专利技术的基于混合注意力机制的肺结节假阳性排除方法，包括：获得阳性肺结节三维训练数据和假阳性肺结节三维训练数据；搭建基于混合注意力机制的TSN候选肺结节分类网络；将训练数据输入基于混合注意力机制的TSN候选肺结节分类网络进行训练，得到肺结节假阳性排除模型；获得待排除的三维肺部CT影像，从三维肺部CT影像中剪切得到候选肺结节切片数据；将候选肺结节切片数据输入肺结节假阳性排除模型，并得到肺结节假阳性排除结果。本发明专利技术的基于混合注意力机制的肺结节假阳性排除方法，参数量适宜，计算量轻且简易、模型收敛速度快、肺结节假阳性排除结果精度高。精度高。精度高。
【技术实现步骤摘要】
混合注意力机制的肺结节假阳性排除方法、系统、设备
[0001]本专利技术涉及影像处理
，特别是涉及一种基于混合注意力机制的肺结节假阳性排除方法、系统、设备及计算机可读存储介质。
技术介绍
[0002]肺癌是世界上发病率和死亡率最高的癌症。肺癌早期是以肺结节的形式存在的，早期诊断和治疗肺结节可提高病人生存率。计算机断层扫描(Computed tomography,CT)是目前肺结节检测最常使用的影像。目前现有的肺结节计算机辅助检测系统，主要由候选结节检测及假阳性筛查两阶段组成。候选结节检测阶段的目标是尽可能的检测出CT影像中所有的疑似结节，以提高肺结节检出灵敏度；假阳性筛查阶段的目标是将检测出的候选结节进行真阳性结节和假阳性结节分类来排除候选结节中的假阳性结节，从而提高肺结节检出的准确率。
[0003]现有的肺结节计算机辅助检测系统，候选结节检测阶段为了获得高的肺结节检出灵敏度，往往导致检出的候选结节中存在大量的假阳性肺结节，因此需要进行假阳性肺结节的筛选。常规的假阳性肺结节筛选一般采用3D CNN模型对候选肺结节进行特征提取，然后采用二分类对特征进行分类。
[0004]但是现有的假阳性肺结节筛选技术存在的缺点是：3D CNN模型内的参数量极多，计算量巨大且繁杂，模型收敛速度极慢且容易过拟合。
技术实现思路
[0005]基于此，本专利技术的目的之一在于，提供一种基于混合注意力机制的肺结节假阳性排除方法、系统、设备及计算机可读存储介质，参数量适宜，计算量轻且简易、模型收敛速度快、肺结节假阳性排除结果精度高。
[0006]本专利技术的目的通过以下技术方案实现：
[0007]第一方面，一种基于混合注意力机制的肺结节假阳性排除方法，包括以下步骤：
[0008]获得阳性肺结节三维训练数据和假阳性肺结节三维训练数据；
[0009]搭建基于混合注意力机制的TSN候选肺结节分类网络；
[0010]将阳性肺结节三维训练数据和假阳性肺结节三维训练数据输入基于混合注意力机制的TSN候选肺结节分类网络进行训练，得到肺结节假阳性排除模型；
[0011]获得待排除的三维肺部CT影像，并以阳性肺结节三维训练数据和假阳性肺结节三维训练数据的坐标位置为中心，从三维肺部CT影像中剪切得到候选肺结节切片数据；
[0012]将候选肺结节切片数据输入肺结节假阳性排除模型，并得到肺结节假阳性排除结果。
[0013]本专利技术的基于混合注意力机制的肺结节假阳性排除方法：
[0014](1)将三维切片数据，在切片维度看作为二维切片序列形式，使用TSN网络模型来对序列建模，对切片序列进行整体时序上的学习。
[0015](2)对特征提取使用的骨干网络2D Resnet
‑
18网络的残差模块(Residual block)进行改进：增加运动注意力(Motion Excitation,ME)、坐标注意力(CoordinateAttention,CA)、压缩和激励(Squeeze
‑
and
‑
Excitation，SE)相结合的混合注意力模块(Attention Module)学习候选结节时序上的变化特征、空间位置特征以及通道重要程度。
[0016](3)本专利技术的基于混合注意力机制的肺结节假阳性排除方法的网络是轻量级的，便于部署。相对于3D CNN结构模型，本专利技术能有效降低参数量和计算量，在节约运算资源的同时，整体准确率仍有提高，有效地解决3D CNN模型内的参数量极多、计算量巨大且繁杂、模型收敛速度极慢且容易过拟合的问题。
[0017]进一步优选地，所述搭建基于混合注意力机制的TSN候选肺结节分类网络，具体为：采用2D Resnet 18骨干网络作为TSN特征提取网络，对其中的残差模块进行改进，增设运动激励、坐标注意力、压缩和激励相结合的混合注意力模块，得到基于混合注意力机制的TSN候选肺结节分类网络。
[0018]进一步优选地，所述将阳性肺结节三维训练数据和假阳性肺结节三维训练数据输入基于混合注意力机制的TSN候选肺结节分类网络进行训练，具体为：将阳性肺结节三维训练数据和假阳性肺结节三维训练数据输入基于混合注意力机制的TSN候选肺结节分类网络，利用二元交叉熵损失函数对其进行训练，得到肺结节假阳性排除模型；其中，所述二元交叉熵损失函数的公式为：
[0019]其中y
i
为真实标签，p
i
为假阳性肺结节预测值。
[0020]进一步优选地，所述基于混合注意力机制的肺结节假阳性排除方法还包括步骤：对待排除的三维肺部CT影像进行预处理。
[0021]第二方面，一种基于混合注意力机制的肺结节假阳性排除系统，包括：
[0022]训练数据获得模块，用于获得阳性肺结节三维训练数据和假阳性肺结节三维训练数据；
[0023]分类网络搭建模块，用于搭建基于混合注意力机制的TSN候选肺结节分类网络；
[0024]模型训练模块，用于将阳性肺结节三维训练数据和假阳性肺结节三维训练数据输入基于混合注意力机制的TSN候选肺结节分类网络进行训练，得到肺结节假阳性排除模型；
[0025]待排除数据获得模块，用于获得待排除的三维肺部CT影像，并以阳性肺结节三维训练数据和假阳性肺结节三维训练数据的坐标位置为中心，从三维肺部CT影像中剪切得到候选肺结节切片数据；
[0026]结果输出模块，用于将候选肺结节切片数据输入肺结节假阳性排除模型，并得到肺结节假阳性排除结果。
[0027]进一步优选地，所述分类网络搭建模块的搭建基于混合注意力机制的TSN候选肺结节分类网络具体为：采用2D Resnet 18骨干网络作为TSN特征提取网络，对其中的残差模块进行改进，增设运动激励、坐标注意力、压缩和激励相结合的混合注意力模块，得到基于混合注意力机制的TSN候选肺结节分类网络。
[0028]进一步优选地，所述模型训练模块中的将阳性肺结节三维训练数据和假阳性肺结节三维训练数据输入基于混合注意力机制的TSN候选肺结节分类网络进行训练，具体为：将
阳性肺结节三维训练数据和假阳性肺结节三维训练数据输入基于混合注意力机制的TSN候选肺结节分类网络，利用二元交叉熵损失函数对其进行训练，得到肺结节假阳性排除模型；其中，所述二元交叉熵损失函数的公式为：
[0029]其中y
i
为真实标签，p
i
为假阳性肺结节预测值。
[0030]进一步优选地，所述基于混合注意力机制的肺结节假阳性排除系统还包括预处理模块，用于对待排除的三维肺部CT影像进行预处理。
[0031]第三方面，一种基于混合注意力机制的肺结节假阳性排除设备，所述设备包括存储装置和处理器，所述存储装置用于存储一个或多个程序；
[0032]当所述一个或多个程序被所述处理器执行时，所述处理器实现如上述任一项所述的基于混合注意力机制的肺结节假阳性排除方法。
[本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于混合注意力机制的肺结节假阳性排除方法，其特征在于，包括：获得阳性肺结节三维训练数据和假阳性肺结节三维训练数据；搭建基于混合注意力机制的TSN候选肺结节分类网络；将阳性肺结节三维训练数据和假阳性肺结节三维训练数据输入基于混合注意力机制的TSN候选肺结节分类网络进行训练，得到肺结节假阳性排除模型；获得待排除的三维肺部CT影像，并以阳性肺结节三维训练数据和假阳性肺结节三维训练数据的坐标位置为中心，从三维肺部CT影像中剪切得到候选肺结节切片数据；将候选肺结节切片数据输入肺结节假阳性排除模型，并得到肺结节假阳性排除结果。2.根据权利要求1所述的基于混合注意力机制的肺结节假阳性排除方法，其特征在于，所述搭建基于混合注意力机制的TSN候选肺结节分类网络，具体为：采用2D Resnet 18骨干网络作为TSN特征提取网络，对其中的残差模块进行改进，增设运动激励、坐标注意力、压缩和激励相结合的混合注意力模块，得到基于混合注意力机制的TSN候选肺结节分类网络。3.根据权利要求1所述的基于混合注意力机制的肺结节假阳性排除方法，其特征在于，所述将阳性肺结节三维训练数据和假阳性肺结节三维训练数据输入基于混合注意力机制的TSN候选肺结节分类网络进行训练，具体为：将阳性肺结节三维训练数据和假阳性肺结节三维训练数据输入基于混合注意力机制的TSN候选肺结节分类网络，利用二元交叉熵损失函数对其进行训练，得到肺结节假阳性排除模型；其中，所述二元交叉熵损失函数的公式为：其中y
i
为真实标签，p
i
为假阳性肺结节预测值。4.根据权利要求1所述的基于混合注意力机制的肺结节假阳性排除方法，其特征在于，所述基于混合注意力机制的肺结节假阳性排除方法还包括步骤：对待排除的三维肺部CT影像进行预处理。5.一种基于混合注意力机制的肺结节假阳性排除系统，其特征在于，包括：训练数据获得模块，用于获得阳性肺结节三维训练数据和假阳性肺结节三维训练数据；分类网络搭建模块，用于搭建基于混合注意力机制的TSN候选肺结节分类网络；模型训练模块，用于将阳性肺结节三维训练数据和假阳性肺结节三维训练数据输入基于混合注意力机制的TSN候选肺结节分类网络进行训练，...
【专利技术属性】
技术研发人员：李良才，王骏，王艳芳，马力，陈庆武，
申请(专利权)人：中山仰视科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。