基于深度学习网络的胸腔淋巴结的诊断系统的制作方法

本发明涉及图像处理，尤其涉及胸腔淋巴结的图像处理领域，具体涉及一种基于深度学习网络的胸腔淋巴结的诊断方法、一种基于深度学习网络的胸腔淋巴结的诊断系统、一种计算机设备、一种计算机可读存储介质及一种计算机程序产品。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术，并不必然构成现有技术。

2、胸腔中淋巴结的影像资料一直是肺癌患者治疗过程中的重要依据。良性淋巴结通常呈现出清晰、规则的边界，形状正常；恶性淋巴结则可能呈现出不规则、模糊的边界，形状不正常。通过胸腔中淋巴结的影像检查，能够帮助医疗人员进行癌症诊断。对于患有恶性肿瘤的患者而言，影像中淋巴结的转移则预示着癌症扩散的进展。多个受累淋巴结则可能表明疾病已经扩散，患者需要更严密的监测和治疗。

3、影像中胸腔淋巴结的位置、大小、分布均有助于医生制定术前术后治疗方案、检测疾病进展、判断治疗效果、评估预后情况，具有重要意义。目前，临床上获取胸腔淋巴结影像的主要手段是ct扫描、mri磁共振成像和pet-ct扫描，而基于这些影像资料的判断则主要是依靠医疗人员的从医经验。不同医生具有不同的临床经验，对胸腔淋巴结影像的解读诊断也不尽相同，其主观因素太大。此外，依靠医疗人员人工判断影像资料工作量过于庞大，其判断准确性无疑会随着人员疲劳等因素不断降低。

4、近年来，随着计算机技术的不断发展，人工智能辅助医疗诊断的应用越加广泛，深度学习方法也逐渐用于识别胸腔淋巴结。但是，发明人发现，现有的深度学习医疗影像分割分类算法在实际辅助诊断应用过程中的复杂程度过高、时间较长，例如大多采用残差网络进行多尺度特征的提取，将多尺度特征融合之后再以融合特征为基础进行分割识别，虽然能够提高一定的精度，但是整体网络结构复杂程度高，难以推广应用。

技术实现思路

1、为了解决现有技术的不足，本发明提供了一种基于深度学习网络的胸腔淋巴结的诊断系统，结合连续的多层次特征提取和不同层次特征图像的分割，实现了更精准的胸腔淋巴结良性或者恶性的诊断，在较高准确率和鲁棒性的前提下，能够快速和精准的提供患者的诊断结果，从而更高效的辅助医生的治疗判断。

2、为了实现上述目的，本发明采用如下技术方案：

3、第一方面，本发明提供了一种基于深度学习网络的胸腔淋巴结的诊断系统。

4、一种基于深度学习网络的胸腔淋巴结的诊断系统，包括：

5、预处理单元，被配置为：对胸腔淋巴结的图像帧进行预处理；

6、特征提取单元，被配置为：对预处理后的图像帧采用依次级联的提取块进行多层次特征提取，得到不同层次的特征图；

7、图像分割单元，被配置为：对不同层次的特征图分别进行分割，得到各个层次下的分割结果；

8、分类诊断单元，被配置为：将各个层次下的分割结果叠加求和后得到最终胸腔淋巴结的分割图像，根据所述分割图像得到胸腔淋巴结分类诊断结果。

9、作为本发明第一方面进一步的限定，特征提取单元中，对预处理后的图像帧采用依次级联的提取块进行多层次特征提取，包括：

10、预处理后的图像帧依次经第一卷积层和第一最大池化层处理，第一最大池化层处理后的图像依次经第一db模块、第二db模块和第三db模块进行处理；

11、第一db模块、第二db模块和第三db模块的结构相同，均包括交替堆叠6次的第一卷积核及第二卷积核，最后再依次叠加一个第二卷积层和平均池化层。

12、作为本发明第一方面更进一步的限定，第一db模块的输出结果作为第二db模块的输入，第二db模块的输出作为第三db模块的输入，第一db模块输出第一层次的特征图，第二db模块输出第二层次的特征图，第三db模块输出第三层次的特征图。

13、作为本发明第一方面进一步的限定，图像分割单元中，对任一层次的特征图分别进行分割，得到此层次下的分割结果，包括：

14、将特征图输入至由第一relu层和第三卷积层堆叠三次的结构中，得到分割图像，将分割图像经上采样层统一至设定分辨率。

15、作为本发明第一方面进一步的限定，分类诊断单元中，根据所述分割图像得到胸腔淋巴结分类诊断结果，包括：

16、最终胸腔淋巴结的分割图像，依次经第二最大池化层、线性全连接层和第二relu层处理，最后经softmax分类得到胸腔淋巴结分类诊断结果。

17、作为本发明第一方面进一步的限定，预处理单元中，对包含患者胸腔淋巴结影像的手术图像帧，进行尺寸和单位的统一。

18、第二方面，本发明提供了一种基于深度学习网络的胸腔淋巴结的诊断方法。

19、一种基于深度学习网络的胸腔淋巴结的诊断方法，包括：

20、对胸腔淋巴结的图像帧进行预处理；

21、对预处理后的图像帧采用依次级联的提取块进行多层次特征提取，得到不同层次的特征图；

22、对不同层次的特征图分别进行分割，得到各个层次下的分割结果；

23、将各个层次下的分割结果叠加求和后得到最终胸腔淋巴结的分割图像，根据所述分割图像得到胸腔淋巴结分类诊断结果。

24、第三方面，本发明提供了一种计算机设备，包括：处理器和计算机可读存储介质；

25、处理器，适于执行计算机程序；

26、计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被所述处理器执行时，实现如下方法：

27、对胸腔淋巴结的图像帧进行预处理；

28、对预处理后的图像帧采用依次级联的提取块进行多层次特征提取，得到不同层次的特征图；

29、对不同层次的特征图分别进行分割，得到各个层次下的分割结果；

30、将各个层次下的分割结果叠加求和后得到最终胸腔淋巴结的分割图像，根据所述分割图像得到胸腔淋巴结分类诊断结果。

31、第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于被处理器加载并执行如下方法：

32、对胸腔淋巴结的图像帧进行预处理；

33、对预处理后的图像帧采用依次级联的提取块进行多层次特征提取，得到不同层次的特征图；

34、对不同层次的特征图分别进行分割，得到各个层次下的分割结果；

35、将各个层次下的分割结果叠加求和后得到最终胸腔淋巴结的分割图像，根据所述分割图像得到胸腔淋巴结分类诊断结果。

36、第五方面，本发明提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时，实现如下方法：

37、对胸腔淋巴结的图像帧进行预处理；

38、对预处理后的图像帧采用依次级联的提取块进行多层次特征提取，得到不同层次的特征图；

39、对不同层次的特征图分别进行分割，得到各个层次下的分割结果；

40、将各个层次下的分割结果叠加求和后得到最终胸腔淋巴结的分割图像，根据所述分割图像得到胸腔淋巴结分类诊断结果。

41、与现有技术相比，本发明的有益效果是：

42、1、本发明创新性的提出了一种基于深度学习网络的胸腔淋巴结的诊断系统，结合连续的多层次特征提取和不同层次特征图像的分割，实现了更精准的胸腔淋巴结良性或者恶性的诊断，在较高准确率和鲁棒性的前提下，能够快速和精准的提供患者的诊断结果，从而更高效的辅助医生的治疗判断。

43、2、本发明创新性的提出了一种基于深度学习网络的胸腔淋巴结的诊断系统，采用三个同样结构的db模块(即第一db模块、第二db模块和第三db模块)，依次进行多层次的特征提取，最后依次单独分割后叠加作为最终的分割结果，能够更大程度的保留特征细节，且降低了整体模型的复杂程度。

44、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。