一种基于深度学习方法的肺结节自动检测方法

摘要

本发明公开了一种基于深度学习方法的肺结节自动检测方法。按下述步骤完成，a、预处理：采集若干患者的CT文件，构成数据集；将每位患者对应的CT文件制成包含有100～600张切片的CT文件；每张所述的切片的像素间距为1*1*1mm、大小为512*512像素；b、肺部区域图像提取：将每位患者CT文件基于亨氏单位值来进行像素值的二值化处理，以分隔得到肺部区域的mask图，再根据mask图提取肺部区域图像；c、肺结节检测：训练U‑Net卷积神经网络用于肺部区域图像肺结节检测，得到U‑Net训练模型；d、降低假阳性率：训练深度残差网络用于剔除U‑Net训练模型中非结节的假阳性点，得到检测模型；得到检测模型后，即能用检测模型对患者CT文件进行肺结节自动检测。本发明自动检测的精度高。