(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211030799.X (22)申请日 2022.08.26 (71)申请人 南通大学 地址 226019 江苏省南 通市崇川区啬园路9 号 (72)发明人 王杰华　周川　武卫翔　陈苏蓉　 谢天　 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06N 20/00(2019.01) (54)发明名称 一种基于深度学习的多层螺旋CT对肺结核 多分类检出方法 (57)摘要 本发明涉及计算机视觉的医学图像分类任 务技术领域， 尤其涉及一种基于深度学习的多层 螺旋CT对肺结核多分类检 出方法， 包括： S1： 汇总 收集患者CT图像数据； S2： 对汇总收集到的CT图 像数据进行切片， 获得原始数据集； S3： 对原始图 像进行预处理， 创建特征样本库， 预处理后的图 像为特征样本； S4： 将特征样本集进行划分， 分别 用于分类网络模 型的建立和测试模 型效果， 其中 训练集和测试集划分比例为8： 2。 本发明采用多 层螺旋CT图像作为数据集， 相比X光图像， 能够更 好的显示肺结核在放射学中的特征， 便于机器进 行特征提取； 对肺结核进行多分类检出， 主要包 括活动性肺部病变、 非活动性肺部钙化病变、 非 活动性肺部纤维化病变、 非肺结核。 权利要求书1页 说明书3页 附图2页 CN 115393321 A 2022.11.25 CN 115393321 A 1.一种基于深度学习的多层螺旋CT对肺结核多分类检出方法， 其特征在于， 具体步骤 如下： S1： 汇总收集患者CT图像数据； S2： 对汇总收集到的CT图像数据进行切片， 获得原 始数据集； S3： 对原始图像进行 预处理， 创建特 征样本库， 预处 理后的图像为特 征样本； S4： 将特征样本集进行划分， 分别用于分类网络模型的建立和测试模型效果， 其中训练 集和测试集划分比例为8： 2。 2.根据权利要求1所述的一种基于深度学习的多层螺旋CT对肺结核多分类检出方法， 其特征在于， 在步骤S4中， 具体步骤如下： S4.1： 采用医学影像专家对训练集进行标注， 将训练集特征样本划分为活动性肺部病 变、 非活动性肺部钙化病变、 非活动性肺部纤维化病变、 非肺结核四个分类， 将分类后的训 练集样本 输入建立可解释性肺结核分类网络进行训练； S4.2： 将测试集样本输入训练好的可解释性肺结核分类网络模型中， 首先图片输入到 Patch Partition模块中进行分块， 即每4x4相邻的像素为一个Patch， 然后在channel方向 展平。 通过Patch  Partition后图像shape由[H,W,3]变为[H/4,W/4,48]； 通过Linear   Embeding层对每个像素的ch annel数据做线性变换， 由48变成C， 即图像sh ape再由[H/4,W/ 4,48]变成了[H/4,W/4,C]； 通过四个Stage构建不同大小的特征图， 重复堆叠成对 的Swin  Transformer  Block， 成对出现的Swin  Transformer  Block由Windows  Multi‑Head Self‑ Attention和Shifted  Windows Multi‑Head Self‑Attention组成， 其 中W‑MSA将特征图划 分成了多个不相交的区域， 并且Multi ‑Head Self‑Attention只 在每个窗口内进行， SW ‑MSA 实现不同窗口之间进行信息的交流； 最后接上一个Layer  Norm层、 全局池化层以及全连接 层得到最终输出； S4.3： 得到测试样本的分类结果， 用于 辅助医生诊断和处 理病情。权　利　要　求　书 1/1 页 2 CN 115393321 A 2一种基于深度学习的多层螺 旋CT对肺结核多分类检出方 法 技术领域 [0001]本发明涉及计算机视觉的医学图像分类任务技术领域， 尤其涉及一种基于深度学 习的多层螺 旋CT对肺结核 多分类检出方法。 背景技术 [0002]肺结核(TB)是世界上第二大死亡原因， 在传染病中排名第一。 结核病是一类经由 结核分枝杆菌产生的传染病。 如果不及时治疗， 结核病的死亡率很高， 它通常会影响肺部， 但也会影响肺部 以外的部位。 当患有活动性结核病(Active  pulmonary  tuberculosis, ATB)的人干咳， 打喷嚏或以其他方式排出传染性细菌时， 它会经由空气中传播。 通过初期诊 治和恰当治疗可以预防大多数结核病患的死亡。 2020年WHO发布的 《结核病综合指南： 预防 性治疗》 中提出： 有既往结核病史或者非活动性肺结核者有 更高的发病风险， 应该成为暴露 后干预的目标人群。 在我国， 2021年中 国防痨协会组织国内结核病防治、 临床、 影像学、 研究 等多领域的专家， 撰写了 《非活动性肺结核诊断及预防发病专家共识》 ， 提出非活动性结核 是实现消灭结核病目标的重点干预人群， 需要进 行化学和免疫 预防干预。 因此， 将这些肺结 核子类别进行准确检出和诊断具有重要的现实作用。 [0003]随着计算机断层扫描(Computed  Tomography,CT)技术的普及， CT广泛运用在识别 胸部实质病变的早期反应以及检测结核患者肺部病情的严重程度。 CT图像可以更好的显示 肺结核在放射学中的特征， 包括厚壁空洞、 肺实质、 小叶中心结节和树芽征等。 目前的肺结 核诊断算法多 数专注于基于X光片的二分类检出， 忽视了CT相较于X光片具有 更优秀的准确 检出和诊断， 也忽视了不同的肺结核种类对于医生诊断病情的影响。 因此， 仅仅诊断患者是 否患有肺结核并不能够满足医生在临床上的需求。 发明内容 [0004]本发明的目的是为了解决现有技术中存在的缺点， 而提出的一种基于深度学习的 多层螺旋CT对肺结核多分类检出方法， 根据可解释性肺结核的病灶特征和肺结核类别划分 的条件， 实现对活动性肺部病变、 非活动性肺部钙化病变、 非活动性肺部纤维化病变、 非肺 结核的检出。 [0005]为了实现上述目的， 本发明采用了如下技术方案： 一种基于深度学习的多层螺旋 CT对肺结核 多分类检出方法， 具体步骤如下： [0006]S1： 汇总收集患者CT图像数据； [0007]S2： 对汇总收集到的CT图像数据进行切片， 获得原 始数据集； [0008]S3： 对原始图像进行 预处理， 创建特 征样本库， 预处 理后的图像为特 征样本； [0009]S4： 将特征样本集进行划分， 分别用于分类网络模型的建立和测试模型 效果， 其中 训练集和 测试集划分比例为8： 2。 [0010]优选地， 在步骤S4中， 具体步骤如下： [0011]S4.1： 采用医学影像专家对训练集进行标注， 将训练集特征样本划分为活动性肺说　明　书 1/3 页 3 CN 115393321 A 3