基于Alex Net網(wǎng)絡(luò)的肺部圖像檢測研究

王昱璇　劉科鋒

摘 ?要：肺部圖像檢測技術(shù)目前是醫(yī)學(xué)圖像處理領(lǐng)域中的一個熱門研究課題。X 光片審閱依靠人工審閱的方式，放射科醫(yī)生每天需要面臨很大的壓力，誤診和漏診率也會增加。本文旨在探討如何快速有效的進(jìn)行醫(yī)學(xué)圖像識別，提高醫(yī)學(xué)影像數(shù)據(jù)識別的準(zhǔn)確率，減輕放射科醫(yī)生的壓力，以達(dá)到疾病早發(fā)現(xiàn)、早治療的目的。為了證明方法的有效性，本文選用BRATS 2018庫下的肺部 X 光醫(yī)學(xué)影像數(shù)據(jù)集，介紹了 Alex Net 網(wǎng)絡(luò)模型，利用深度學(xué)習(xí)技術(shù)從大量的肺部 X 光圖像中進(jìn)行自動地特征提取。

關(guān)鍵詞：Alex Net;圖像識別;肺部;圖像

1 研究背景

肺功能檢查是進(jìn)行呼吸系統(tǒng)疾病診斷的必要方法之一，對于早期檢出肺、氣管等病變，評估肺部疾病的病情嚴(yán)重程度，評估藥物或其他治療方法的療效，鑒別呼吸困難的原因有重要的指導(dǎo)意義[1]。由于人體肺部的影像數(shù)據(jù)具有良好的對比性，肺功能的檢查常使用影像檢查的方式，常見的影像檢查方式包括 X 光、CT以及超聲檢查等[2]。目前，不管是單位入職體檢、學(xué)校入校體檢等相關(guān)的體格檢查在對肺功能檢查時均為肺部 X 線檢查，而且肺部 X 線檢查是其他影像檢查的基礎(chǔ)，所以利用 X 光線對肺功能進(jìn)行檢查是利用影像技術(shù)對肺部癥狀進(jìn)行檢查的首選。

2 基于 Alex Net 的肺部圖像檢測

基于 Alex Net 網(wǎng)絡(luò)的肺部 X 光醫(yī)學(xué)影像分析，先對 X-ray 數(shù)據(jù)集中的肺部 X光圖像數(shù)據(jù)使用雙線性插值算法，調(diào)整圖像尺寸為224 × 224，調(diào)整后的圖像如下圖所示。

在堆疊之前，兩層的特征圖的通道數(shù)都是N，用表示每張?zhí)卣鲌D。堆疊之后的通道數(shù)變?yōu)?N，用表示不同特征圖。對于堆疊之后的特征圖，其維度為，其中2N是通道數(shù)，d為特征圖長度，w為特征圖寬度，h為特征圖高度。

首先，對得到的特征圖進(jìn)行Squeeze操作。在完成Squeeze操作之后，對三維通道進(jìn)行Excitation操作，即對擠壓的特征圖進(jìn)行展開，還原到原來維度。在完成Squeeze操作之后，已經(jīng)得到了不同通道的權(quán)重，通過sigma函數(shù)將權(quán)重歸一化到零和一之間，得到維度為的特征圖權(quán)重H。最后，通過對應(yīng)位置相乘得到處理后的特征圖。

為了證明方法的有效性，本文在BRATS 2018數(shù)據(jù)集上進(jìn)行實驗驗證。BRATS 2018的訓(xùn)練集中有285個病例，每個病例有四個模態(tài)，需要分割出whole tumor，enhance tumor and tumor core. 本文將每個病例以3D的形式輸入3D uent。Alex Net 網(wǎng)絡(luò)在對圖像進(jìn)行分析時將 X-ray 數(shù)據(jù)集中的 X 光影像數(shù)據(jù)分為了 80%的訓(xùn)練集、15%的測試集和5%的驗證集。

Alex Net 網(wǎng)絡(luò)在對標(biāo)定好的數(shù)據(jù)集進(jìn)行訓(xùn)練時損失函數(shù)使用交叉熵代價函數(shù)，深度學(xué)習(xí)優(yōu)化算法采用 RMSProp 自適應(yīng)學(xué)習(xí)率算法，Alex Net 網(wǎng)絡(luò)對肺部 X 光醫(yī)學(xué)影像分析時網(wǎng)絡(luò)模型信息設(shè)置初始學(xué)習(xí)率為10?5。Alex Net 對實變（Consolidation）、肺水腫（Pulmonary Edema）、胸腔積液（pleural effusion）、肺氣腫（Emphysema）、纖維化（Fibrosis）、疝（Hernia）、滲透（Infiltration）、腫塊（Mass）、肺炎（Pneumonia）9個類別的圖像進(jìn)行訓(xùn)練時，訓(xùn)練樣本的識別準(zhǔn)確率，如下表所示。

從表可以看出，利用 Alex Net 網(wǎng)絡(luò)對常見肺部癥狀進(jìn)行識別時，在識別效果上，Alex Net 對肺水腫、肺炎的識別效果表現(xiàn)良好，對腫塊的識別效果也很不錯，達(dá)到了88.43%的識別準(zhǔn)確率，高于目前大多數(shù)手段對腫塊識別的準(zhǔn)確率。

總結(jié)

肺功能檢查是進(jìn)行呼吸系統(tǒng)疾病診斷的必要方法之一，對于早期檢出肺、氣管等病變，評估肺部疾病的病情嚴(yán)重程度，評估藥物或其他治療方法的療效，鑒別呼吸困難的原因有重要的指導(dǎo)意義。本文主要介紹了 Alex Net 網(wǎng)絡(luò)模型，利用深度學(xué)習(xí)技術(shù)從大量的肺部 X 光圖像中進(jìn)行自動地特征提取。本文研究為醫(yī)生進(jìn)行肺癌預(yù)測性診斷提供有效輔助，旨在嘗試建立肺結(jié)節(jié)定性診斷的輔助診斷模型，以實現(xiàn)肺結(jié)節(jié)的智能化快速和準(zhǔn)確診斷，為臨床提供一種現(xiàn)代化、智能化輔助診斷方法。

參考文獻(xiàn)

[1] ?喬樹斌.臨床開展肺功能檢查的重要性[N].中國中醫(yī)藥報，2015-11-23（007）.

[2] ?白人駒.醫(yī)學(xué)影像診斷學(xué)[M].人民衛(wèi)生出版社，2006：10.