基于切片關(guān)聯(lián)信息的慢性阻塞性肺疾病CT診斷

梁宇辰，蔡 念，歐陽(yáng)文生，謝依穎，王 平

（1.廣東工業(yè)大學(xué) 信息工程學(xué)院, 廣東 廣州 510006；2.廣州醫(yī)科大學(xué)附屬第一醫(yī)院 肝膽外科, 廣東 廣州 510120）

慢性阻塞性肺疾病(Chronic Obstructive Pulmonary Disease，COPD) 是一種常見(jiàn)的全球性呼吸疾病，已成為全球的第三大死因[1]。近些年，我國(guó)的COPD患病率也呈現(xiàn)不斷上升趨勢(shì)，且死亡率高于全球平均水平[2-3]。COPD患者通常會(huì)出現(xiàn)氣道嚴(yán)重阻塞現(xiàn)象，進(jìn)一步導(dǎo)致呼吸困難，甚至存在肺心病、呼吸衰竭等風(fēng)險(xiǎn)[4]。目前，主要采用CT圖像評(píng)估[5-6]鑒別COPD肺部異常，這需要醫(yī)生根據(jù)COPD患者的上百?gòu)圕T序列圖片中的病灶氣泡占比情況進(jìn)行主觀(guān)分析，耗費(fèi)醫(yī)生大量精力和時(shí)間，也給醫(yī)生帶來(lái)視覺(jué)疲勞并影響主觀(guān)評(píng)估[7]。

近幾年，隨著深度學(xué)習(xí)尤其是卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)的高速發(fā)展，CNN已經(jīng)被廣泛應(yīng)用于CT圖像處理，以輔助肺部疾病診斷。Shah等[8]使用VGG-19對(duì)新型冠狀病毒肺炎(Corona Virus Disease 2019 ,COVID-19) 進(jìn)行診斷。Polat等[9]在Inceptionv3模型上使用遷移學(xué)習(xí)，從患者的單張胸部CT圖像獲取病灶信息識(shí)別COPD的嚴(yán)重程度。雖然上述方法在肺部疾病輔助診斷上取得不錯(cuò)的效果，但是這些方法只考慮了部分CT切片圖像內(nèi)的局部病變肺泡特征，沒(méi)有考慮CT切片圖像之間的關(guān)聯(lián)信息，這將不利于肺部病灶區(qū)病變肺泡識(shí)別[10]。

Xu等[11]從胸部CT序列中隨機(jī)選出8張CT圖像，采用AlexNet網(wǎng)絡(luò)對(duì)每張CT圖像進(jìn)行特征提取，然后采用SVM進(jìn)行分類(lèi)實(shí)現(xiàn)COPD診斷。可是，該方法只對(duì)單張CT圖像進(jìn)行單獨(dú)分析，雖然SVM對(duì)8張CT圖像進(jìn)行了分類(lèi)，但是本質(zhì)上仍未考慮這8張CT切片之間的關(guān)聯(lián)信息。Ahmed 等[12]將VoxResNet拓展到3D卷積結(jié)構(gòu)，通過(guò)多個(gè)殘差3D卷積結(jié)構(gòu)保留盡可能多的空間信息對(duì)CT序列圖像進(jìn)行處理來(lái)診斷COPD。……