基于Python的肺結(jié)核胸片病灶檢測(cè)系統(tǒng)設(shè)計(jì)

夏啟銘，余響全，韋 勇，肖雪梅

（遵義醫(yī)科大學(xué) 信息工程學(xué)院，貴州 遵義 563000）

0 引言

肺結(jié)核疾病自19世紀(jì)以來，發(fā)展至今有100多年的歷史。在國(guó)際肺病大會(huì)期間，世界衛(wèi)生組織(World Health Organization，WHO）提出2035年初步消滅結(jié)核病，2050年完全消滅結(jié)核病的遠(yuǎn)景目標(biāo)［1］。在全球范圍內(nèi)，每年新發(fā)結(jié)核病患者在1 000萬左右，死亡人數(shù)接近150萬人，作為全球前十的死因之一［2］，結(jié)核病容易造成聚集性疫情，構(gòu)成突發(fā)的公共衛(wèi)生事件，給人們帶來極大的健康威脅。目前，中國(guó)仍是世界結(jié)核病高發(fā)區(qū)30個(gè)國(guó)家之一，結(jié)核病病例數(shù)居世界第三位［3］?？梢愿惺艿剑?020年初來勢(shì)洶洶的新型冠狀病毒，為我們的生產(chǎn)生活帶來了極大的阻礙，嚴(yán)重地威脅到了人類的身體健康，疫情控制過程中，醫(yī)學(xué)影像診斷也發(fā)揮了重要作用，在醫(yī)學(xué)成像技術(shù)和計(jì)算機(jī)技術(shù)不斷進(jìn)步的形勢(shì)下，醫(yī)學(xué)圖像分析已經(jīng)成為醫(yī)學(xué)研究、疾病診療中必不可少的一部分。

目前醫(yī)學(xué)圖像處理作為臨床診斷的主要輔助工具，而計(jì)算機(jī)技術(shù)應(yīng)用在醫(yī)學(xué)領(lǐng)域也是近些年來國(guó)內(nèi)外的一項(xiàng)熱門研究。隨著近年來深度學(xué)習(xí)的快速發(fā)展，基于深度學(xué)習(xí)的計(jì)算機(jī)輔助診斷技術(shù)在醫(yī)學(xué)圖像處理方面受到了極大的關(guān)注［4］，在醫(yī)學(xué)圖像處理方面的圖像識(shí)別、醫(yī)學(xué)病理、檢測(cè)等很多領(lǐng)域逐漸起著越發(fā)主要的作用，具有廣闊的應(yīng)用前景和科研視覺算法價(jià)值，逐漸成為醫(yī)學(xué)圖像處理方面的一個(gè)熱門研究方向。利用計(jì)算機(jī)輔助診斷技術(shù)對(duì)醫(yī)學(xué)圖像進(jìn)行自動(dòng)分析能夠提供一個(gè)客觀的診斷結(jié)果，減少醫(yī)生的主觀性判斷，提高醫(yī)生的工作效率?，F(xiàn)代醫(yī)療體系下，醫(yī)生需要執(zhí)行治療過程中的每一個(gè)步驟，這就需要醫(yī)生有快速的思考和決策能力，很多在醫(yī)學(xué)上的認(rèn)知都來源于經(jīng)驗(yàn)的積累和總結(jié)，由于這種對(duì)醫(yī)生診斷依賴，診斷結(jié)果會(huì)產(chǎn)生一定的偏差，而機(jī)器學(xué)習(xí)的應(yīng)用可以觀察到更加細(xì)微的東西，來達(dá)到輔助診斷的目的。

1 結(jié)核胸片相關(guān)研究

世界衛(wèi)生組織推薦的痰涂片熒光顯微鏡和X射線檢查，是識(shí)別PTB可疑癥狀最廣泛且較為有效的診斷方法［5］。以人的肉眼直接通過痰涂片顯微鏡進(jìn)行檢測(cè)，不僅煩瑣、工作量大，還會(huì)降低檢測(cè)結(jié)果的準(zhǔn)確性。因此，計(jì)算機(jī)輔助診斷是一條很有必要發(fā)展的檢測(cè)路徑。推薦肺結(jié)核影像檢測(cè)方法：胸部X線片和CT成像。前者是肺結(jié)核影像診斷標(biāo)準(zhǔn)中明確提出胸部X線片可作為肺結(jié)核篩查或治療后療效評(píng)估的常用手段［6］，后者作為目前診斷的主要手段。

2 基于Python的肺結(jié)核胸片病灶檢測(cè)系統(tǒng)設(shè)計(jì)

2.1 需求分析

本系統(tǒng)是在Windows10操作系統(tǒng)下利用PyCharm作為開發(fā)平臺(tái)，MySQL數(shù)據(jù)庫作為數(shù)據(jù)支撐進(jìn)行設(shè)計(jì)的。該系統(tǒng)用戶主要為就診的患者和診斷的醫(yī)生，以及管理員。目前，醫(yī)療數(shù)據(jù)中很大部分都來源于醫(yī)學(xué)，這些數(shù)據(jù)已經(jīng)成為醫(yī)生診斷必不可少的東西，在一些重大疾病的輔助篩查、診斷、決策和治療過程中發(fā)揮著關(guān)鍵作用。生物醫(yī)學(xué)是在不同尺度下對(duì)人體的觀測(cè)，具有多種成像模式，這些影像數(shù)據(jù)會(huì)對(duì)醫(yī)生的診斷產(chǎn)生部分影響。隨著醫(yī)學(xué)圖像數(shù)據(jù)量的快速增長(zhǎng)，醫(yī)生長(zhǎng)時(shí)間的閱片診斷，難免出現(xiàn)視覺疲勞，并且一些細(xì)小的病變難以用肉眼觀察到，出現(xiàn)診斷效率下降等問題，而機(jī)器學(xué)習(xí)在影像分析過程中，可以觀測(cè)得更加細(xì)微。因此，通過計(jì)算機(jī)進(jìn)行醫(yī)學(xué)肺部圖像的處理就顯得極為重要。本項(xiàng)目將利用Python實(shí)現(xiàn)肺結(jié)核胸片檢測(cè)，使患者胸片診斷質(zhì)量得到一定的保障。

本系統(tǒng)的設(shè)計(jì)主要針對(duì)醫(yī)學(xué)圖像數(shù)量日益增長(zhǎng)，醫(yī)生閱片壓力增加的需求，在保障一定的診斷質(zhì)量的前提下，協(xié)助醫(yī)生診斷，為閱片醫(yī)生省時(shí)省力，大大降低了醫(yī)生的工作壓力，醫(yī)學(xué)信息影像所面臨的診斷結(jié)果準(zhǔn)確性和醫(yī)生缺口等問題也迎刃而解，而患者通過此系統(tǒng)也比較便捷地了解到自己的診斷結(jié)果。同樣，在后臺(tái)管理方面，此系統(tǒng)設(shè)置了雙重管理機(jī)制，即普通管理員和超級(jí)管理員，只有管理員才能登錄后臺(tái)，超級(jí)管理員決定了管理員的權(quán)限，包括所展示的內(nèi)容及數(shù)據(jù)操作權(quán)限，不同管理權(quán)限意味著不同的管理?xiàng)l目，管理員在管理數(shù)據(jù)表時(shí)，數(shù)據(jù)量較少時(shí)方便管理，為滿足數(shù)據(jù)量大的情況，在后臺(tái)自定義中加入了查找功能，使管理更加方便合理。

2.2 系統(tǒng)功能模塊

肺結(jié)核病灶檢測(cè)系統(tǒng)分為3個(gè)板塊，即用戶模塊、圖像處理模塊。用戶模塊又分為用戶登錄/注冊(cè)和用戶信息管理。注冊(cè)/登錄模塊用于完成用戶的注冊(cè)/登錄，以及個(gè)人信息管理功能，管理員對(duì)用戶信息的管理功能。由于Django管理員由后臺(tái)超級(jí)管理員添加和分配管理權(quán)限，此處便沒有管理員注冊(cè)；圖像處理模塊又分為導(dǎo)入圖像、圖像預(yù)處理、圖像分析、圖像管理4個(gè)小模塊，該模塊為此系統(tǒng)核心功能，圖像的管理由超級(jí)管理員完成。系統(tǒng)功能模塊如圖1所示。

圖1 系統(tǒng)功能模塊

核心功能概述如下。

(1）導(dǎo)入圖像：將病人的肺結(jié)核胸片導(dǎo)入系統(tǒng)中，此系統(tǒng)采用本地上傳的方式，對(duì)圖像進(jìn)行導(dǎo)入和存儲(chǔ)，存儲(chǔ)內(nèi)容包括胸片位置、名稱、所屬、診斷結(jié)果、時(shí)間。

(2）圖像預(yù)處理：對(duì)比度增強(qiáng)、去噪。

(3）標(biāo)出病灶可疑區(qū)域：將圖像傳入算法，在算法分析過后，對(duì)圖像可疑區(qū)域進(jìn)行標(biāo)注，框選出可疑病灶區(qū)域，以便醫(yī)生觀察，做出診斷，診斷結(jié)果也將和胸片基本信息一同存儲(chǔ)。

2.3 系統(tǒng)工作流程

此檢測(cè)系統(tǒng)分為用戶模塊、圖像處理模塊和管理模塊，首先進(jìn)行用戶注冊(cè)，注冊(cè)成功后方可登錄，進(jìn)入登錄界面后選擇身份(用戶或管理員）登錄，登錄后檢查相關(guān)個(gè)人信息。若信息不完善，提示完善個(gè)人信息，也可對(duì)個(gè)人信息進(jìn)行修改操作。若要修改個(gè)人信息，提交修改保存?zhèn)€人信息后即可進(jìn)行其他操作。若是管理員登錄此系統(tǒng)，管理員分為超級(jí)管理員和普通管理員，不同權(quán)限的管理員進(jìn)行不同的信息管理，超級(jí)管理員的權(quán)限比普通管理員稍大，超級(jí)管理員可對(duì)普通管理員、醫(yī)生、圖像等進(jìn)行管理，普通管理員則無此權(quán)限。普通管理員可對(duì)用戶信息進(jìn)行管理。進(jìn)入圖像處理部分流程，首先導(dǎo)入圖像，即將病人的肺結(jié)核胸片導(dǎo)入系統(tǒng)中；對(duì)圖像預(yù)處理，對(duì)比度增強(qiáng)、去噪；標(biāo)出病灶可疑區(qū)域，對(duì)圖像可疑區(qū)域進(jìn)行標(biāo)注，以便醫(yī)生觀察，在醫(yī)生診斷完成后，輸入診斷結(jié)果并提交，胸片和診斷信息便存儲(chǔ)到數(shù)據(jù)庫。操作完成若對(duì)檢測(cè)結(jié)果不滿意，可再次檢測(cè)，滿意則可返回系統(tǒng)界面，在需要某一患者胸片信息的情況下，醫(yī)生也可對(duì)胸片信息表進(jìn)行查詢操作，若無其他操作可退出系統(tǒng)，系統(tǒng)流程如圖2所示。

圖2 系統(tǒng)流程

2.4 系統(tǒng)數(shù)據(jù)庫設(shè)計(jì)

此系統(tǒng)采用的是MySQL數(shù)據(jù)庫，由此建立了4張表。主要的數(shù)據(jù)表有：auth_user為管理員信息表、user為患者信息表、d_user為醫(yī)生信息表、images為胸片存儲(chǔ)表。

其中，用戶信息表user與胸片存儲(chǔ)表images相關(guān)聯(lián)。系統(tǒng)E-R圖如圖3所示。

圖3 系統(tǒng)E-R圖

2.5 Efficientdet算法

Efficientdet算法是由Google Brain團(tuán)隊(duì)的三位領(lǐng)導(dǎo)者于2019年提出，其亮點(diǎn)在于使用雙向特征金字塔網(wǎng)絡(luò)以 及 一 種 復(fù) 合 尺 度 縮 放 方 法(見 圖4）［7］。EfficientDet可以分為主干特征提取網(wǎng)絡(luò)、加強(qiáng)特征提取網(wǎng)絡(luò)和預(yù)測(cè)網(wǎng)絡(luò)。特征提取網(wǎng)絡(luò)是基于Google的EfficientNet網(wǎng)絡(luò)，有D0～D7八個(gè)主干特征提取網(wǎng)絡(luò)層次，依次速度逐漸變慢，但精度主鍵提高，其功能是將輸入的圖片不斷下采樣，下采樣次數(shù)為5次(p1～p5）。p1是輸入圖片長(zhǎng)、高壓縮后的結(jié)果；p2是長(zhǎng)、高壓縮2次后的結(jié)果；p3是長(zhǎng)、高壓縮3次后的結(jié)果；p4是長(zhǎng)、高壓縮4次后的結(jié)果；p5是長(zhǎng)、高壓縮5次后的結(jié)果。P3～P5具有較高的語義信息；P6和P7是在P5的基礎(chǔ)上壓縮得到的語義信息。BiFPN Layer是加強(qiáng)特征提取網(wǎng)絡(luò)，采用雙向特征金字塔網(wǎng)絡(luò)。預(yù)測(cè)網(wǎng)絡(luò)的功能是將提取到的特征轉(zhuǎn)化成預(yù)測(cè)結(jié)果，分為類別預(yù)測(cè)網(wǎng)絡(luò)(Class prediction net）和邊界框預(yù)測(cè)網(wǎng)絡(luò)(Box prediction net），前者的功能是對(duì)先驗(yàn)框進(jìn)行分類，后者的功能是對(duì)先驗(yàn)框進(jìn)行調(diào)整，獲得最終的預(yù)測(cè)結(jié)果。

圖4 Efficientdet算法流程

3 結(jié)語

我國(guó)有世界上第二大的結(jié)核病病情，因此，快速、高效的診斷，對(duì)病人及時(shí)采取治療，是控制該種疾病的關(guān)鍵問題。本文首先研究了肺結(jié)核疾病的檢測(cè)現(xiàn)狀，發(fā)現(xiàn)當(dāng)前的結(jié)核病檢測(cè)率不高。隨著社會(huì)經(jīng)濟(jì)、科學(xué)技術(shù)的發(fā)展，傳統(tǒng)的檢測(cè)方法已無法滿足臨床的醫(yī)療診斷。本文旨在設(shè)計(jì)一個(gè)針對(duì)肺結(jié)核疾病的檢測(cè)系統(tǒng)，主要應(yīng)用的算法是EfficientDet算法。該算法不僅高效，還能很大程度上減少影像醫(yī)生的工作量，提高結(jié)核病的檢測(cè)率。如何利用該圖像識(shí)別算法制作一個(gè)完善的系統(tǒng)將是下一步的研究方向，畢竟傳統(tǒng)的肺結(jié)核病診斷方法已滿足不了臨床醫(yī)學(xué)的需求。在此背景下，利用人工智能計(jì)算機(jī)輔助診斷是一個(gè)能幫助影像醫(yī)生快速、高效判斷的有效途徑。