1、第6 5卷第4期2024年2 月自动化应用Automation ApplicationVol.65 No.4Feb 2024基于OneNET云平台的肺结节数据集的设计与实现任俊龙,张春茜,刘华康,栗梦媛1(1.河北水利电力学院电气自动化系,河北沧州0 6 10 0 1;2.河北省沧州中西医结合医院感染性疾病科,河北沧州0 6 10 0 1)摘要:肺癌的早期表现为肺CT图像中的微小结节,及早发现与治疗对于提高肺癌患者的生存率至关重要。近年来,目标检测技术逐渐被应用于医学图像处理领域,成为肺癌筛查的智能辅助手段。目标检测需要以大量数据为基础进行特征提取,其目标定位的精准性受训练数据集的直接影响,但
2、现阶段我国没有可以直接进行目标检测的干净肺结节数据集。为此,该系统分别将预处理后的肺CT图像和目标检测后的肺CT图像上传至云平台实现数据共享,搭建了适用于我国的肺结节检测数据集,为计算机辅助诊断方法的研究提供了数据基础。关键词:肺癌,数据集,OneNET云平台中图分类号:R563Design and Implementation of Pulmonary Nodule Dataset Based on OneNET Cloud Platform(1.Department of Electrical Automation,Hebei University of Water Resources a
3、nd Electric Power,Cangzhou,Hebei 061001,China;2.Department of Infectious Diseases,Cangzhou Integrated Traditional and Western Medicine Hospital,Cangzhou,Hebei 061001,China)Abstract:Lung cancer has the highest incidence rate and mortality worldwide.Its early manifestation is small nodules in lungCT i
4、mages,and early detection and treatment are crucial for improving the survival rate of lung cancer patients.In recentyears,object detection technology has gradually been applied in the field of medical image processing,becoming anintelligent auxiliary means for lung cancer screening.Target detection
5、 requires a large amount of data as the basis for featureextraction,and the accuracy of target localization is directly affected by the training dataset.However,at present,there is noclean lung nodule dataset in China that can directly perform target detection.Therefore,this system uploads pre proce
6、ssedlung CT images and target detected lung CT images to the cloud platform for data sharing,and builds a lung nodule detectiondataset suitable for China,providing a data foundation for the research of computer-aided diagnosis methods.Key words:lung cancer,data set,OneNET cloud platform文献标识码:AREN Ju
7、nlong,ZHANG Chunqian,LIU Huakang,LI MengyuanD0I:10.19769/j.zdhy.2024.04.0561肺结节数据集的重要意义目前,应用深度学习算法对医学图像进行目标识别已成为智能医疗诊断领域的重要发展方向。数据集是目标检测模型训练的基础,数据集的大小往往直接决定模型训练的质量与检测的准确率1。足够大的数据集能够解决过拟合问题并提高模型的泛化性能。模型训练成功后,还可以通过测试数据集评估目标检测模型的性能,如准确性、召回率、精确度等,因此,数据集在目标检测过程中起至关重要的作用2 。目前,LUNA16(Lung Nodule Analysis)是
8、一个世界范围的肺结节检测数据集,其数据来自肺部影像数据库协会和影像数据库资源计划(LIDC-IDRI),此数据库是由美国基金项目:2 0 2 2 年河北省教育厅科学研究项目资助(ZC2022018);河北省大学生创新创业训练计划项目“基于目标检测的肺结节智能筛查系统的设计”(S202310085054)作者简介:任俊龙,男,2 0 0 1年生,研究方向为电气自动化。170.国家癌症研究所发起构建的世界上最大的肺部CT数据库。但由于LUNA16数据集的成像器械标准与我国不同,标注人员也来自世界各地不同的数据中心31,使得我国科技工作者并不能直接采用LUNA16数据库中的数据进行计算机辅助诊断的研
9、究。因此,为了进一步推动肺癌智能诊断技术的发展,我国呕需构建一个数量庞大、清晰度高的肺CT检测数据集。2OneNET云平台的优点OneNET云平台具有可伸缩性,这意味着数据集的规模可以随着需要扩展,无需繁琐的硬件升级。此外,云平台还允许多个研究团队协同访问数据集,促进了跨机构和跨领域的合作研究。同时,云平台可以为数据集提供自动备份和恢复功能,确保数据不会因意外的数据损失而丢失,保障数据的长期可用性。OneNET云平台的数据存储通常采用分布式存储系统,这种架构能加快数据读取速度,同时保障数据的穴余第4期备份,防止数据丢失。此外,数据集的管理还可以借助云平台上的数据库系统,实现数据的索引和元数据管
10、理。数据集的索引化能加速数据的检索和查询。元数据管理可记录数据集的详细信息,如来源、采集日期、标注方法等,以提供数据集的可追溯性和透明性。在OneNET云平台上,数据集的存储和管理是高度灵活和可定制的,可根据用户具体需求和数据集的特点调整,为肺结节检测数据集的长期管理和共享提供了可行的解决方案。因此,本文选取OneNET云平台作为肺CT数据库搭建的基础载体。3基于OneNET云平台肺结节数据集的搭建3.1肺结节数据集的整体设计思路为构建肺结节检测数据集,将图像上传到OneNET云平台是关键步骤。图1为肺结节数据集的整体设计思路。肺CT图像图像预处理目标检测检测结果图1肺结节数据集设计思路首先,
11、对原始肺CT图像进行预处理,包括调整图像大小、归一化、去噪、增强和增加图像对比度等操作,将预处理后的图像上传到OneNET设备1。然后,采用YOLOv5s单阶段目标检测算法对干净的肺CT图像中的微小肺结节进行智能目标检测,最后将检测结果上传到OneNET设备2。按图1流程将预处理后的肺CT图像及其肺结节目标检测结果分别有效上传至OneNET云平台,为肺结节检测数据集的搭建提供整体设计思路。3.2OneNET云平台设备的创建OneNET云平台设备的创建流程如图2 所示。首先需要前往OneNET官方网站注册登录,然后进入OneNET开发者中心,选择合适的通信协议并添加产品。图3为添加到OneNET
12、的产品图,产品名称为肺结节数据集。OneNET云平台的1个产品可以添加多台设备,由于本系统是将预处理后的肺CT图像及其目标检测结果分别上传云平台,所以需要在产品下添加2 台设备。图4为OneNET云平台的具体设备添加图,其中,将预处理后的肺CT图像存放至OneNET设备1,肺结节目标检测结果存放至OneNET设备2。用户注册登记开发者中心选择通信协议添加产品和设备图2 OneNET使用流程图数据与图像处理自动化应用3.3肺结节数据集的搭建操作OneNET支持多种通信协议,包括MQTT、H T T P和TCP透传3。在图像上传方面,最常用的协议是 HTTP(Hyper TextTransferP
13、rotocol)。H T T P是一种应用层协议,用于传输超文本和数据,其简单性和广泛性使其成为图像上传的理想选择。在OneNET中,用户可以使用HTTPPOST请求来上传图像。设备将图像数据封装在HTTP请求的消息体中,然后将其发送到OneNET云平台。一旦云端服务器接收到请求,其会解析消息体中的图像数据,并将其存储在相应的数据流或数据通道中。图像上传过程可以被设备自动化,实现大量的图像数据快速上传和保存。图5为预处理后的肺CT图像上传效果图。图6 为肺结节目标检测结果上传效果图。OneNET设备1肺结节OneNET设备2图3添加到OneNET的产品图图5预处理后的肺CT上传效果图4结语通过
14、HTTP协议可以成功将肺CT图像上传至OneNET云平台,搭建了肺结节检测数据集,其为后续深度学习算法的模型训练提供了数据基础。此外,基于OneNET云平台的肺结节数据集实现了数据的存储和管理,为科研机构、科研团队之间的合作提供了可靠便捷的数据共享平台,进一步推动了智能医疗诊断系统的研究。1侯智超杨杨,李晓琴,基于三维卷积神经网络的肺结节探测与定位方法J.生物信息学,2 0 2 2,2 0(1):2 8-34.2余松林.基于CornerNet-Squeeze的太阳能电池缺陷检测研究D.重庆:重庆理工大学,2 0 2 1.3张昀玮.基于深度学习的肺结节检测算法研究D.北京:北京邮电大学,2 0 2 1.图4添加到OneNET的设备图图6 肺结节目标检测结果上传效果图参考文献?(责任编辑:李顺)171
©2010-2024 宁波自信网络信息技术有限公司 版权所有
客服电话:4008-655-100 投诉/维权电话:4009-655-100