[發明專利]一種基于卷積神經網絡的肺結節圖像塊檢索方法及裝置

有效

• 申請號: 201710092869.7
• 申請日: 2017-02-21
• 公開（公告）號: CN106874489B
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 王海洋;廖華明;盛玉嬌;劉衍琦;程學旗;劉瑋
• 申請（專利權）人: 煙臺中科網絡技術研究所;中國科學院計算技術研究所
• 主分類號: G06F16/53
• 分類號: G06F16/53;G06K9/62;G06N3/08
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 尉保芳

本發明涉及一種基于卷積神經網絡的肺結節圖像塊檢索方法及裝置，通過對獲取的肺結節圖像塊進行切片處理，得到至少兩張肺結節切片掃描圖，通過構造卷積神經網絡提取肺結節切片掃描圖的圖像特征，得到肺結節的局部特征集合，獲取數據庫中所有肺結節的局部特征集合，對所有肺結節的局部特征集合進行聚類構建視覺詞典，基于視覺詞典獲取肺結節帶權特征向量，通過倒排索引的方式對肺結節帶權特征向量構建索引庫，根據輸入的查詢信息對索引庫執行檢索，得到符合查詢條件的肺結節圖像塊。本發明能夠快速、準確的檢索出與待檢索肺結節最相似的肺結節圖像序列。

技術領域

本發明涉及醫學圖像處理技術領域，尤其涉及一種基于卷積神經網絡的肺結節圖像塊檢索方法及裝置。

背景技術

肺部結節是臨床上常見的一種疾病，是胸外科常見的又較難難確診的疾病,早期及時發現是提高患者生存率的關鍵，隨著影像學尤其是螺旋CT的發展和日益完善普及，肺部微小結節性病變的發現率明顯提高，但是對肺部微小結節性病變的定性診斷仍較困難。在此背景下，醫療檢索系統的作用就凸顯出來了，醫療檢索系統利用肺結節圖像信息進行檢索，從而匹配同類型的肺結節圖像，參考以往的專家診療數據，為臨床提供更多的診斷信息和依據。

與本發明相關的現有技術：圖像檢索技術由早期的基于文本的圖像檢索逐漸發展為基于內容的圖像檢索，其主要思想是通過提取圖像視覺底層特征來實現圖像內容表達，檢索方法主要基于圖像的多維特征進行相似性查詢。

其中，目前常用于描述圖像的特征主要有SIFT、LBP、Gabor、BOW和CNN特征等。其中SIFT特征是最常用的矢量特征，它對圖像的光照、尺度、位移等變化都具有較好的容忍性。然而該特征計算量較大，緯度較高，計算較復雜。BOW特征也是圖像檢索領域中廣泛使用的特征，每幅圖像都可以描述為一個局部區域特征的無序集合。使用聚類方法將局部特征進行聚類，每個聚類中心被看作是視覺詞典中的一個詞匯，視覺詞匯由聚類中心對應特征形成碼字來表示。圖像中的每個特征都將被映射到視覺詞典的某個詞上，這種映射可以通過計算特征間的距離去實現，然后統計每個視覺詞的出現次數，從而得到每個圖像的直方圖向量，即BOW特征。CNN特征，是通過自主學習訓練數據的特征，避免人工設計特征，近幾年，在圖像分類、檢測、分割等學習任務上都得到了驚人的表現，可以看出，CNN特征更能表達圖像深層的特征。

現有相似技術：一種基于相似度的乳腺圖像檢索方法，該方法通過提取乳腺圖像的SIFT特征和HOG特征建立圖像特征庫，結合分層聚類樹，通過比對待檢索圖像與數據庫中圖像特征的相似度進行檢索。該方法采取傳統的人工設計特征SIFT和HOG特征提取圖像底層特征，表達能力不強，檢索準確率有待進一步提高。

發明內容

本發明所要解決的技術問題是：現有的技術大多是采用人工設計特征提取圖像的底層特征描述，從而導致表達能力不強、檢索精度低；其次現有技術采用單個圖像的內容檢索，沒有將圖像的立體深層信息結合起來。從而提供了一種基于卷積神經網絡的肺結節圖像塊檢索方法及裝置。

本發明解決上述技術問題的技術方案如下：一種基于卷積神經網絡的肺結節圖像塊檢索方法，包括：

步驟1：獲取肺結節圖像塊；

步驟2：對肺結節圖像塊進行切片處理，得到至少兩張肺結節切片掃描圖；

步驟3：通過構造卷積神經網絡提取肺結節切片掃描圖的圖像特征；

步驟4：將任意一張肺結節切片掃描圖的圖像特征作為肺結節的一個局部特征，得到肺結節的局部特征集合；

步驟5：重復步驟1-4，獲取數據庫中所有肺結節的局部特征集合；

步驟6：對所有肺結節的局部特征集合進行聚類、構建視覺詞典；

步驟7：基于視覺詞典獲取肺結節帶權特征向量，通過倒排索引的方式對肺結節帶權特征向量構建索引庫；