[發明專利]一種肺部影像檢索方法及裝置

有效

• 申請號: 201711436017.1
• 申請日: 2017-12-26
• 公開（公告）號: CN108171692B
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 魏巖;殷保才;胡群威;辛一
• 申請（專利權）人: 安徽科大訊飛醫療信息技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G16H50/70
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;李相雨

1.一種肺部影像檢索方法，其特征在于，包括：

獲取待檢索肺部影像中包含病灶的類型，根據病灶的類型從待檢索肺部影像中獲取對應的檢索特征向量，每種檢索特征向量都代表一個維度，且各維度都有對應的權重值；

在與病灶的類型對應的樣本圖像庫中，根據檢索特征向量獲取與待檢索肺部影像相似度最高的至少一個樣本肺部影像；其中，所述樣本圖像庫包括屬于同一病灶類型的各樣本肺部影像和根據所述同一病灶類型從各樣本肺部影像獲取的對應樣本特征向量；

所述樣本圖像庫中的每種樣本特征向量各對應一個維度，所述各維度有相應的權重值；

相應的，在與病灶的類型對應的樣本圖像庫中，根據檢索特征向量獲取與待檢索肺部影像相似度最高的至少一個樣本肺部影像包括：

根據病灶的類型，獲取與病灶的類型對應的樣本圖像庫；

計算所述檢索特征向量分別與所述樣本圖像庫中各樣本肺部影像相應各維度的樣本特征向量的相似度，相似度對應乘以各維度的權重值并求和，獲得求和值最高的至少一個樣本肺部影像；

所述根據病灶的類型從待檢索肺部影像中獲取對應的檢索特征向量前還包括：

對待檢索肺部影像進行分析，分割出待檢索肺部影像中的氣管、支氣管、肺部和血管；

所述病灶的類型包括以下至少一種：肺結節、肺炎、支氣管擴展、肺氣腫和肺結核；

相應的，所述肺結節對應的檢索特征向量和樣本特征向量包括以下至少一種：良惡性特征向量、毛刺征特征向量、鈣化特征向量、空泡征特征向量和邊緣清晰程度特征向量；

所述肺炎對應的檢索特征向量和樣本特征向量包括以下至少一種：肺部紋理特征向量、肺血管增厚程度特征向量和支氣管增厚程度特征向量；

所述支氣管擴展對應的檢索特征向量和樣本特征向量包括以下至少一種：支氣管形狀變化特征向量和是否有葡萄狀特征向量；

所述肺氣腫對應的檢索特征向量和樣本特征向量包括以下至少一種：肺區中低密度的陰影特征特征向量和肺結構破壞程度特征向量；

所述肺結核對應的檢索特征向量和樣本特征向量包括以下至少一種：斑狀陰影特征向量、結核球特征向量、胸膜炎特征向量和胸內淋巴結結核特征向量。

2.根據權利要求1所述的方法，其特征在于，所述獲取待檢索肺部影像中包含病灶的類型，包括：

將待檢索肺部影像輸入預先構建的病灶類型識別模型，獲取待檢索肺部影像中包含病灶屬于對應病灶的類型的識別結果；

具體地，所述預先構建的病灶類型識別模型包括輸入層、卷積層、降采樣層、全連接層和輸出層；病灶類型識別模型的輸入為待檢索肺部影像，輸出為待檢索肺部影像中包含病灶屬于對應病灶的類型的識別結果。

3.根據權利要求1所述的方法，其特征在于，所述肺結節對應的檢索特征向量和樣本特征向量通過以下步驟獲取：

根據所述待檢索肺部影像或樣本肺部影像，基于預先構建的特征向量提取多任務模型，獲得肺結節對應的各檢索特征向量或樣本特征向量；

其中，所述預先構建的特征向量提取多任務模型為卷積神經網絡CNN；所述預先構建的特征向量提取多任務模型采用多任務學習方式Multi-task learning訓練獲得。

4.根據權利要求1所述的方法，其特征在于，對待檢索肺部影像進行分析，分割出待檢索肺部影像中的氣管包括：

選取待檢索肺部影像中最靠近喉嚨的m層影像切片中的任意一層作為第一肺部影像切片，利用區域生長法去除第一肺部影像切片中的黑色背景區域，獲得模板影像；根據氣管上下層連通性及氣管位于人體中心的特點，在所述模板影像中找到最佳氣管分割種子點，迭代循環分割尋找最佳氣管分割閾值，最后分割出待檢索肺部影像中各層影像切片中的氣管區域；其中m≥1，m為整數。

5.根據權利要求1所述的方法，其特征在于，對待檢索肺部影像進行分析，分割出待檢索肺部影像中的肺部包括：

選取待檢索肺部影像中最遠離喉嚨的n層影像切片，從n層影像切片的氣管區域中找到HU值最小的點對應的影像切片，將所述HU值最小的點作為肺部種子點，利用OTSU算法得到肺分割的最佳閾值，基于肺部種子點和肺分割的最佳閾值利用區域生長法分割出肺部區域；其中n≥1，n為整數。