[發明專利]肺結節檢測模型訓練方法和裝置、肺結節檢測方法和裝置

在審

• 申請號: 201711497927.0
• 申請日: 2017-12-29
• 公開（公告）號: CN108090903A
• 公開（公告）日: 2018-05-29
• 發明（設計）人: 塔巴克希尼瑪;申在律;杰雅色蘭勞拉;嚴行健;梁建明;丁曉偉
• 申請（專利權）人: 蘇州體素信息科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京細軟智谷知識產權代理有限責任公司 11471
• 代理人: 付登云

1.一種肺結節檢測模型訓練方法，其特征在于，所述肺結節檢測模型至少包括基于2DFaster R-CNN網絡的候選生成器和基于3D CNN網絡的FPR模型；所述肺結節檢測模型訓練方法，包括：

對CT灰度圖像進行堆疊，其中，將連續層疊的M層CT灰度圖像按照預設策略堆疊生成一層緊湊圖像；M的取值為正整數；

將所述緊湊圖像、所述緊湊圖像中存在的實際肺結節的標注，輸入到所述候選生成器，進行收斂訓練，輸出候選區域與對候選區域的判斷，分別為背景區域、肺結節候選區域和假陽性候選區域；其中，所述標注包括肺結節的位置和直徑；

將所述候選生成器輸出的肺結節候選區域與所述標注對比，分出肺結節候選區域與假陽性候選區域，輸入所述FPR模型，進行收斂訓練，分類輸出肺結節和假陽性，以及根據分類輸出的肺結節的位置中心向實際肺結節的位置中心移動的向量回歸出平移矢量，以便檢測時進行平移矢量的預測，根據預測的平移矢量，將預測的肺結節的位置中心向實際肺結節的位置中心移動。

2.根據權利要求1所述的方法，其特征在于，所述將所述緊湊圖像、所述緊湊圖像中存在的實際肺結節的標注，輸入到所述候選生成器，進行收斂訓練，輸出候選區域與對候選區域的判斷，分別為背景區域、肺結節候選區域和假陽性候選區域，包括：

將所述緊湊圖像、所述緊湊圖像中存在的實際肺結節的標注，輸入到所述候選生成器，進行第一階段的收斂訓練，分類輸出背景區域和肺結節候選區域；

收集所述候選生成器進行第一階段的收斂訓練輸出的肺結節候選區域中的假陽性候選區域，并獲取假陽性候選區域的位置；

將所述緊湊圖像、所述緊湊圖像中存在的實際肺結節的標注、假陽性候選區域的位置，輸入到所述候選生成器，進行第二階段的收斂訓練，輸出背景區域、肺結節候選區域和假陽性候選區域。

3.根據權利要求1所述的方法，其特征在于，所述2D Faster R-CNN網絡包括RPN子網絡和2D Fast R-CNN子網絡；

所述將所述緊湊圖像、所述緊湊圖像中存在的實際肺結節的標注，輸入到所述候選生成器，進行收斂訓練，包括：

將所述緊湊圖像輸入到所述RPN子網絡，進行收斂訓練，輸出候選區域及候選區域包含肺結節的概率評分；

將概率評分大于預設概率評分閾值的候選區域，輸入到所述2D Fast R-CNN子網絡進行收斂訓練。

4.根據權利要求1所述的方法，其特征在于，所述將連續層疊的M層CT灰度圖像按照預設策略堆疊生成一層緊湊圖像，包括：

計算連續層疊的M層CT灰度圖像的對應像素點的灰度值的平均值，將對應像素點的灰度值的平均值，作為緊湊圖像的對應像素點的灰度值。

5.根據權利要求4所述的方法，其特征在于，所述候選生成器具有R通道、G通道和B通道；

所述將所述緊湊圖像，輸入到所述候選生成器，包括：

將3層連續的所述緊湊圖像，分別輸入到所述候選生成器的R通道、G通道和B通道。

6.根據權利要求5所述的方法，其特征在于，所述將3層連續的所述緊湊圖像，分別輸入到所述候選生成器的R通道、G通道和B通道之前，該方法，還包括將所述緊湊圖像放大預設倍數。

7.根據權利要求1所述的方法，其特征在于，所述將候選生成器輸出的肺結節候選區域與所述標注對比，分出肺結節候選區域與假陽性候選區域，輸入FPR模型，包括：

將候選生成器輸出的肺結節候選區域與標注對比，分出肺結節候選區域與假陽性候選區域；

針對肺結節候選區域：將一個候選區域轉換成一個3D立方體，輸入到所述FPR模型；或者將連續分布且相鄰之間的距離小于預設距離閾值的多個候選區域合并，得到一個合并的候選區域，輸入到所述FPR模型；

針對假陽性候選區域：將一個候選區域轉換成一個3D立方體，輸入到所述FPR模型；或者將連續分布且相鄰之間的距離小于預設距離閾值的多個候選區域合并，得到一個合并的候選區域，輸入到所述FPR模型。