[發(fā)明專利]一種結(jié)節(jié)倍增時間的確定方法及裝置

在審

• 申請?zhí)枺?/td>: 201810344657.8
• 申請日: 2018-04-17
• 公開（公告）號: CN108629803A
• 公開（公告）日: 2018-10-09
• 發(fā)明（設計）人: 魏子昆;楊忠程;丁澤震
• 申請（專利權(quán)）人: 杭州依圖醫(yī)療技術(shù)有限公司;杭州依圖網(wǎng)絡科技有限公司;廣州依圖醫(yī)療技術(shù)有限公司
• 主分類號: G06T7/62
• 分類號: G06T7/62;G06T7/30;G06T7/11
• 代理公司: 北京同達信恒知識產(chǎn)權(quán)代理有限公司 11291
• 代理人: 黃志華

本發(fā)明公開了一種結(jié)節(jié)倍增時間的確定方法及裝置，該方法包括獲取第一結(jié)節(jié)影像和第二結(jié)節(jié)影像，將第一結(jié)節(jié)影像和第二結(jié)節(jié)影像中的目標結(jié)節(jié)進行匹配，并確定第一結(jié)節(jié)影像和第二結(jié)節(jié)影像中匹配的目標結(jié)節(jié)的長短徑的長度，根據(jù)結(jié)節(jié)的長短徑的長度確定第一結(jié)節(jié)影像和第二結(jié)節(jié)影像中匹配的目標結(jié)節(jié)的體積，根據(jù)第一結(jié)節(jié)影像和第二結(jié)節(jié)影像中匹配的目標結(jié)節(jié)的體積確定第一結(jié)節(jié)影像和第二結(jié)節(jié)影像中匹配的目標結(jié)節(jié)的倍增時間。通過檢測兩次拍攝的結(jié)節(jié)影像中目標結(jié)節(jié)的長短徑，確定出各自的體積，比較目標結(jié)節(jié)兩次的體積變化，可以確定出倍增時間，從而可以提高倍增時間的效率和準確度。

技術(shù)領域

本發(fā)明實施例涉及機器學習技術(shù)領域，尤其涉及一種結(jié)節(jié)倍增時間的確定方法及裝置。

背景技術(shù)

目前，結(jié)節(jié)己引起廣泛關(guān)注，例如肺結(jié)節(jié)、甲狀腺結(jié)節(jié)等等，醫(yī)生一般通過醫(yī)學影像手段觀察患者結(jié)節(jié)的情況。由于隨著時間的增長，患者的結(jié)節(jié)可能發(fā)生變化，例如，增大、減小，或者，長出新的結(jié)節(jié)等等。目前從醫(yī)學影像中找出結(jié)節(jié)增大的時間估算方法主要是通過醫(yī)生觀察前后兩次拍攝醫(yī)學影像來人工判斷結(jié)節(jié)增大的時間，但是這種情況會導致估算的結(jié)節(jié)增大時間準確性不高，同時也會耗費大量的時間，并且存在較大的主觀性。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種結(jié)節(jié)倍增時間的確定方法及裝置，用以提高結(jié)節(jié)倍增時間估算的效率以及準確度。

本發(fā)明實施例提供的一種結(jié)節(jié)倍增時間的確定方法，包括：

獲取第一結(jié)節(jié)影像和第二結(jié)節(jié)影像；

將所述第一結(jié)節(jié)影像和第二結(jié)節(jié)影像中的目標結(jié)節(jié)進行匹配，并確定所述第一結(jié)節(jié)影像和所述第二結(jié)節(jié)影像中匹配的目標結(jié)節(jié)的長短徑的長度；

根據(jù)所述結(jié)節(jié)的長短徑的長度確定所述第一結(jié)節(jié)影像和所述第二結(jié)節(jié)影像中匹配的目標結(jié)節(jié)的體積；

根據(jù)所述第一結(jié)節(jié)影像和所述第二結(jié)節(jié)影像中匹配的結(jié)節(jié)的體積確定所述第一結(jié)節(jié)影像和所述第二結(jié)節(jié)影像中匹配的目標結(jié)節(jié)的倍增時間。

通過檢測兩次拍攝的結(jié)節(jié)影像中目標結(jié)節(jié)的長短徑，確定出各自的體積，比較目標結(jié)節(jié)兩次的體積變化，可以確定出倍增時間，從而可以提高倍增時間的效率和準確度。

可選的，所述將所述第一結(jié)節(jié)影像和第二結(jié)節(jié)影像中的目標結(jié)節(jié)進行匹配，包括：

確定所述第一結(jié)節(jié)影像和所述第二結(jié)節(jié)影像中各定位錨點在所述第一結(jié)節(jié)影像和所述第二結(jié)節(jié)影像中的第一坐標；

根據(jù)所述第一結(jié)節(jié)影像和所述第二結(jié)節(jié)影像的分割圖像以及所述第一結(jié)節(jié)影像和所述第二結(jié)節(jié)影像中各定位錨點的第一坐標，確定空間變換矩陣；

根據(jù)所述空間變換矩陣將所述第一結(jié)節(jié)影像中目標結(jié)節(jié)的第一坐標轉(zhuǎn)換為標定坐標系的第二坐標；

根據(jù)所述第一結(jié)節(jié)影像的目標結(jié)節(jié)的第二坐標，確定在所述第二結(jié)節(jié)影像中與所述第一結(jié)節(jié)影像的目標結(jié)節(jié)匹配的目標結(jié)節(jié)。

通過空間變換矩陣可以轉(zhuǎn)換第一結(jié)節(jié)影像中目標結(jié)節(jié)的在第二結(jié)節(jié)影像中的坐標，從而可以確定出在第二結(jié)節(jié)影像中與第一結(jié)節(jié)影像中目標結(jié)節(jié)匹配的目標結(jié)節(jié)，從而提供結(jié)節(jié)匹配的效率。

可選的，所述確定目標結(jié)節(jié)的長短徑的長度，包括：

獲取所述目標結(jié)節(jié)的三維坐標；

根據(jù)所述目標結(jié)節(jié)的三維坐標從結(jié)節(jié)影像中確定包含所述目標結(jié)節(jié)的感興趣區(qū)域(Region of Interest，簡稱ROI)；

根據(jù)所述ROI以及結(jié)節(jié)分割模型從所述結(jié)節(jié)影像中分割出結(jié)節(jié)區(qū)域，所述結(jié)節(jié)分割模型是采用卷積神經(jīng)網(wǎng)絡對已標記結(jié)節(jié)區(qū)域的多幅結(jié)節(jié)影像進行訓練后確定的；

通過對所述結(jié)節(jié)區(qū)域進行測量確定所述目標結(jié)節(jié)的長短徑的長度。