[發明專利]一種肺結節鑒別方法、裝置、設備及介質

在審

• 申請號: 201811630064.4
• 申請日: 2018-12-28
• 公開（公告）號: CN109741312A
• 公開（公告）日: 2019-05-10
• 發明（設計）人: 陳彥博;高耀宗;詹翊強
• 申請（專利權）人: 上海聯影智能醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發明實施例公開了一種肺結節鑒別方法、裝置、設備及介質，所述方法包括：獲取待鑒別圖像數據；將所述待鑒別圖像數據輸入至預先訓練好的，包括肺結節鑒別主干網絡、肺結節分割網絡以及肺結節密度分類網絡的鑒別模型中，獲得所述鑒別模型輸出的分類結果；根據所述分類結果確定所述待鑒別圖像數據的鑒別結果。本發明實施例所提供的肺結節鑒別方法通過結合肺結節鑒別主干網絡、肺結節分割網絡和肺結節密度分類網絡進行肺結節的鑒別，提高了肺結節鑒別結果的準確性。

技術領域

本發明實施例涉及醫學圖像技術領域，尤其涉及一種肺結節鑒別方法、裝置、設備及介質。

背景技術

肺癌是世界范圍內死亡率最高的癌癥之一。病人的癌癥被發現時，多數為中晚期，不僅存活率低，而且治療成本高昂。早期診斷可有效提高肺癌患者的存活率，減輕患者家庭負擔。電子計算機斷層掃描(Computed Tomography，CT)的肺癌篩查是常見的早期診斷技術，但會導致醫生工作強度的大幅上升，以及與之相伴的肺結節漏診，特別是磨玻璃結節的漏診。計算機輔助診斷(CAD)可以幫助醫生降低工作強度，提升準確率，減少診斷錯誤。

近年來，基于深度學習的CAD技術逐漸得到醫生的信賴和采用，特別是肺結節的檢測任務，基于深度學習的CAD技術能夠大大減少醫生的工作量，同時能夠一定程度上降低漏診率。但是檢測結果中會有較多小結節以及胸膜結節，這些結節絕大部分都是良性的，對于病人不會產生影響。因此需要有一個良惡性鑒別的環節，幫助醫生對肺結節進行分類，以便給出針對性建議，減少病人不必要的恐慌。

關于肺結節鑒別，目前已經有許多算法對其進行實現，包括傳統算法以及深度學習算法。但是由于肺結節的良惡性較難準確界定，其與多種征象都有關系，而目前基于深度學習的方法進行肺結節良惡性鑒別時，主要都是簡單的將原始圖像輸入到網絡中，讓網絡本身去學習輸入圖像的特征，這種方法若希望取得較為理想的鑒別結果，需要有大量的數據支撐，但是肺結節良惡性的標注需要對手術患者的切片進行病理分析，實現起來較為困難。因此目前基于深度學習的鑒別模型獲得的鑒別結果準確率較低。

發明內容

本發明實施例提供了一種肺結節鑒別方法、裝置、設備及介質，以實現提高肺結節鑒別結果的準確性。

第一方面，本發明實施例提供了一種肺結節鑒別方法，包括：

獲取待鑒別圖像數據；

將所述待鑒別圖像數據輸入至預先訓練好的鑒別模型中，獲得所述鑒別模型輸出的分類結果，所述鑒別模型包括肺結節鑒別主干網絡、肺結節分割網絡以及肺結節密度分類網絡；

根據所述分類結果確定所述待鑒別圖像數據的鑒別結果。

第二方面，本發明實施例還提供了一種醫學圖像顯示裝置，包括：

圖像數據獲取模塊，用于獲取待鑒別圖像數據；

分類結果獲取模塊，用于將所述待鑒別圖像數據輸入至預先訓練好的鑒別模型中，獲得所述鑒別模型輸出的分類結果，所述鑒別模型包括肺結節鑒別主干網絡、肺結節分割網絡以及肺結節密度分類網絡；

鑒別結果確定模塊，根據所述分類結果確定所述待鑒別圖像數據的鑒別結果。

第三方面，本發明實施例還提供了一種計算機設備，所述設備包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如本發明任意實施例所提供的用于肺結節鑒別方法。

第四方面，本發明實施例還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如本發明任意實施例所提供的肺結節鑒別方法。