[發明專利]一種肺結節相對位置確定的方法及裝置

在審

• 申請號: 201910654974.4
• 申請日: 2019-07-19
• 公開（公告）號: CN110400295A
• 公開（公告）日: 2019-11-01
• 發明（設計）人: 石磊;倪浩;鄭永升;魏子昆;華銥煒;丁澤震
• 申請（專利權）人: 杭州依圖醫療技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 張懷陽

1.一種肺結節相對位置確定的方法，其特征在于，包括：

獲取肺部3D影像、所述肺部3D影像上肺結節的三維坐標和肺分割影像；

根據所述肺結節的三維坐標從所述肺部3D影像上確定出包含所述肺結節的ROI；

根據所述包含所述肺結節的ROI、所述肺結節的三維坐標、所述肺分割影像和預設的3D卷積神經網絡分類模型，確定所述肺結節的相對位置；所述預設的3D卷積神經網絡分類模型是通過對已標記的肺部3D影像、已標記的肺結節的三維坐標和已標記的肺分割影像進行訓練學習得到的。

2.如權利要求1所述的方法，其特征在于，所述根據所述肺結節的三維坐標從所述肺部3D影像上確定出包含所述肺結節的ROI，包括：

以所述肺結節的三維坐標為中心，從所述肺部3D影像上截取預設尺寸的立體塊確定為包含所述肺結節的ROI。

3.如權利要求1所述的方法，其特征在于，所述預設的3D卷積神經網絡分類模型包括特征提取模塊和全連接分類模塊；

所述根據所述包含所述肺結節的ROI、所述肺結節的三維坐標、所述肺分割影像和預設的3D卷積神經網絡分類模型，確定所述肺結節的相對位置，包括：

將所述包含所述肺結節的ROI、所述肺結節的三維坐標和所述肺分割影像輸入至所述特征提取模塊，得到所述肺部3D影像的特征向量；

將所述肺部3D影像的特征向量輸入至所述全連接分類模塊中，得到各相對位置的置信度；

將置信度大于預設閾值的相對位置確定為所述肺結節的相對位置。

4.如權利要求3所述的方法，其特征在于，所述肺結節的相對位置為所述肺結節是否位于胸膜上。

5.如權利要求3所述的方法，其特征在于，所述特征提取模塊包括N個連續的卷積模塊，每個卷積模塊包括一個M×M×M的3D卷積層、一個批量歸一化層、一個激活函數層和一個Y×Y×Y的池化層；

所述全連接分類模塊包括兩個連續的全連接層。

6.一種肺結節相對位置確定的裝置，其特征在于，包括：

獲取單元，用于獲取肺部3D影像、所述肺部3D影像上肺結節的三維坐標和肺分割影像；

處理單元，用于根據所述肺結節的三維坐標從所述肺部3D影像上確定出包含所述肺結節的ROI；根據所述包含所述肺結節的ROI、所述肺結節的三維坐標、所述肺分割影像和預設的3D卷積神經網絡分類模型，確定所述肺結節的相對位置；所述預設的3D卷積神經網絡分類模型是通過對已標記的肺部3D影像、已標記的肺結節的三維坐標和已標記的肺分割影像進行訓練學習得到的。

7.如權利要求6所述的裝置，其特征在于，所述處理單元具體用于：

以所述肺結節的三維坐標為中心，從所述肺部3D影像上截取預設尺寸的立體塊確定為包含所述肺結節的ROI。

8.如權利要求6所述的裝置，其特征在于，所述預設的3D卷積神經網絡分類模型包括特征提取模塊和全連接分類模塊；

所述處理單元具體用于：

將所述包含所述肺結節的ROI、所述肺結節的三維坐標和所述肺分割影像輸入至所述特征提取模塊，得到所述肺部3D影像的特征向量；

將所述肺部3D影像的特征向量輸入至所述全連接分類模塊中，得到各相對位置的置信度；

將置信度大于預設閾值的相對位置確定為所述肺結節的相對位置。

9.如權利要求8所述的裝置，其特征在于，所述肺結節的相對位置為所述肺結節是否位于胸膜上。

10.如權利要求8所述的裝置，其特征在于，所述特征提取模塊包括N個連續的卷積模塊，每個卷積模塊包括一個M×M×M的3D卷積層、一個批量歸一化層、一個激活函數層和一個Y×Y×Y的池化層；

所述全連接分類模塊包括兩個連續的全連接層。