[發(fā)明專利]一種肺結節(jié)相對位置確定的方法及裝置

在審

• 申請?zhí)枺?/td>: 201910654974.4
• 申請日: 2019-07-19
• 公開（公告）號: CN110400295A
• 公開（公告）日: 2019-11-01
• 發(fā)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(yī)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(chǎn)權代理有限公司 11291
• 代理人: 張懷陽

本發(fā)明公開了一種肺結節(jié)相對位置確定的方法及裝置，該方法包括獲取肺部3D影像、肺結節(jié)的三維坐標和肺分割影像，根據(jù)肺結節(jié)的三維坐標從肺部3D影像上確定出肺結節(jié)的ROI，根據(jù)肺結節(jié)的ROI、肺結節(jié)的三維坐標、肺分割影像和預設的3D卷積神經(jīng)網(wǎng)絡分類模型，確定肺結節(jié)的相對位置。采用預設的3D卷積神經(jīng)網(wǎng)絡分類模型對肺結節(jié)的ROI、肺結節(jié)的三維坐標、肺分割影像進行分析得到肺結節(jié)的相對位置，由于以上模型均是通過對大量數(shù)據(jù)進行訓練得到的，從而使得通過模型得到的結果較為合理，且具有一定的科學依據(jù)。相比于傳統(tǒng)的醫(yī)生診斷的方式而言，能夠降低因醫(yī)生水平差異導致的診斷誤差率，從而提高確定肺結節(jié)相對位置的準確性。

技術領域

本發(fā)明實施例涉及機器學習技術領域，尤其涉及一種肺結節(jié)相對位置確定的方法及裝置。

背景技術

隨著環(huán)境污染的日益嚴重，越來越多的疾病呈現(xiàn)出高爆發(fā)率的趨勢?，F(xiàn)代醫(yī)療技術的發(fā)展已經(jīng)很成熟，醫(yī)生可以憑借醫(yī)學知識以及醫(yī)療經(jīng)驗診斷出各種疾病。也就是說，現(xiàn)有技術中的確定疾病的大多依靠醫(yī)生的診斷，然而由于各個地區(qū)的醫(yī)療水平很不一致，且醫(yī)生的個人經(jīng)驗水平也參差不齊，因此，傳統(tǒng)的醫(yī)生診斷疾病的方法容易受到地區(qū)醫(yī)療水平以及醫(yī)生個人經(jīng)驗水平的影像，導致診斷誤差較大的問題。

以肺結節(jié)的相對位置為例，醫(yī)生通常需要人為地觀測肺結節(jié)是否位于胸膜上，以分析該肺結節(jié)是否為良性，這一過程難免會出現(xiàn)誤診的情況。

基于此，目前亟需一種確定肺結節(jié)的相對位置的方法，用于提高識別肺結節(jié)的相對位置的準確率。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種肺結節(jié)相對位置確定的方法及裝置，用以提高肺結節(jié)相對位置確定的準確率。

本發(fā)明實施例提供的一種肺結節(jié)相對位置確定的方法，包括：

獲取肺部3D影像、所述肺部3D影像上肺結節(jié)的三維坐標和肺分割影像；

根據(jù)所述肺結節(jié)的三維坐標從所述肺部3D影像上確定出包含所述肺結節(jié)的感興趣區(qū)域(Region of Interest，ROI)；

根據(jù)所述包含所述肺結節(jié)的ROI、所述肺結節(jié)的三維坐標、所述肺分割影像和預設的3D卷積神經(jīng)網(wǎng)絡分類模型，確定所述肺結節(jié)的相對位置；所述預設的3D卷積神經(jīng)網(wǎng)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(jié)的三維坐標和已標記的肺分割影像進行訓練學習得到的。

上述技術方案中，采用預設的3D卷積神經(jīng)網(wǎng)絡分類模型對肺結節(jié)的ROI、肺結節(jié)的三維坐標、肺分割影像進行分析得到肺結節(jié)的相對位置，由于以上模型均是通過對大量數(shù)據(jù)進行訓練得到的，從而使得通過模型得到的結果較為合理，且具有一定的科學依據(jù)。相比于傳統(tǒng)的醫(yī)生診斷的方式而言，能夠降低因醫(yī)生水平差異導致的診斷誤差率，從而提高確定肺結節(jié)相對位置的準確性。

可選的，所述根據(jù)所述肺結節(jié)的三維坐標從所述肺部3D影像上確定出包含所述肺結節(jié)的ROI，包括：

以所述肺結節(jié)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(jié)的ROI。

可選的，所述預設的3D卷積神經(jīng)網(wǎng)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(jù)所述包含所述肺結節(jié)的ROI、所述肺結節(jié)的三維坐標、所述肺分割影像和預設的3D卷積神經(jīng)網(wǎng)絡分類模型，確定所述肺結節(jié)的相對位置，包括：

將所述包含所述肺結節(jié)的ROI、所述肺結節(jié)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(jié)的相對位置。

可選的，所述肺結節(jié)的相對位置為所述肺結節(jié)是否位于胸膜上。