[發明專利]一種肺部結節檢測及性質判定系統及方法

在審

• 申請號: 202010148254.3
• 申請日: 2020-03-05
• 公開（公告）號: CN111311589A
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 陳昶;謝冬;佘云浪;鄧家駿;任怡久;蘇杭
• 申請（專利權）人: 上海市肺科醫院（上海市職業病防治院）
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 上海申新律師事務所 31272
• 代理人: 黨蕾

本發明公開了一種肺部結節檢測及性質判定系統及方法，涉及神經網絡。第一獲取模塊，獲取肺部斷層掃描圖像；第二獲取模塊，獲取臨床數據；預處理模塊，得到肺實質斷層掃描圖像；數據存儲模塊，保存結節檢測模型和結節分類模型；結節檢測模塊包括：檢測單元，檢測得到肺部結節候選區位置；分類單元，對候選區位置處理得到真實結節區域；標注模塊，對各高維特征和臨床數據進行人工標注，獲得標注圖像；訓練模塊，訓練得到肺部結節性質判定模型；模型構建模塊，構建肺部結節識別模型；預測模塊，將待檢測患者的肺部斷層掃描圖像輸入到肺部結節識別模型，得到預測概率。具有以下有益效果：提升真實結節性質判定的準確率。

技術領域

本發明涉及神經網絡領域，尤其涉及一種肺部結節檢測及性質判定系統及方法。

背景技術

隨著機器學習算法的完善以及計算機硬件的發展，深度學習已經開始大范圍應用于醫療圖像的處理。在胸部醫學影像領域，現有的技術多聚焦于肺部結節的檢出以及相應算法的改進，主要包括在肺斷層掃描圖像上對結節進行識別，定位，標識等。然而，目前已有的計算機輔助檢測系統的檢測結果假陽性率偏高，不僅利于臨床醫生提高臨床工作的效率，反而增加了醫生的工作量，并且未能對結節的性質做進一步的劃分，臨床意義不大。

除此之外，對于檢測出來的肺部結節，準確判斷其良惡性可以幫助臨床醫生制定隨訪及治療策略，但現有的少數結節性質判定系統僅依賴于圖像的特征信息，并沒有完全利用患者臨床及實驗室相關檢查的信息。因此，一個完善的，對結節進行檢測，并且結合臨床數據等多方面信息對結節的良惡性進行判定的系統有著重要的臨床意義，在未來有望大幅度的提高臨床診斷的效率，減輕影像科醫生的負擔。

本發明提供一種肺部結節檢測及性質判定系統及方法，通過采用深度學習算法，構建肺部結節模型，識別肺部結節的真實性及其性質，從而篩選出真實結節中早期肺癌，實現提前干預或治療。

發明內容

本發明為了解決上述問題，現提出一種肺部結節檢測及性質判定系統，包括：

第一獲取模塊，用于獲取若干患者的肺部斷層掃描圖像；

第二獲取模塊，用于獲取各所述肺部斷層掃描圖像關聯的臨床數據；

預處理模塊，連接所述第一獲取模塊，用于對各所述肺部斷層掃描進行圖像預處理得到對應的肺實質斷層掃描圖像；

數據存儲模塊，用于保存預先生成的一結節檢測模型和一結節分類模型；

結節檢測模塊，分別連接所述預處理模塊和所述數據存儲模塊，所述結節檢測模塊包括：

檢測單元，用于根據所述結節檢測模型分別對各所述肺實質斷層掃描圖像進行結節檢測，得到肺部結節候選區位置；

分類單元，連接所述檢測單元，用于根據所述結節分類模型對各所述肺部結節候選區位置進行處理得到真實結節區域；

標注模塊，分別連接所述第二獲取模塊和所述結節檢測模塊，用于分別對各所述真實結節區域中包含的肺部結節進行高維特征提取，并根據提取得到的所述高維特征和所述臨床數據進行人工標注，獲得包含所述肺部結節的結節性質的標注圖像；

所述結節性質為所述肺部結節為惡性結節的真實概率；

訓練模塊，連接所述標注模塊，用于根據所述標注圖像訓練得到肺部結節性質判定模型；

模型構建模塊，分別連接所述數據存儲模塊和所述訓練模塊，用于根據所述結節檢測模型、所述結節分類模型和所述肺部結節性質判定模型構建肺部結節識別模型，所述肺部結節識別模型的輸入為所述結節檢測模型的輸入，所述結節檢測模型的輸出作為所述結節分類模型的輸入，且所述結節分類模型的輸出作為所述肺部結節性質判定模型的輸入，所述肺部結節性質判定模型的輸出為所述肺部結節識別模型的輸出；