[發明專利]一種基于醫學圖像的結節檢測方法、裝置及電子設備

有效

• 申請號: 202010621972.8
• 申請日: 2020-06-30
• 公開（公告）號: CN111798424B
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 張佳琦;呂晨翀;丁佳;王子騰;孫安瀾;胡陽
• 申請（專利權）人: 廣西醫準智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于醫學圖像的結節檢測方法，其特征在于，包括以下步驟：

以基于醫學圖像的圖像序列作為輸入，通過粗檢測網絡對候選結節進行定位并輸出第一預測分數；

以經粗檢測網絡定位的候選結節所對應的圖像序列，通過假陽性抑制網絡進行分類訓練，得到待定結節及其第二預測分數；

構建待定結節的單個特征，基于多個所述待定結節的單個特征構建全局特征，將所述單個特征及所述全局特征拼接為融合特征，進行回歸訓練后輸出第三預測分數；

所述全局特征通過如下方法構造：選擇所有待定結節的前n個單個特征進行拼接，構成全局特征，若病例待定結節少于n，則在空位以0填充，保證與全局特征長度相等；

所述待定結節的單個特征以其在假陽性抑制網絡中的特征參數，結合人工特征而構建；

所述待定結節的所述人工特征包含待定結節經粗檢測網絡的所述第一預測分數、經假陽性抑制網絡的所述第二預測分數、結節形態特征中的一種或多種參數。

2.根據權利要求1所述的基于醫學圖像的結節檢測方法，其特征在于，所述粗檢測網絡采用特征金字塔網絡進行特征提取，分類訓練中采用焦點損失函數作為損失函數。

3.根據權利要求1所述的基于醫學圖像的結節檢測方法，其特征在于，所述假陽性抑制網絡采用3D卷積神經網絡。

4.根據權利要求1至3中任一項所述的基于醫學圖像的結節檢測方法，其特征在于，構建全局特征通過以下的方式進行：選擇所有待定結節的前n個單個特征進行拼接，若病例的待定結節少于n，則在空位以0填充；對于融合特征采用梯度提升決策樹進行回歸訓練。

5.根據權利要求4所述的基于醫學圖像的結節檢測方法，其特征在于，所述n為20-30。

6.根據權利要求1至3中任一項所述基于醫學圖像的結節檢測方法，其特征在于，還包括使用分割網絡對檢測到的結節提取輪廓信息以計算形態特征，所述形態特征包含結節的長徑、短徑、等效直徑、體積、Hu值中的一中或多種。

7.根據權利要求6所述的基于醫學圖像的結節檢測方法，其特征在于，所述分割網絡為3D U-Net分割網絡。

8.根據權利要求1至3中任一項所述基于醫學圖像的結節檢測方法，其特征在于，還包括隨訪配準步驟，所述隨訪匹配步驟通過對同一病例不同時期醫學圖像進行圖像配準，通過計算不同時期的肺結節間的歐氏距離，將滿足閾值設定的結節間連邊建圖，選取連通分量之中距離最小的結節對作為最終的配對結果，建立不同時期的圖像中結節對應關系，輔助醫生對于舊結節的變化和新結節進行識別和分析。

9.根據權利要求1至3中任一項所述基于醫學圖像的結節檢測方法，其特征在于，所述醫學圖像來自肺部CT圖像。

10.根據權利要求4中所述基于醫學圖像的結節檢測方法，其特征在于，所述醫學圖像來自肺部CT圖像。

11.根據權利要求6中所述基于醫學圖像的結節檢測方法，其特征在于，所述醫學圖像來自肺部CT圖像。

12.根據權利要求8中所述基于醫學圖像的結節檢測方法，其特征在于，所述醫學圖像來自肺部CT圖像。

13.一種基于醫學圖像的結節檢測裝置，其特征在于，包括圖像獲取單元，獲取待處理的醫學圖像；檢測單元，根據權利要求1至12中任一項所述基于醫學圖像的結節檢測方法，對所述待處理的醫學圖像進行結節檢測。

14.一種計算機可讀介質，其存儲有計算機程序，所述計算機程序被處理器執行時，實現權利要求1至12中任一項所述基于醫學圖像的結節檢測方法。

15.一種電子設備，其特征在于，包括處理器以及存儲器，所述存儲器上存儲一條或多條可讀指令，所述一條或多條可讀指令被所述處理器執行時，實現權利要求1至12中任一項所述基于醫學圖像的結節檢測方法。