[發明專利]一種肺結節檢測方法、模型訓練方法、裝置、設備及介質

在審

• 申請號: 202010900390.3
• 申請日: 2020-08-31
• 公開（公告）號: CN112085714A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 王靜雯
• 申請（專利權）人: 廣州視源電子科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/52;G06K9/62;G06N3/04
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種肺結節檢測方法，其特征在于，包括：

獲取待檢測的多張肺部CT圖像；

分別從多張所述肺部CT圖像中提取出幾何特征，所述幾何特征用于表征潛在結節的幾何信息；

基于所述幾何特征計算各所述肺部CT圖像之間的相似度矩陣；

針對每一所述幾何特征，將所述相似度矩陣和所述幾何特征輸入預置的圖卷積神經網絡中進行處理，得到圖像特征；

基于所述圖像特征確定各所述肺部CT圖像存在肺結節的概率。

2.根據權利要求1所述的肺結節檢測方法，其特征在于，所述分別從多張所述肺部CT圖像中提取出幾何特征，包括：

將多張所述肺部CT圖像分別輸入預置的卷積神經網絡中進行處理，得到幾何特征。

3.根據權利要求2所述的肺結節檢測方法，其特征在于，所述卷積神經網絡包括第一卷積層、第二卷積層、第一池化層、第三卷積層、第二池化層、第四卷積層、第三池化層、第五卷積層和第四池化層；

所述將多張所述肺部CT圖像分別輸入預置的卷積神經網絡中進行處理，得到幾何特征，包括：

將所述肺部CT圖像輸入所述第一卷積層中進行卷積操作，得到第一特征；

將所述第一特征輸入所述第二卷積層中進行卷積操作，得到第二特征；

將所述第二特征輸入所述第一池化層中進行最大池化操作，得到第三特征；

將所述第三特征輸入所述第三卷積層中進行卷積操作，得到第四特征；

將所述第四特征輸入所述第二池化層中進行最大池化操作，得到第五特征；

將所述第五特征輸入所述第四卷積層中進行卷積操作，得到第六特征；

將所述第六特征輸入所述第三池化層中進行最大池化操作，得到第七特征；

將所述第七特征輸入所述第五卷積層中進行卷積操作，得到第八特征；

將所述第八特征輸入所述第四池化層中進行最大池化操作，得到幾何特征。

4.根據權利要求1-3任一所述的肺結節檢測方法，其特征在于，所述基于所述幾何特征計算各所述肺部CT圖像之間的相似度矩陣，包括：

對每一所述幾何特征進行歸一化處理，得到各所述幾何特征的邊緣概率分布；

基于所述邊緣概率分布計算各所述幾何特征之間的傳輸矩陣，各所述幾何特征之間包括多個所述傳輸矩陣；

計算任意兩個所述幾何特征中任意兩個元素之間的距離，得到距離矩陣；

基于所述傳輸矩陣與所述距離矩陣從多個所述傳輸矩陣中確定目標傳輸矩陣，所述目標傳輸矩陣使得各所述幾何特征之間的傳輸代價最小；

基于所述目標傳輸矩陣計算各所述肺部CT圖像之間的相似度矩陣。

5.根據權利要求4所述的肺結節檢測方法，其特征在于，所述基于所述傳輸矩陣與所述距離矩陣從多個所述傳輸矩陣中確定目標傳輸矩陣，包括：

計算所述傳輸矩陣與所述距離矩陣的內積；

將所述內積最小時的傳輸矩陣作為目標傳輸矩陣。

6.根據權利要求4所述的肺結節檢測方法，其特征在于，所述基于所述目標傳輸矩陣計算各所述肺部CT圖像之間的相似度矩陣，包括：

計算所述目標傳輸矩陣與所述距離矩陣的內積作為各所述幾何特征之間的瓦瑟斯坦距離；

基于所述瓦瑟斯坦距離計算每一所述肺部CT圖像與該肺部CT圖像的K近鄰內的肺部CT圖像的相似度，得到相似度矩陣。

7.根據權利要求1-3任一所述的肺結節檢測方法，其特征在于，所述圖卷積神經網絡包括第一圖卷積層、第二圖卷積層和第三圖卷積層，所述針對每一所述幾何特征，將所述相似度矩陣和所述幾何特征輸入預置的圖卷積神經網絡中進行處理，得到圖像特征，包括：

對所述相似度矩陣進行正則化處理，得到正則化矩陣；

將所述正則化矩陣和所述幾何特征輸入所述第一圖卷積層中進行卷積處理，得到第一圖卷積特征；

將所述正則化矩陣和所述第一圖卷積特征輸入所述第二圖卷積層中進行卷積處理，得到第二圖卷積特征；

將所述正則化矩陣和所述第二圖卷積特征輸入所述第三圖卷積層中進行卷積處理，得到圖像特征。