[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

本發明公開了一種肺結節檢測方法、模型訓練方法、裝置、設備及介質。方法包括：獲取待檢測的多張肺部CT圖像，分別從多張肺部CT圖像中提取出幾何特征，幾何特征用于表征潛在結節的幾何信息，基于幾何特征計算各肺部CT圖像之間的相似度矩陣，針對每一幾何特征，將相似度矩陣和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；基于圖像特征確定各肺部CT圖像存在肺結節的概率。通過各肺部CT圖像的幾何特征計算各肺部CT圖像之間的相似度矩陣，利用圖卷積神經網絡充分挖掘待檢測的肺部CT圖像之間的潛在幾何信息和相似關系，能夠降低肺部CT圖片中血管及其他肺部陰影結構對檢測結果的影響，提高了檢測精度。

技術領域

本發明實施例涉及圖像處理技術領域，尤其涉及一種肺結節檢測方法、模型訓練方法、裝置、設備及介質。

背景技術

受環境、吸煙以及遺傳等因素的影響，肺癌是我國死亡率和發病率最高的惡性腫瘤。根據醫學數據顯示，早期肺癌5年生存率顯著高于中晚期肺癌，早發現、早診斷和治療是改善肺癌的重要途徑。

判斷肺部是否存在肺結節是判定癌癥的一項有力指標，因此肺結節的早期篩查變得尤為重要。其中，胸部低劑量CT圖像具有分層薄、視野清晰、干擾因素少等特點，因此，基于肺部CT圖像檢測肺結節是目前國際公認的有效手段。隨著計算機人工智能的發展，計算機輔助診斷系統越來越多的應用到CT圖片的分析中，這可以減輕醫生工作負擔。

但是，通過計算機輔助診斷系統的自動檢測會出現漏檢、誤檢等現象。這是由于在CT圖片中肺結節和血管及其他肺部陰影結構形態相似，因此會導致大量假陽從而影響檢測結果。

發明內容

本發明提供一種肺結節檢測方法、模型訓練方法、裝置、設備及介質，能夠降低肺部CT圖片中血管及其他肺部陰影結構對檢測結果的影響，大大提高了檢測精度。

第一方面，本發明實施例提供了一種肺結節檢測方法，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。

第二方面，本發明實施例還提供了一種肺結節檢測模型訓練方法，包括：

獲取數據集，所述數據集包括由多張帶有標簽的肺部CT圖像樣本組成的訓練集，所述標簽用于標示所述肺部CT圖像樣本是否存在肺結節；

確定肺結節檢測模型，所述肺結節檢測模型包括卷積神經網絡、圖卷積神經網絡和第一分類器；

將所述訓練集中的肺部CT圖像樣本輸入所述卷積神經網絡中進行卷積處理，得到幾何特征，所述幾何特征用于表征所述訓練集中的肺部CT圖像樣本的潛在結節的幾何信息；

基于所述幾何特征計算所述訓練集中各肺部CT圖像樣本之間的相似度矩陣；

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所述圖卷積神經網絡中進行處理，得到圖像特征；

將所述圖像特征輸入所述第一分類器，得到所述訓練集中多個肺部CT圖像樣本存在肺結節的第一概率分布；

通過損失函數計算所述第一概率分布與所述訓練集中多個肺部CT圖像樣本的標簽的真實值分布之間的第一損失值；

基于所述第一損失值更新所述卷積神經網絡、所述圖卷積神經網絡和所述第一分類器的參數。