[發(fā)明專利]CT圖像中淋巴結(jié)的檢測方法、裝置、介質(zhì)及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 202011167553.8
• 申請日: 2020-10-27
• 公開（公告）號: CN112288708B
• 公開（公告）日: 2021-10-15
• 發(fā)明（設(shè)計）人: 印宏坤;張榮國;李新陽;王少康;陳寬
• 申請（專利權(quán)）人: 推想醫(yī)療科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06T7/11;G06T7/136;G06T7/62;G06T7/70
• 代理公司: 北京布瑞知識產(chǎn)權(quán)代理有限公司 11505
• 代理人: 黃俊

1.一種CT圖像中淋巴結(jié)的檢測方法，其特征在于，包括：

獲取CT圖像，所述CT圖像包括多層二維圖像；

將所述CT圖像中的每層二維圖像輸入神經(jīng)網(wǎng)絡(luò)模型，得到每層二維圖像中包含淋巴結(jié)圖像的區(qū)域圖像；以及

基于所述區(qū)域圖像的位置關(guān)系，將所有的所述區(qū)域圖像融合，得到三維淋巴結(jié)圖像；

其中，所述神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練方法包括：

將訓(xùn)練樣本輸入所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行學(xué)習(xí)；

其中，所述訓(xùn)練樣本為包含多層二維訓(xùn)練圖像的訓(xùn)練CT圖像，且所述多層二維訓(xùn)練圖像中包含淋巴結(jié)區(qū)域的分割圖像；

所述分割圖像的獲取方法包括：

獲取所述訓(xùn)練CT圖像中淋巴結(jié)區(qū)域按照二維訓(xùn)練圖像的層疊方向所在的首層二維訓(xùn)練圖像、尾層二維訓(xùn)練圖像以及位于所述首層二維訓(xùn)練圖像和所述尾層二維訓(xùn)練圖像之間的中間最大層圖像；其中，所述淋巴結(jié)區(qū)域位于所述中間最大層圖像上的區(qū)域面積大于所述淋巴結(jié)區(qū)域位于所述首層二維訓(xùn)練圖像和所述尾層二維訓(xùn)練圖像之間的其他二維訓(xùn)練圖像上的區(qū)域面積；

分別計算所述首層二維訓(xùn)練圖像的首層分割區(qū)域、所述尾層二維訓(xùn)練圖像的尾層分割區(qū)域和所述中間最大層圖像的中間最大分割區(qū)域；以及

根據(jù)所述首層分割區(qū)域、所述尾層分割區(qū)域和所述中間最大分割區(qū)域，生成所述訓(xùn)練CT圖像的分割圖像；

其中，所述生成所述訓(xùn)練CT圖像的分割圖像包括：根據(jù)所述首層分割區(qū)域、所述尾層分割區(qū)域和所述中間最大層分割區(qū)域估計并生成其他位于所述三層之間的分割區(qū)域圖像，得到所述訓(xùn)練CT圖像的分割圖像。

2.根據(jù)權(quán)利要求1所述的檢測方法，其特征在于，所述基于所述區(qū)域圖像的位置關(guān)系，將所有的所述區(qū)域圖像融合包括：

計算相鄰的所述二維圖像中的所述區(qū)域圖像之間的匹配度；以及

當(dāng)所述匹配度大于預(yù)設(shè)閾值時，將該相鄰的所述二維圖像中的所述區(qū)域圖像疊加。

3.根據(jù)權(quán)利要求2所述的檢測方法，其特征在于，所述計算相鄰的所述二維圖像中的所述區(qū)域圖像之間的匹配度包括：

分別計算相鄰的所述二維圖像中的所述區(qū)域圖像的第一面積和第二面積；

計算相鄰的所述二維圖像中的所述區(qū)域圖像沿所述二維圖像層疊方向的正投影重疊區(qū)域的第三面積；以及

根據(jù)所述第一面積、所述第二面積和所述第三面積，計算得到所述匹配度。

4.根據(jù)權(quán)利要求3所述的檢測方法，其特征在于，所述根據(jù)所述第一面積、所述第二面積和所述第三面積，計算得到所述匹配度包括：

所述匹配度等于所述第三面積與所述第一面積、所述第二面積中的最小值的比值。

5.根據(jù)權(quán)利要求1所述的檢測方法，其特征在于，所述將所有的所述區(qū)域圖像融合包括：

當(dāng)融合得到的三維圖像中對應(yīng)同一位置的所述區(qū)域圖像為連續(xù)的N層二維圖像且N大于預(yù)設(shè)數(shù)量閾值時，確定該三維圖像為三維淋巴結(jié)圖像；其中N為大于1的整數(shù)。

6.根據(jù)權(quán)利要求1所述的檢測方法，其特征在于，所述根據(jù)所述首層分割區(qū)域、所述尾層分割區(qū)域和所述中間最大分割區(qū)域，生成所述訓(xùn)練CT圖像的分割圖像包括：

根據(jù)所述首層分割區(qū)域和所述中間最大分割區(qū)域，按照等差調(diào)整的方式生成所述首層和所述中間最大層之間的二維訓(xùn)練圖像的分割區(qū)域；以及

根據(jù)所述尾層分割區(qū)域和所述中間最大分割區(qū)域，按照等差調(diào)整的方式生成所述尾層和所述中間最大層之間的二維訓(xùn)練圖像的分割區(qū)域。

7.根據(jù)權(quán)利要求1所述的檢測方法，其特征在于，在所述將訓(xùn)練樣本輸入所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行學(xué)習(xí)之前，所述訓(xùn)練方法還包括：

對所述訓(xùn)練樣本進(jìn)行數(shù)據(jù)擴增處理。

8.根據(jù)權(quán)利要求7所述的檢測方法，其特征在于，所述數(shù)據(jù)擴增處理包括以下操作中的任一種或多種的組合：縮放、平移、旋轉(zhuǎn)、翻轉(zhuǎn)、增加噪聲。