[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

本發(fā)明公開了一種CT圖像中淋巴結(jié)的檢測方法、裝置、計算機可讀存儲介質(zhì)以及電子設(shè)備，通過獲取CT圖像后將CT圖像中的每層二維圖像輸入訓練好的神經(jīng)網(wǎng)絡(luò)模型，直接得到每層二維圖像中包含淋巴結(jié)圖像的區(qū)域圖像，最后基于區(qū)域圖像的位置關(guān)系，將所有的區(qū)域圖像融合以得到三維淋巴結(jié)圖像；通過將CT圖像拆分為二維圖像并利用神經(jīng)網(wǎng)絡(luò)模型進行自動識別和分割，以得到每層二維圖像中的淋巴結(jié)圖像所在的區(qū)域圖像，然后將區(qū)域圖像融合得到三維淋巴結(jié)圖像，這樣可以利用二維圖像處理難度較小且準確度較高的特點先得到淋巴結(jié)圖像的二維圖像，然后將二維圖像融合得到三維圖像，在降低檢測難度的同時提高檢測效率。

技術(shù)領(lǐng)域

本申請涉及圖像處理領(lǐng)域，具體涉及一種CT圖像中淋巴結(jié)的檢測方法、裝置、計算機可讀存儲介質(zhì)以及電子設(shè)備。

背景技術(shù)

隨著人工智能技術(shù)的不斷發(fā)展，特別是在圖像處理方面的技術(shù)，使得神經(jīng)網(wǎng)絡(luò)模型大量應(yīng)用于以圖像識別和分割為基層的領(lǐng)域，例如醫(yī)學圖像診斷等。

在CT影像中相比于肺結(jié)節(jié)的檢測，淋巴結(jié)由于被信號強度相似的肌肉和脂肪組織包裹，往往較難識別。淋巴結(jié)在頸部分布廣、數(shù)量大、部分淋巴結(jié)位置較深，頸部結(jié)構(gòu)復雜精細，且有如動脈、神經(jīng)等重要組織走形其中，因此頭頸部淋巴結(jié)的準確檢測非常具有挑戰(zhàn)。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本申請?zhí)岢隽艘环NCT圖像中淋巴結(jié)的檢測方法、裝置、計算機可讀存儲介質(zhì)以及電子設(shè)備，通過獲取CT圖像后將CT圖像中的每層二維圖像輸入訓練好的神經(jīng)網(wǎng)絡(luò)模型，直接得到每層二維圖像中包含淋巴結(jié)圖像的區(qū)域圖像，最后基于區(qū)域圖像的位置關(guān)系，將所有的區(qū)域圖像融合以得到三維淋巴結(jié)圖像；通過將CT圖像拆分為二維圖像并利用神經(jīng)網(wǎng)絡(luò)模型進行自動識別和分割，以得到每層二維圖像中的淋巴結(jié)圖像所在的區(qū)域圖像，然后將區(qū)域圖像融合得到三維淋巴結(jié)圖像，這樣可以利用二維圖像處理難度較小且準確度較高的特點先得到淋巴結(jié)圖像的二維圖像，然后將二維圖像融合得到三維圖像，在降低檢測難度的同時提高檢測效率。

根據(jù)本申請的一個方面，提供了一種CT圖像中淋巴結(jié)的檢測方法，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。

在一實施例中，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。

在一實施例中，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。

在一實施例中，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。

在一實施例中，所述將所有的所述區(qū)域圖像融合包括：當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)。

在一實施例中，所述神經(jīng)網(wǎng)絡(luò)模型的訓練方法包括：將訓練樣本輸入所述神經(jīng)網(wǎng)絡(luò)模型進行學習；其中，所述訓練樣本為包含多層二維訓練圖像的訓練CT圖像，且所述多層二維訓練圖像中包含淋巴結(jié)區(qū)域的分割圖像。