[發明專利]一種肺部CT圖像的病灶識別方法、設備及介質

在審

• 申請號: 202111133615.8
• 申請日: 2021-09-27
• 公開（公告）號: CN113781597A
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 高巖;蔡明佳;尹青山;高明;王建華
• 申請（專利權）人: 山東新一代信息產業技術研究院有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06K9/62;G16H10/60;G16H15/00;G16H30/40;G06N3/04;G06N3/08
• 代理公司: 北京君慧知識產權代理事務所(普通合伙) 11716
• 代理人: 趙德豐

1.一種肺部CT圖像的病灶識別方法，其特征在于，所述方法包括：

獲取CT設備讀入的肺部CT圖像；

將所述CT設備讀入的肺部CT圖像作為待檢測的肺部CT圖像；

將所述待檢測的肺部CT圖像輸入預先訓練的病灶識別模型中，得出輸出結果；

若所述待檢測的肺部CT圖像存在病灶，則所述輸出結果為所述待檢測的肺部CT圖像的病灶位置數據；

根據所述病灶位置數據將所述病灶所處的區域在所述待檢測的肺部CT圖像上進行標注。

2.根據權利要求1所述的一種肺部CT圖像的病灶識別方法，其特征在于，所述將所述待檢測的肺部CT圖像輸入預先訓練的病灶識別模型中之前，所述方法還包括：

收集患有疾病的肺部CT圖像與正常肺部CT圖像作為訓練圖像；

將所述訓練圖像基于預設處理方式進行過濾，獲得所述病灶識別模型的訓練樣本；

將所述患有疾病的肺部CT圖像與所述正常肺部CT圖像對應的訓練樣本，同比例輸入卷積神經網絡；并將所述訓練樣本的病灶位置數據作為輸出輸入卷積神經網絡模型，訓練所述卷積神經網絡；

若訓練后的卷積神經網絡輸出的識別結果，符合預先設定的精確度，則將所述訓練后的卷積神經網絡作為病灶識別模型。

3.根據權利要求2所述的一種肺部CT圖像的病灶識別方法，其特征在于，所述將所述患有疾病的肺部CT圖像與所述正常肺部CT圖像對應的訓練樣本，同比例輸入卷積神經網絡之后，所述方法還包括：

基于所述卷積神經網絡的卷積核對所述訓練樣本進行滑動卷積，以提取所述訓練樣本的卷積特征；

通過所述卷積神經網絡的池化層將所述卷積特征進行聚類并將冗余特征進行過濾，獲得所述訓練樣本的降維卷積特征；

將所述降維卷積特征輸入預先設置的分類器，對所述訓練樣本的病灶進行識別，獲得病灶識別結果。

4.根據權利要求2所述的一種肺部CT圖像的病灶識別方法，其特征在于，所述將所述訓練圖像基于預設處理方式進行過濾，獲得所述病灶識別模型的訓練樣本，具體包括：

計算所述訓練圖像各連通區域的面積，根據預先設定的連通區域面積的閾值對所述訓練圖像的肺部區域進行提取，獲得第一肺部圖像；

根據預先設定的CT值范圍對所述第一肺部圖像進行處理，以過濾所述第一肺部圖像的邊緣非肺部組織獲得第二肺部圖像；

將CT噪聲添加到第二肺部圖像，獲得所述肺部CT圖像的訓練樣本；其中，所述訓練樣本以預設分辨率的灰度進行保存。

5.根據權利要求2所述的一種肺部CT圖像的病灶識別方法，其特征在于，所述將所述訓練樣本的病灶位置數據作為輸出輸入卷積神經網絡模型，訓練所述卷積神經網絡具體包括：

確定所述病灶至少一對對角線的位置坐標；其中，所述對角線的位置坐標包括：左上角位置坐標與右下角位置坐標、右上角位置坐標與左下角位置坐標；

將所述對角線的位置坐標以整數數組的格式保存，作為所述訓練樣本的病灶位置數據。

6.根據權利要求5所述的一種肺部CT圖像的病灶識別方法，其特征在于，所述根據所述病灶位置數據將所述病灶區域在所述待檢測的肺部CT圖像上進行標注，具體包括：

將所述對角線的位置坐標所對應的點，以射線形式進行橫向延長與縱向延長，獲得延長線的交叉點；其中，所述射線與所述肺部CT圖像的邊長平行；

將所述交叉點及所述對角線的位置坐標所對應的點以標注線連接，獲得所述肺部圖像標注的病灶區域。