[發明專利]一種基于胸部影像的病灶識別方法及裝置

在審

• 申請號: 202210820319.3
• 申請日: 2022-07-13
• 公開（公告）號: CN115019110A
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 張樹;馬杰超;王成弟;李為民;俞益洲;李一鳴;喬昕
• 申請（專利權）人: 北京深睿博聯科技有限責任公司;杭州深睿博聯科技有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/40;G06V10/80;G06V10/82;G06N3/04;G06N3/08;G16H50/20
• 代理公司: 北京天方智力知識產權代理事務所(普通合伙) 11719
• 代理人: 路遠

本發明提供一種基于胸部影像的病灶識別方法及裝置。所述方法包括：構造異常征象檢測模型，將胸部影像輸入到訓練好的所述模型進行特征提取和異常征象類別預測；構造病灶檢測模型，將胸部影像輸入到訓練好的所述模型進行病灶特征提取；通過對提取的異常征象特征和病灶特征進行特征融合，輸出病灶類別。本發明基于異常征象特征和病灶特征的融合輸出最終的病灶類別，提高了病灶識別精度。

技術領域

本發明屬于醫學影像技術領域，具體涉及一種基于胸部影像的病灶識別方法及裝置。

背景技術

呼吸系統疾病在全球范圍內構成了重大負擔，慢性呼吸道疾病影響了占世界人口7.4％的大型患者群體，并占死亡總數的7.0％。每年有數百萬人死于下呼吸道感染。肺癌是癌癥相關發病率和死亡率的首要原因，中國新增病例占37.0％，死亡占39.2％。肺結核則是最常見的致命傳染病。根據國際呼吸學會論壇，從流行角度來看，上述疾病被認為是全球最重要的肺部疾病。

放射學在各種呼吸道疾病的篩查、分診和診斷中發揮著不可或缺的作用。計算機斷層掃描(CT)可以生成三維圖像，并提供更精確的病理信息，隨著檢查成本的降低，目前已經成為胸部疾病診斷醫學成像的主流。雖然這些技術可以捕捉人眼看不見的數字紋理，但由于在放射學評估中缺乏觀察者之間的一致性，因此準確診斷仍然具有挑戰性。深度學習方法在年齡相關性黃斑變性和糖尿病黃斑水腫的分類、糖尿病視網膜病變的分級、識別皮膚癌亞型、檢測乳腺癌轉移以及頭部CT異常進行分類方面具有普遍適用性。一些相關的研究中，基于深度學習的醫學圖像解釋系統也可以用于COVID-19的早期診斷和惡性肺結節的識別，這證明了其在急性和非急性呼吸道疾病診斷中的良好適用性。然而，此類已建立的人工智能系統僅側重于一種疾病的鑒別診斷或單疾病的二元診斷，限制了其在各種呼吸狀況的實際日常實踐中的臨床適用性和通用性。

發明內容

為了解決現有技術中存在的上述問題，本發明提供一種基于胸部影像的病灶識別方法及裝置。

為了實現上述目的，本發明采用以下技術方案。

第一方面，本發明提供一種基于胸部影像的病灶識別方法，包括以下步驟：

構造異常征象檢測模型，將胸部影像輸入到訓練好的所述模型進行特征提取和異常征象類別預測；

構造病灶檢測模型，將胸部影像輸入到訓練好的所述模型進行病灶特征提取；

通過對提取的異常征象特征和病灶特征進行特征融合，輸出病灶類別。

進一步地，所述異常征象包括條索、肺不張、支氣管病變、鈣化、空洞、實變、肺氣腫、毛玻璃密度影、蜂窩征、淋巴結腫大、腫塊、結節、斑片影、胸腔積液、胸膜增厚、氣腹、氣胸、肺大泡、網格影和空氣支氣管影。

進一步地，所述病灶類別包括支氣管擴張、慢性阻塞性肺炎、間質性肺炎、肺癌、胸腔積液、肺炎、氣胸和肺結核。

進一步地，通過將提取的異常征象特征和病灶特征輸入自注意力機制模塊實現特征融合。

進一步地，利用標注異常征象的數據集對異常征象檢測模型單獨進行訓練；基于訓練好的異常征象檢測模型，利用標注病灶類別的數據集對病灶識別整體模型進行訓練。

進一步地，所述胸部影像為胸部CT圖像。

進一步地，所述方法還包括生成異常征象位置熱圖和病灶類別位置熱圖。

第二方面，本發明提供一種基于胸部影像的病灶識別裝置，包括：

第一建模模塊，用于構造異常征象檢測模型，將胸部影像輸入到訓練好的所述模型進行特征提取和異常征象類別預測；

第二建模模塊，用于構造病灶檢測模型，將胸部影像輸入到訓練好的所述模型進行病灶特征提取；