一种图像识别方法及装置制造方法及图纸

技术编号:12513072 阅读:70 留言:0更新日期:2015-12-16 10:45
本发明专利技术实施例公开了一种图像识别方法,所述方法包括:获取训练图像集,所述训练区域集包括肺结节区域图像和非肺结节区域图像;构造深度卷积神经网络,以携带有肺结节标识的肺结节区域图像和携带有非肺结节标识的非肺结节区域图像为输入训练所述深度卷积神经网络;根据训练得到的所述深度卷积神经网络构建测试网络;获取疑似肺结节区域图像,并将疑似肺结节区域图像输入至所述测试网络,以得到所述疑似肺结节区域图像中是否具有肺结节的判断结果,实现对疑似肺结节区域图像的识别。本发明专利技术实施例还公开了一种图像识别装置。本发明专利技术提高了疑似肺结节区域图像识别的准确率。

【技术实现步骤摘要】

本专利技术涉及医疗影像领域,尤其涉及一种图像识别方法及装置
技术介绍
本部分旨在为权利要求书中陈述的本专利技术的实施方式提供背景或上下文。此处的 描述不因为包括在本部分中就承认是现有技术。 肺结节是肺部常见病之一,肺结节向恶性发展,将会转变为肺部恶性肿瘤。由于肺 癌的致死率较高,而在肺部恶性肿瘤形成早期就及时进行治疗,则有着较高的治愈率。因此 及早发现肺部结节对防止恶性肿瘤的形成起着至关重要的作用。 随着计算机断层成像技术的发展,高分辨的CT设备能够更精准的进行成像,这对 肺结节的识别奠定了基础。目前,疑似肺结节区域图像识别技术已经在实验和临床条件下 进行了应用。通常,疑似肺结节区域图像识别方法主要包含以下步骤:图像预处理,即对重 建图像进行滤波平滑等操作,降低图像噪声;肺实质分割,为了减少图像识别的计算量和误 差,通常还要进行肺实质分割,以提取出完整肺部组织;疑似肺结节的选取,为了提高图像 识别的速度,通常并不是在整个肺部区域内进行结节的判断,而是先要提取出疑似结节的 感兴趣区域(Regions of Interest,R0I);疑似肺结节区域图像识别,将提取出的疑似肺结 节区域作为输入,进行判断。传统的疑似肺结节区域图像的识别方法,往往需要人为的选 定肺结节的某些特征,例如肺结节的形状、亮度、纹理等,根据这些特征编制算法来识别肺 结节。但是人为选定的特征并不一定具有代表性,可能有些肺结节并不符合某些选定的特 征,因此在进行图像识别的过程中,这些不符合人为选定的特征的肺结节可能就无法识别 出来,导致误诊,威胁到病人的生命。 另外,肺结节分为很多种类型,为了识别特定类型的肺结节,可能需要特定的算法 进行识别,而这种特定的算法只适用于对应类型的肺结节,对于其他类型的肺结节则无法 识别,因此普适性较低。
技术实现思路
为了解决现有技术存在的技术问题,本专利技术提供了一种图像识别方法及装置,提 高了疑似肺结节区域图像识别的准确率,且普适性较高。 本专利技术实施例提供一种图像识别方法,所述方法包括: 获取训练图像集,所述训练区域集包括肺结节区域图像和非肺结节区域图像; 构造深度卷积神经网络,以携带有肺结节标识的肺结节区域图像和携带有非肺结 节标识的非肺结节区域图像为输入训练所述深度卷积神经网络; 根据训练得到的所述深度卷积神经网络构建测试网络; 获取疑似肺结节区域图像,并将疑似肺结节区域图像输入至所述测试网络,以得 到所述疑似肺结节区域图像中是否具有肺结节的判断结果,实现对疑似肺结节区域图像的 识别。 优选的,所述获取训练图像集包括: 获取包含有肺结节的图像,所述包含有肺结节的图像中的肺结节区域得到标注; 根据所述标注的肺结节区域图像提取预设大小的肺结节区域图像; 从包含有肺结节的图像的其余区域图像或从没有包含肺结节的图像中提取预设 大小的非肺结节区域图像。 优选的,所述根据所述标注的肺结节区域提取预设大小的肺结节区域图像包括: 若所述标注的肺结节区域的大小在第一预设大小范围内,则根据所述标注的肺结 节区域图像提取第一预设大小的肺结节区域图像; 若所述标注的肺结节区域的大小在第二预设大小范围内,则根据所述标注的肺结 节区域图像提取第二预设大小的肺结节区域图像; 所述从包含有肺结节的图像的其余区域或从没有包含肺结节的图像中提取预设 大小的非肺结节区域图像包括: 从包含有肺结节的图像的其余区域图像或从没有包含肺结节的图像中提取所述 第一预设大小的非肺结节区域图像和所述第二预设大小的非肺结节区域图像; 所述构造深度卷积神经网络,以携带有肺结节标识的肺结节区域图像和携带有非 肺结节标识的非肺结节区域图像为输入训练所述深度卷积神经网络包括: 构造第一深度卷积神经网络,以携带有肺结节标识的第一预设大小的肺结节区域 图像和携带有非肺结节标识的第一预设大小的非肺结节区域图像为输入训练所述第一深 度卷积神经网络; 构造第二深度卷积神经网络,以携带有肺结节标识的第二预设大小的肺结节区域 图像和携带有非肺结节标识的第二预设大小的非肺结节区域图像为输入训练所述第二深 度卷积神经网络; 所述根据训练得到的所述深度卷积神经网络构建测试网络包括: 根据训练得到的所述第一深度卷积神经网络构建第一测试网络; 根据训练得到的所述第二深度卷积神经网络构建第二测试网络; 所述将疑似肺结节区域图像输入至所述测试网络包括: 若所述疑似肺结节区域的大小在所述第一预设大小范围内,则将所述疑似肺结节 区域图像输入至所述第一测试网络; 若所述疑似肺结节区域的大小在所述第二预设大小范围内,则将所述疑似肺结节 区域图像输入至所述第二测试网络。 优选的,在提取所述肺结节区域图像和所述非肺结节区域图像之后,所述方法包 括: 对提取的所述肺结节区域图像和所述非肺结节区域图像进行归一化处理。 优选的,所述深度卷积神经网络包括层链,所述层链包括至少一个卷积层、至少一 个降采样层和至少两个全连接层,其中,所述卷积层和所述降采样层一一对应;所述层链的 第一层为卷积层,每个卷积层与自己的降采样层连接,每个降采样层还与下一个卷积层进 行连接,最后一个降采样层与全连接层链的第一个全连接层连接,所述全连接层链由至少 两个全连接层构成;在所述层链中,上一层输出的图像为下一层输入的图像。 优选的,所述获取疑似肺结节区域图像,并将疑似肺结节区域图像输入至所述测 试网络,以得到所述疑似肺结节区域图像中是否具有肺结节的判断结果,实现对疑似肺结 节区域图像的识别包括: 获取多层关于同一个肺部的肺部CT图像,并根据从所述多层肺部CT图像中提取 多个疑似肺结节区域图像; 将所述多个疑似肺结节区域图像分别输入至所述测试网络,以分别得到各个疑似 肺结节区域图像中是否具有肺结节的判断结果,根据多个判断结果实现对疑似肺结节区域 图像的识别。 本专利技术实施例还提供了一种图像识别装置,所述装置包括:训练图像集获取单元、 深度卷积神经网络训练单元、测试网络构建单元、疑似肺结节区域图像识别单元; 其中,所述训练图像集获取单元与所述深度卷积神经网络训练单元连接,所述深 度卷积神经网络训练单元与所述测试网络构建单元连接,所述测试网络构建单元与所述疑 似肺结节区域图像识别单元连接; 所述训练图像集获取单元,用于获取训练图像集,所述训练区域集包括肺结节区 域图像和非肺结节区域图像; 所述深度卷积神经网络训练单元,用于构造深度卷积神经网络,以携带有肺结节 标识的肺结节区域图像和携带有非肺结节标识的非肺结节区域图像为输入训练所述深度 卷积神经网络; 所述测试网络构建单元,用于根据训练得到的所述深度卷积神经网络构建测试网 络; 所述疑似肺结节区域图像识别单元,用于获取疑似肺结节区域图像,并将疑似肺 结节区域图像输入至所述测试网络,以得到所述疑似肺结节区域图像中是否具有肺结节的 判断结果,实现对疑似肺结节区域图像的识别。 优选的,所述训练图像集获取单元包括图像获取单元、肺结节区域提取单元和非 肺结节区域提取单元,其中所述图像获取单元与所述肺结节区域提取单元连接,所述肺结 节区域提取单元与所述非肺结节区域提取单元连接;所述图像获取单元,用于获取包含有 肺结节的图像,所述包含有肺结节的图像中的肺结节区域得到标注; 所述肺结本文档来自技高网
...

【技术保护点】
一种图像识别方法,其特征在于,所述方法包括:获取训练图像集,所述训练区域集包括肺结节区域图像和非肺结节区域图像;构造深度卷积神经网络,以携带有肺结节标识的肺结节区域图像和携带有非肺结节标识的非肺结节区域图像为输入训练所述深度卷积神经网络;根据训练得到的所述深度卷积神经网络构建测试网络;获取疑似肺结节区域图像,并将疑似肺结节区域图像输入至所述测试网络,以得到所述疑似肺结节区域图像中是否具有肺结节的判断结果,实现对疑似肺结节区域图像的识别。

【技术特征摘要】

【专利技术属性】
技术研发人员:赵大哲栗伟王军搏周庆华孟勤
申请(专利权)人:东软集团股份有限公司
类型:发明
国别省市:辽宁;21

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1