The invention discloses a method and device for detecting the benign and malignant pulmonary nodules based on the deep neural network, which can improve the accuracy of the benign and malignant diagnosis of the pulmonary nodules. The method comprises the following steps: S1, get the user a X-ray computed tomography scan of the medical image, based on the scanning interval, using the medical image to build three-dimensional graphics; S2, the depth of the neural network model of pulmonary nodule location, the three-dimensional graphics and the user input attribute information preset, get the user of the pulmonary nodules as benign pulmonary nodules and the probability of the user for the probability of malignancy, the attribute information of the user to the user including pulmonary nodule diameter, the depth of the neural network model of output layer neurons increased confidence weights, the confidence weighted attribute information the user is determined based on the.
【技术实现步骤摘要】
基于深度神经网络的肺结节良恶性检测方法及装置
本专利技术涉及医学领域,具体涉及一种基于深度神经网络的肺结节良恶性检测方法及装置。
技术介绍
基于深度神经网络的计算机辅助诊断可以准确的检测肺结节以及进行良恶性判断。但由于神经网络自身限制,现有方法对输出结果不能给出有效的置信度,导致对肺结节良恶性判断不准确。
技术实现思路
针对现有技术存在的缺陷,本专利技术提供一种基于深度神经网络的肺结节良恶性检测方法及装置。一方面,本专利技术实施例提出一种基于深度神经网络的肺结节良恶性检测方法,包括:S1、获取用户一次X线计算机断层摄影扫描的所有医学图像,根据扫描的间隔,利用所述所有医学图像构建立体图形;S2、将肺结节的位置、所述立体图形以及所述用户的属性信息输入预设的深度神经网络模型,得到所述用户的肺结节为良性的概率以及所述用户的肺结节为恶性的概率,其中,所述用户的属性信息包括所述用户的肺结节的直径,所述深度神经网络模型的输出层神经元增加了置信度权重,所述置信度权重基于所述用户的属性信息确定。另一方面,本专利技术实施例提出一种基于深度神经网络的肺结节良恶性检测装置,包括:建立单元,用于获取用户一次X线计算机断层摄影扫描的所有医学图像,根据扫描的间隔,利用所述所有医学图像构建立体图形;计算单元,用于将肺结节的位置、所述立体图形以及所述用户的属性信息输入预设的深度神经网络模型,得到所述用户的肺结节为良性的概率以及所述用户的肺结节为恶性的概率,其中,所述用户的属性信息包括所述用户的肺结节的直径,所述深度神经网络模型的输出层神经元增加了置信度权重,所述置信度权重基于所述用户的属性信息 ...
【技术保护点】
一种基于深度神经网络的肺结节良恶性检测方法,其特征在于,包括:S1、获取用户一次X线计算机断层摄影扫描的所有医学图像,根据扫描的间隔,利用所述所有医学图像构建立体图形;S2、将肺结节的位置、所述立体图形以及所述用户的属性信息输入预设的深度神经网络模型,得到所述用户的肺结节为良性的概率以及所述用户的肺结节为恶性的概率,其中,所述用户的属性信息包括所述用户的肺结节的直径,所述深度神经网络模型的输出层神经元增加了置信度权重,所述置信度权重基于所述用户的属性信息确定。
【技术特征摘要】
1.一种基于深度神经网络的肺结节良恶性检测方法,其特征在于,包括:S1、获取用户一次X线计算机断层摄影扫描的所有医学图像,根据扫描的间隔,利用所述所有医学图像构建立体图形;S2、将肺结节的位置、所述立体图形以及所述用户的属性信息输入预设的深度神经网络模型,得到所述用户的肺结节为良性的概率以及所述用户的肺结节为恶性的概率,其中,所述用户的属性信息包括所述用户的肺结节的直径,所述深度神经网络模型的输出层神经元增加了置信度权重,所述置信度权重基于所述用户的属性信息确定。2.根据权利要求1所述的方法,其特征在于,所述用户的属性信息还包括:所述用户的年龄和身体质量指数,若所述深度神经网络模型的输出层的激活函数为softmax激活函数,所述softmax激活函数的表达式为其中,wi为权重,K=2,i∈[1,2],p1为肺结节为良性的概率,p2为肺结节为恶性的概率,T=a×(x+y+z)+b,x=肺结节直径/5,y=max[年龄-50,1]/100,z=身体质量指数/30,T为先验特征,T∈[0,1],a和b为参数,根据多个样本用户的属性信息确定。3.根据权利要求2所述的方法,其特征在于,在所述根据扫描的间隔,利用所述所有医学图像构建立体图形之前,还包括:将所述所有医学图像缩放为预设大小的图像,将缩放后的所有医学图像转换为灰度图像,对所述灰度图像进行缩放、旋转,得到预设规格的医学图像;其中,所述根据扫描的间隔,利用所述所有医学图像构建立体图形,包括:根据扫描...
【专利技术属性】
技术研发人员:刘超飞,刘立,
申请(专利权)人:北京医拍智能科技有限公司,
类型:发明
国别省市:北京,11
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。