The invention provides a device and method and device for realizing identification of pulmonary lesions; wherein the method comprises: acquiring CT images of lung CT images respectively; input to the pre established first recognition model and second recognition model, the first and second identification results output corresponding to the identification result; the first identification by neural model the network is trained, for lesion size is larger than the first threshold recognition; second recognition model through neural network training, for lesion size less than second recognition threshold; according to the first identification results and second recognition results, determine the final recognition result of pulmonary lesions. The recognition area of different sizes is identified by different neural network identification models, while ensuring the computing speed, it can identify the lesion areas in CT images more comprehensively.
【技术实现步骤摘要】
肺部病灶识别方法、装置和实现装置
本专利技术涉及医学影像
,尤其是涉及一种肺部病灶识别方法、装置和实现装置。
技术介绍
肺癌作为全球第一大癌症,发病率逐年提升。肺癌的生存率与首次确诊时所处的病程阶段高度相关,因此肺癌影像学诊断是发现早期肺癌的重要手段,但受限于设备、经验、人眼客观识别能力,外加超负荷工作的影响,医生难免会出现漏诊和误诊;将大数据驱动的人工智能应用于早期肺癌影像诊断中,通过机器辅助医生,提高诊疗效率,可以缓解医生的超负荷工作状态,降低漏诊及误诊,提升医生诊疗质量,进而挽救更多患者的生命。肺部病灶大多通过CT图像识别;现有的CT图像识别方式,通过图像检测、机器学习等手段可以识别出尺寸较大、特征明显的病灶区域,对于尺寸较小或特征不明显的病灶识别难度较大,依然难以有效解决漏诊的问题。针对上述现有的肺部病灶识别方式识别不全面,容易发生遗漏的问题,尚未提出有效的解决方案。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种肺部病灶识别方法、装置和实现装置,以更加全面地识别CT图像中的大小病灶区域。第一方面,本专利技术实施例提供了一种肺部病灶识别方法,该方法包括:获取肺部的CT图像;将CT图像分别输入至预先建立的第一识别模型和第二识别模型中,输出对应的第一识别结果和第二识别结果;其中,第一识别模型通过神经网络训练而成,用于识别尺寸大于第一阈值的病灶区域;第二识别模型通过神经网络训练而成,用于识别尺寸小于第二阈值的病灶区域;根据第一识别结果和第二识别结果,确定最终的肺部病灶识别结果。结合第一方面,本专利技术实施例提供了第一方面的第一种可能的实施方式,其 ...
【技术保护点】
一种肺部病灶识别方法,其特征在于,所述方法包括:获取肺部的CT图像;将所述CT图像分别输入至预先建立的第一识别模型和第二识别模型中,输出对应的第一识别结果和第二识别结果;其中,所述第一识别模型通过神经网络训练而成,用于识别尺寸大于第一阈值的病灶区域;所述第二识别模型通过神经网络训练而成,用于识别尺寸小于第二阈值的病灶区域;根据所述第一识别结果和所述第二识别结果,确定最终的肺部病灶识别结果。
【技术特征摘要】
1.一种肺部病灶识别方法,其特征在于,所述方法包括:获取肺部的CT图像;将所述CT图像分别输入至预先建立的第一识别模型和第二识别模型中,输出对应的第一识别结果和第二识别结果;其中,所述第一识别模型通过神经网络训练而成,用于识别尺寸大于第一阈值的病灶区域;所述第二识别模型通过神经网络训练而成,用于识别尺寸小于第二阈值的病灶区域;根据所述第一识别结果和所述第二识别结果,确定最终的肺部病灶识别结果。2.根据权利要求1所述的方法,其特征在于,所述获取肺部的CT图像的步骤,包括:采集肺部的初始CT图像;对所述初始CT图像进行预处理,生成与所述第一识别模型和第二识别模型相匹配的CT图像;所述预处理至少包括滤波处理和删除患者信息处理。3.根据权利要求1所述的方法,其特征在于,所述第一识别模型通过FasterRCNN神经网络训练而成;所述第二识别模型通过U-net神经网络训练而成。4.根据权利要求3所述的方法,其特征在于,所述第一识别模型或所述第二识别模型的训练过程具体包括:获取设定数量的CT图像和对应的标注信息;所述标注信息包括所述CT图像中病灶的位置、所述病灶的特征和所述病灶的诊断结果;建立神经网络的网络结构,设置所述网络结构对应的训练参数;其中,所述第一识别模型对应的训练参数至少包括所述第一阈值;所述第二识别模型对应的训练参数至少包括所述第二阈值;将所述CT图像和对应的标注信息输入至所述网络结构中进行训练,生成所述第一识别模型或所述第二识别模型。5.根据权利要求1所述的方法,其特征在于,所述根据所述第一识别结果和所述第二识别结果,确定最终的肺部病灶识别结果的步骤,包括:查找所述第一识别结果和所述第二识别结果中,相互重复的病灶区域;删除所述第一识别结果或所述第二识别结果中所述重复的病灶区域;将所述第一识别结果和所述第二识别结果进行叠加处理,生成最终的肺部...
【专利技术属性】
技术研发人员:胡飞,王方,薛新颖,
申请(专利权)人:北京青燕祥云科技有限公司,
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。