一种肺结节自动检测方法及系统技术方案

本发明专利技术实施例提供一种肺结节自动检测方法及装置，所述方法包括：获取待检测肺部影像，从所述肺部影像中获取候选肺结节影像；所述候选肺结节影像为所述肺部影像中包含肺结节的部分子影像；将所述候选肺结节影像作为预先构建的肺结节识别模型的输入，获得所述候选肺结节影像对应的肺部位置是否出现肺结节的检测结果。所述方法能够更加准确完成对待检测肺部影像的分割，同时利用根据大量样本数据预先构建的神经网络识别模型，对分割后的影像进行识别，获得肺结节，本方法具有适应性强，检测准确的有益效果。

【技术实现步骤摘要】
一种肺结节自动检测方法及系统
本专利技术涉及影像信息处理
，更具体地，涉及肺结节自动检测方法及系统。
技术介绍
随着医疗水平的不断提高，人们在就医过程中会有各种影像数据用于辅助疾病的诊断。由相关统计数据指出，在医院数据中影像数据占了90％，且正以每年30％的速度增加，而影像科医生仅以4％左右的速度增加，由此可以看出大量影像数据的审阅给医生带来了极大的工作负担。此外，医生如果长时间审阅影像数据，极易发生疲劳的现象，进而导致诊断可能出现失误。肺结节是肺部早期肺癌的主要征兆，对肺癌的诊断具有重要意义，因此，作为基于影像数据辅助疾病诊断的典型—基于胸部影像中结节情况诊断肺癌，在临床上应用极广。现有的基于影像判断肺结节情况的方法多是医生根据专业知识和经验人工去判断，这样的方法无疑会存在增加医生工作负担、审阅结果易受医生自身情况(如专业知识水平，经验是否丰富，审阅时是否出现疲劳、不投入等)影响的问题。综上所述，现有技术中亟待提供一种准确率更高的肺结节检测方案。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种克服上述问题或者至少部分地解决上述问题的肺结节自动检测方法及装置。根据本专利技术实施例的第一方面，提供了一种肺结节自动检测方法，该方法包括：获取待检测肺部影像，从所述肺部影像中获取候选肺结节影像；所述候选肺结节影像为所述肺部影像中包含肺结节的部分子影像；将所述候选肺结节影像作为预先构建的肺结节识别模型的输入，获得所述候选肺结节影像对应的肺部位置是否出现肺结节的检测结果。根据本专利技术实施例的第二方面，提供了一种肺结节检测装置，该装置包括：获取模块，用于获取待检测肺部影像，从所述肺部影像中获取候选肺结节影像；所述候选肺结节影像为所述肺部影像中包含肺结节的部分子影像；检测模块，用于将所述候选肺结节影像作为预先构建的肺结节识别模型的输入，获得所述候选肺结节影像对应的肺部位置是否出现肺结节的检测结果。根据本专利技术实施例的第三方面，提供了一种电子设备，包括：处理器；以及与处理器通信连接的存储器，其中：存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的肺结节自动检测方法。根据本专利技术的第四方面，提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的肺结节自动检测方法。本专利技术上述实施例提供一种肺结节自动检测方法及装置，所述方法能够更加准确完成对待检测肺部影像的分割，同时利用根据大量样本数据预先构建的肺结节识别模型，对分割后的影像进行识别，获得肺结节，本方法具有适应性强，检测准确的有益效果。附图说明图1为本专利技术实施例的一种肺结节自动检测方法的流程示意图；图2为本专利技术实施例的一种肺结节自动检测方法中的3D卷积示意图；图3为本专利技术实施例的一种肺结节检测装置的框图；图4为本专利技术实施例的一种电子设备的框图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。随着影像识别技术的发展，影像识别技术的应用领域越来越广。目前，影像识别技术已经应用于医疗领域。针对上述情形，本专利技术实施例提供了一种肺结节自动检测方法。该方法适用于对于患者肺部影像中肺结节的检测；本方法可应用于带有影像采集识别功能的智能设备或系统，本专利技术实施例对此不作具体限定。为了便于描述，本专利技术实施例以执行主体为智能设备为例。如图1所示，所述方法包括：S1，获取待检测肺部影像，从所述肺部影像中获取候选肺结节影像；所述候选肺结节影像为所述肺部影像中包含肺结节的部分子影像；S2，将所述候选肺结节影像作为预先构建的肺结节识别模型的输入，获得所述候选肺结节影像对应的肺部位置是否出现肺结节的检测结果。在上述具体实施例中，首先，所述获取待检测肺部影像多为肺部CT影像，也能够为其他影像，本专利技术实施例在此不作限定。所述影像能够通过现有医疗影像设备拍摄获取。其次，当所述肺部影像为CT影像时，可以单独基于连通成分分析，对待检测肺部影像进行分割，获得候选肺结节影像。同时，也可以单独基于预先构建的用于识别整个肺部影像中候选肺结节影像的神经网络模型(既成分分析模型)，对待检测肺部影像进行分割，获得候选肺结节影像。进一步，也可以分别通过连通成分分析法和预先构建的成分分析模型，分别对待检测肺部影像进行分割，获得各自的候选肺结节影像集合，再将两个集合进行融合(例如合并后去除并集)，得到最终的候选肺结节影像结果。同时，本实施例所述预设方法也不限于上述三种，本专利技术具体在此不作限定。最后，将各个候选肺结节影像中固定大小体块影像分别输入到肺结节识别模型，模型的输出为各个候选肺结节是否为肺结节的判定结果(输出的可以是各个候选肺结节是否为肺结节的概率值或各个候选肺结节是否为肺结节的判定结果；当输出为概率值时，将概率大于设定阈值判定为是肺结节，否则判定为不是肺结节)，即得到了待检测影像中哪些位置是肺结节的信息。在本专利技术上述具体实施例的基础上，提供一种肺结节自动检测方法，从所述肺部影像中获取候选肺结节影像，包括：基于连通成分分析和/或预先构建的成分分析模型对待检测肺部影像进行分割，获得候选肺结节影像。在本专利技术上述具体实施例的基础上，提供一种肺结节自动检测方法，所述基于连通成分分析和预先构建的成分分析模型对待检测肺部影像进行分割，获得候选肺结节影像，包括：基于连通成分分析对待检测肺部CT影像进行分割，获得第一候选肺结节影像集；基于预先构建的成分分析模型对待检测肺部影像进行分割，获得第二候选肺结节影像集；求上述两个候选肺结节影像集的交集，获得候选肺结节影像。在本专利技术上述具体实施例的基础上，提供一种肺结节自动检测方法，所述基于连通成分分析对待检测肺部影像进行分割，包括：获得待检测肺部影像的HU值，通过对HU值进行二值化处理去除肺实质部分影像；对二值化处理后的影像进行连通成分分析，获得连通体；对所述连通体进行形态学操作，获得候选肺结节影像。具体地，本专利技术具体实施例为提高召回率，优选的，将基于连通成分分析和预先构建的成分分析模型两种方法获得的候选肺结节影像进行融合，得到最终的候选肺结节影像结果。进一步，本实施例中基于连通成分分析对待检测肺部影像进行分割前，可以先对待检测肺部CT影像进行预处理，去除CT影像中的噪声，降低不同CT影像间的差异性。预处理的具体方法能够采用现有常见的影像去噪技术，如数值截断、归一化等，本具体实施例在此不作具体限定。其次，通过对预处理后的CT进行HU值分析，筛选出结节及其他血管组织。具体的，在CT影像中，肺实质部分影像的HU值一般在-900左右，而肺结节及其他血管组织的HU值常常在0以上，因此能够通过简单的二值化(例如将HU值在-400以下部分为0，以上部分为1)将CT影像中肺实质部分排除，剩下结节以及血管等组织。再次，通过对上述进行二值化后的CT影像进行连通成分分析，得到候选肺结节影像。具体的，在二值化后的CT影像上进行连通成分分析得到连通体。因为肺结节会发生与其他组织粘连的情况，本实施例通过对各连通体进行形态学操作，例如腐蚀和/或膨胀操作，将与其他组织粘连的肺结本文档来自技高网...

【技术保护点】
一种肺结节自动检测方法，其特征在于，包括：获取待检测肺部影像，从所述肺部影像中获取候选肺结节影像；所述候选肺结节影像为所述肺部影像中包含肺结节的部分子影像；将所述候选肺结节影像作为预先构建的肺结节识别模型的输入，获得所述候选肺结节影像对应的肺部位置是否出现肺结节的检测结果。

【技术特征摘要】
1.一种肺结节自动检测方法，其特征在于，包括：获取待检测肺部影像，从所述肺部影像中获取候选肺结节影像；所述候选肺结节影像为所述肺部影像中包含肺结节的部分子影像；将所述候选肺结节影像作为预先构建的肺结节识别模型的输入，获得所述候选肺结节影像对应的肺部位置是否出现肺结节的检测结果。2.根据权利要求1所述的方法，其特征在于，从所述肺部影像中获取候选肺结节影像，包括：基于连通成分分析和/或预先构建的成分分析模型对待检测肺部影像进行分割，获得候选肺结节影像。3.根据权利要求2所述的方法，其特征在于，所述基于连通成分分析对待检测肺部影像进行分割，包括：获得待检测肺部影像的HU值，通过对HU值进行二值化处理去除肺实质部分影像；对二值化处理后的影像进行连通成分分析，获得连通体；对所述连通体进行形态学操作，获得候选肺结节影像。4.根据权利要求2所述的方法，其特征在于，所述基于预先构建的成分分析模型对待检测肺部影像进行分割，包括：利用预设大小的窗口遍历待检测肺部影像，将遍历获得的各子影像输入预先构建的成分分析模型，输出获得候选肺结节影像。5.根据权利要求1所述的方法，其特征在于，所述肺结节识别模型为一阶肺结节识别模型或两阶段级联肺结节识别模型；所述一阶肺结节识别模型通过以下步骤构建：标注第一训练样本数据集，根据所述第一训练样本数据集，基于确定的拓扑结构，获得所述一阶肺结节识别模型；所述两阶段级联肺结节识别模型包括第1级肺结节识别模型和第2级肺结节识别模型；所述第1级肺结节识别模型为所述一阶肺结节识别模型，所述第2级肺结节识别模型通过以下步骤构建：根据第一训练样本数据集，基于所述一阶肺结节识别模型，获得识别结果；比较所述识别结果与第一训练样本数据的标注信息，将差异大于预设阈值的训练样本数据作为第二训练样本数据集，训练得到第2级肺结节识别模型。6.根据权利要求1所述的方法，其特征在于，所述将候选肺结节影像作为预先构建的肺结节识别模型的输入，获得所述候选肺结节影像对应的肺部位置是否...

【专利技术属性】
技术研发人员：殷保才，王凤艳，刘聪，
申请(专利权)人：安徽科大讯飞医疗信息技术有限公司，
类型：发明
国别省市：安徽,34