肺结节的检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请中提供了一种肺结节的检测方法、装置、计算机设备和存储介质，其中方法包括以下步骤：通过三维的卷积神经网络分割模型对肺部CT图像进行分割，分割出肺部区域图像；通过三维的U‑Net检测模型从所述肺部区域图像中检测出可疑结节；通过三维的二分类网络对所述可疑结节进行分类，去除假结节。本申请中提供的肺结节的检测方法、装置、计算机设备和存储介质，通过三维的卷积神经网络分割模型对肺部CT图像进行分割，分割出肺部区域图像，分割速度快，使得后续检测出肺结节的速度加快；同时，可适用于对所有肺部CT图像进行肺部区域的分割。

Lung nodule detection method, device, computer equipment and storage medium

In this application, a detection method, device, computer equipment and storage medium for pulmonary nodules are provided. The method comprises the following steps: segmentation of lung CT images by a three-dimensional convolutional neural network segmentation model, and segmentation of lung region images; and extraction of lung region images from the lung region images by a three-dimensional U_Net detection model. Suspicious nodules were detected, and the suspected nodules were classified by three-dimensional two-classification network to remove the pseudonodules. The detection method, device, computer equipment and storage medium of pulmonary nodules provided in this application can segment the CT images of the lungs through a three-dimensional convolution neural network segmentation model, which can segment the regional images of the lungs quickly, thus speeding up the subsequent detection of pulmonary nodules; at the same time, it can be applied to all lungs. CT images were used to segment lung regions.

【技术实现步骤摘要】
肺结节的检测方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别涉及一种肺结节的检测方法、装置、计算机设备和存储介质。
技术介绍
肺结节病(sarcoidosis)是一种病因未明的多系统多器官的肉芽肿性疾病，近来已引起国内广泛注意。肺结节病常侵犯肺、双侧肺门淋巴结、眼、皮肤等器官。肺部细胞增生或异物都会导致肺结节的产生，在日益变差的环境中，越来越多的人肺部产生了肺结节。现如今，肺结节已经是非常常见的一种症状，很多年轻人都需要去医院尽早摘除肺结节。肺结节摘除之前需要从肺部CT图像中分离出肺结节部分，目前通常是依靠医生的临床经验进行分离，或者一些现有的图像分割算法进行分离，其诊断速度较慢，需要花费医生较多时间，而且准确率较低；同时，现有的检测方法不能对一些较为特殊的肺部CT分割出肺部区域，严重阻碍了后续的检测。
技术实现思路
本申请的主要目的为提供一种肺结节的检测方法、装置、计算机设备和存储介质，适用于对所有肺部CT图像进行肺部区域的分割，并克服了现有技术中检测速度慢的缺陷。为实现上述目的，本申请提供了一种肺结节的检测方法，包括以下步骤：通过三维的卷积神经网络分割模型对肺部CT图本文档来自技高网...

【技术保护点】
1.一种肺结节的检测方法，其特征在于，包括以下步骤：通过三维的卷积神经网络分割模型对肺部CT图像进行分割，分割出肺部区域图像；通过三维的U‑Net检测模型从所述肺部区域图像中检测出可疑结节；通过三维的二分类网络对所述可疑结节进行分类，去除假结节。

【技术特征摘要】
1.一种肺结节的检测方法，其特征在于，包括以下步骤：通过三维的卷积神经网络分割模型对肺部CT图像进行分割，分割出肺部区域图像；通过三维的U-Net检测模型从所述肺部区域图像中检测出可疑结节；通过三维的二分类网络对所述可疑结节进行分类，去除假结节。2.根据权利要求1所述的肺结节的检测方法，其特征在于，所述通过三维的卷积神经网络分割模型对肺部CT图像进行分割，分割出肺部区域图像的步骤之前，包括：对所述肺部CT图像进行预处理，以去除图像噪音。3.根据权利要求1所述的肺结节的检测方法，其特征在于，所述通过三维的卷积神经网络分割模型对肺部CT图像进行分割的步骤，包括：使用多组卷积层提取所述肺部CT图像中的肺部区域特征，并在每组卷积层中加入批规范化方法对每组卷积层进行卷积，以及对卷积结果进行上采样处理以获得与所述肺部CT图像原始尺寸大小一致的肺部区域图像。4.根据权利要求1所述的肺结节的检测方法，其特征在于，所述三维的U-Net检测模型使用的损失函数为focalloss函数以及回归损失函数。5.根据权利要求1所述的肺结节的检测方法，其特征在于，所述通过三维的U-Net检测模型从所述肺部区域图像中检测出可疑结节的步骤，包括：对所述肺部区域图像依次经过四次convolution和maxpooling，以及两次deconvolution计算得到第一概率图；并在所述肺部区域图像经过两次deconvolution计算之前分别加入一个分支，两个所述分支分别经过对应的deconvolution计算得到一个相应的第二概率图；将两个所述第二概率图以及第一概率图同时输入至反向传播算法中进...

【专利技术属性】
技术研发人员：刘新卉，刘莉红，吴天博，马进，王健宗，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44