肝脏癌变定位方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种肝脏癌变定位方法、装置及存储介质，该方法通过获取第一预设数量的CT切片样本图像，每个CT切片样本图像上标注有病变标志点及由病变标志点限定出的病变形状曲线及非癌症标记或者癌症标记，并对获取的各个CT切片样本图像进行预处理，生成对应的预处理图像。接着，分别对各个预处理图像按照预设的形变规则，生成对应的形变图像，将每个预处理图像及其对应的形变图像分别组成一个对应的待训练图像集合，并利用图像集合中的图像对识别模型进行训练。最后，利用预先训练的识别模型对接收到的CT切片图像进行肝脏癌变位置定位。本发明专利技术通过对CT切片图像的识别，提高对肝脏癌变位置的检测效率及准确性。

Methods, devices and storage media for localization of hepatocellular carcinogenesis

The invention discloses a method, device and storage medium for locating liver canceration. The method obtains the first preset number of CT slice sample images, and each CT slice sample image is marked with pathological marker points, pathological change shape curve defined by pathological marker points, non-cancer marker or cancer marker, and the acquired CT slice sample images are marked with pathological change marker points. Each CT slice sample image is preprocessed to generate corresponding preprocessed image. Then, according to the preset deformation rules, each pre-processed image and its corresponding deformation image are generated to form a corresponding set of images to be trained, and the recognition model is trained by using the images in the image set. Finally, the pre-trained recognition model is used to locate the liver canceration position in the received CT slice images. The invention improves the detection efficiency and accuracy of liver canceration position by recognizing CT slice image.

【技术实现步骤摘要】
肝脏癌变定位方法、装置及存储介质
本专利技术涉及图片识别
，尤其涉及一种肝脏癌变定位方法、装置及计算机可读存储介质。
技术介绍
目前，对于肝脏癌变的诊断是通过CT(ComputedTomography，电子计算机断层扫描)断层图像对人体肝脏横断面图像是否病变进行判断的。然而，传统的方法是凭借医生的经验对多张CT图片进行判断，定位病变位置，肝脏癌变定位的速度及准确性受医生经验的影响较大。另一方面，由于CT图像为灰度图像而且同一个CT图像显示多个内脏器官，同时，与肝脏相关的CT切片图像数量又多，导致医生消耗极大脑力且病变定位效率低下。因此，如何对肝脏癌变位置进行快速准确定位已成为一个亟待解决的技术问题。
技术实现思路
鉴于以上内容，本专利技术提供一种肝脏癌变定位方法、装置及计算机可读存储介质，其主要目的在于利用人工智能检测技术对CT切片图像上的肝脏癌变位置进行快速定位检测，提高肝脏癌变定位速度。为实现上述目的，本专利技术提供一种肝脏癌变定位方法，该方法包括：样本处理步骤：获取第一预设数量的CT切片样本图像，每个CT切片样本图像上标注有病变标志点及由病变标志点限定出的病变形状曲线，每个CT切片样本图像对应标有非癌症标记或者癌症标记，并对获取的各个CT切片样本图像进行预处理，生成对应的预处理图像；形变步骤：分别对各个预处理图像按照预设的形变规则，生成对应的形变图像，将每个预处理图像及其对应的形变图像分别组成一个对应的待训练图像集合；训练步骤：利用图像集合中的图像对识别模型进行训练；接收步骤：接收待进行肝脏癌变位置定位的CT切片图像；识别步骤：将该CT切片图像输入训练好的识别模型进行肝脏癌变位置的定位识别。优选地，所述预先训练的识别模型的训练步骤如下：将所有待训练图像集合分为第一比例的训练集、第二比例的验证集；利用训练集中的各个图像进行模型训练，以生成所述识别模型，并利用验证集中的各个图像对生成的所述识别模型进行验证；若验证通过率大于或者等于预设阈值，则训练完成，若验证通过率小于预设阈值，则增加第二预设数量的CT切片样本图像，并对增加的CT切片样本图像进行预处理及形变处理，之后流程返回将图像集合分为训练集和验证集的步骤。优选地，所述预处理包括：根据预先确定的肝脏组织在CT切片图像上的预设灰度范围，分别对各个CT切片样本图像进行预设灰度范围的像素过滤，以生成对应的过滤图像，并保证各个过滤图像的图像尺寸与对应的CT切片样本图像的图像尺寸一致；分别对各个过滤图像进行直方图均衡化处理，生成均衡化处理后的图像，各个均衡化处理后的图像即为预处理图像。优选地，所述预设的形变规则为：增加预处理图像的高斯噪声，生成对应的加噪图像；在预设角度范围内，对该加噪图像进行角度随机旋转，生成对应的旋转图像；根据预设的弹性变换规则，对该旋转图像进行弹性变换，生成对应的形变图像。优选地，所述预设的弹性变换规则为：针对一个旋转图像，分别对该旋转图像上的每个像素点(xi，yi)在范围为[-1～1]之间产生2个随机数Δx(xi，yi)和Δy(xi，yi)，将随机数Δx(xi，yi)存放到与该旋转图像相同大小的像素矩阵D和E的像素(xi，yi)的xi上，表示像素点(xi，yi)的x方向的移动距离，并将随机数Δy(xi，yi)存放到与该旋转图像相同大小的像素矩阵D和E的像素(xi，yi)的yi上，表示像素点(xi，yi)的y方向的移动距离，得到2个随机数矩阵D1和E1；随机生成一个以第一预设值为均值，以第二预设值为标准差的预设大小为105*105的高斯核，将该高斯核分别与随机数矩阵D1和E1分别卷积，生成2个卷积结果图像，分别为A(xi，yi)、B(xi，yi)；将2个卷积结果图像作用于原图像：将该旋转图像的位置(xi，yi)的像素放到新图(xi+A(xi，yi)，yi+B(xi，yi))位置上，以将所有像素移动之后得到最后的形变图像。优选地，所述接收步骤包括：根据预先确定的肝脏组织在CT切片图像上的预设灰度范围，利用预设灰度范围的像素对接收到的CT切片图像进行过滤，生成过滤图像，并保证该过滤图像的图像尺寸与该CT切片图像的图像尺寸一致；对该过滤图像进行直方图均衡化处理，生成均衡化处理后的图像。此外，本专利技术还提供一种电子装置，该电子装置包括：存储器、处理器，所述存储器上存储肝脏癌变定位程序，所述肝脏癌变定位程序被所述处理器执行，可实现如下步骤：样本处理步骤：获取第一预设数量的CT切片样本图像，每个CT切片样本图像上标注有病变标志点及由病变标志点限定出的病变形状曲线，每个CT切片样本图像对应标有非癌症标记或者癌症标记，并对获取的各个CT切片样本图像进行预处理，生成对应的预处理图像；形变步骤：分别对各个预处理图像按照预设的形变规则，生成对应的形变图像，将每个预处理图像及其对应的形变图像分别组成一个对应的待训练图像集合；训练步骤：利用图像集合中的图像对识别模型进行训练；接收步骤：接收待进行肝脏癌变位置定位的CT切片图像；识别步骤：将该CT切片图像输入训练好的识别模型进行肝脏癌变位置的定位识别。优选地，所述预先训练的识别模型的训练步骤如下：将所有待训练图像集合分为第一比例的训练集、第二比例的验证集；利用训练集中的各个图像进行模型训练，以生成所述识别模型，并利用验证集中的各个图像对生成的所述识别模型进行验证；若验证通过率大于或者等于预设阈值，则训练完成，若验证通过率小于预设阈值，则增加第二预设数量的CT切片样本图像，并对增加的CT切片样本图像进行预处理及形变处理，之后流程返回将图像集合分为训练集和验证集的步骤。优选地，所述预设的形变规则为：增加预处理图像的高斯噪声，生成对应的加噪图像；在预设角度范围内，对该加噪图像进行角度随机旋转，生成对应的旋转图像；根据预设的弹性变换规则，对该旋转图像进行弹性变换，生成对应的形变图像。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中包括肝脏癌变定位程序，所述肝脏癌变定位程序被处理器执行时，可实现如上所述肝脏癌变定位方法中的任意步骤。本专利技术提出的肝脏癌变定位方法、电子装置及计算机可读存储介质，通过接收待肝脏癌变定位的CT切片图像，利用预先训练的识别模型对该CT切片图像上的肝脏癌变为位置进行定位，并在有癌变的位置贴上癌变标签，从而提高CT切片图像上肝脏癌变的定位准确度，减少人力成本，提高工作效率。附图说明图1为本专利技术电子装置较佳实施例的示意图；图2为图1中肝脏癌变定位程序较佳实施例的模块示意图；图3为本专利技术肝脏癌变定位方法较佳实施例的流程图；图4为本专利技术识别模型训练的流程图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，是本专利技术电子装置1较佳实施例的示意图。在本实施例中，电子装置1可以是服务器、智能手机、平板电脑、个人电脑、便携计算机以及其他具有运算功能的电子设备。该电子装置1包括：存储器11、处理器12、网络接口13及通信总线14。其中，网络接口13可选地可以包括标准的有线接口、无线接口(如WI-FI接口)。通信总线14用于实现这些组件之间的连接通信。存储器11至少包括一种类本文档来自技高网...

【技术保护点】
1.一种肝脏癌变定位方法，其特征在于，所述方法包括：样本处理步骤：获取第一预设数量的CT切片样本图像，每个CT切片样本图像上标注有病变标志点及由病变标志点限定出的病变形状曲线，每个CT切片样本图像对应标有非癌症标记或者癌症标记，并对获取的各个CT切片样本图像进行预处理，生成对应的预处理图像；形变步骤：分别对各个预处理图像按照预设的形变规则，生成对应的形变图像，将每个预处理图像及其对应的形变图像分别组成一个对应的待训练图像集合；训练步骤：利用图像集合中的图像对识别模型进行训练；接收步骤：接收待进行肝脏癌变位置定位的CT切片图像；识别步骤：将该CT切片图像输入训练好的识别模型进行肝脏癌变位置的定位识别。

【技术特征摘要】
1.一种肝脏癌变定位方法，其特征在于，所述方法包括：样本处理步骤：获取第一预设数量的CT切片样本图像，每个CT切片样本图像上标注有病变标志点及由病变标志点限定出的病变形状曲线，每个CT切片样本图像对应标有非癌症标记或者癌症标记，并对获取的各个CT切片样本图像进行预处理，生成对应的预处理图像；形变步骤：分别对各个预处理图像按照预设的形变规则，生成对应的形变图像，将每个预处理图像及其对应的形变图像分别组成一个对应的待训练图像集合；训练步骤：利用图像集合中的图像对识别模型进行训练；接收步骤：接收待进行肝脏癌变位置定位的CT切片图像；识别步骤：将该CT切片图像输入训练好的识别模型进行肝脏癌变位置的定位识别。2.根据权利要求1所述的肝脏癌变定位方法，其特征在于，所述预先训练的识别模型的训练步骤如下：将所有待训练图像集合分为第一比例的训练集、第二比例的验证集；利用训练集中的各个图像进行模型训练，以生成所述识别模型，并利用验证集中的各个图像对生成的所述识别模型进行验证；若验证通过率大于或者等于预设阈值，则训练完成，若验证通过率小于预设阈值，则增加第二预设数量的CT切片样本图像，并对增加的CT切片样本图像进行预处理及形变处理，之后流程返回将图像集合分为训练集和验证集的步骤。3.根据权利要求1所述的肝脏癌变定位方法，其特征在于，所述预处理包括：根据预先确定的肝脏组织在CT切片图像上的预设灰度范围，分别对各个CT切片样本图像进行预设灰度范围的像素过滤，以生成对应的过滤图像，并保证各个过滤图像的图像尺寸与对应的CT切片样本图像的图像尺寸一致；分别对各个过滤图像进行直方图均衡化处理，生成均衡化处理后的图像，各个均衡化处理后的图像即为预处理图像。4.根据权利要求1所述的肝脏癌变定位方法，其特征在于，所述预设的形变规则为：增加预处理图像的高斯噪声，生成对应的加噪图像；在预设角度范围内，对该加噪图像进行角度随机旋转，生成对应的旋转图像；根据预设的弹性变换规则，对该旋转图像进行弹性变换，生成对应的形变图像。5.根据权利要求4所述的肝脏癌变定位方法，其特征在于，所述预设的弹性变换规则为：针对一个旋转图像，分别对该旋转图像上的每个像素点(xi，yi)在范围为[-1～1]之间产生2个随机数Δx(xi，yi)和Δy(xi，yi)，将随机数Δx(xi，yi)存放到与该旋转图像相同大小的像素矩阵D和E的像素(xi，yi)的xi上，表示像素点(xi，yi)的x方向的移动距离，并将随机数Δy(xi，yi)存放到与该旋转图像相同大小的像素矩阵D和E的像素(xi，yi)的yi上，表示像素点(xi，yi)的y方向的移动距离，得到2个随机数矩阵D1和E1；随机生成一个以第一预设...

【专利技术属性】
技术研发人员：王健宗，刘新卉，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