CT图像肺结节检测方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术公开了一种CT图像肺结节检测方法、装置、设备及可读存储介质，所述CT图像肺结节检测方法包括：在接收到病历处理指令时，获取所述病历处理指令对应的目标CT图像；获取并调节所述目标CT图像的显示参数，得到调节图像；通过预存的三维卷积神经像素分割网络、以及三维卷积神经网络分类器对所述调节图像进行确定结节区域分析，得到并输出所述调节图像的确定结节区域、以及对所述确定结节区域的第一分析信息。本发明专利技术解决现有人工肺结节检测效率、精确度低下的技术问题。

【技术实现步骤摘要】
CT图像肺结节检测方法、装置、设备及可读存储介质
本专利技术涉及图像处理
，尤其涉及一种CT图像肺结节检测方法、装置、设备及可读存储介质。
技术介绍
肺结节是肺癌最重要的早期征象之一，即根据肺结节的病变特征能够推断出肺病灶的病变特性。目前，在得到肺部中的CT图像后，需要医生进行人工阅读该CT图像，以进行肺确定结节区域分析信息的提取或者检测，由于肺结节的大小、形状以及密度等特征的不确定性，人工肺结节特征检测难以满足市场对肺结节特征检测效率、精确度的需求。
技术实现思路
本专利技术的主要目的在于提供一种CT图像肺结节检测方法、装置、设备及可读存储介质，旨在解决现有人工肺结节检测效率、精确度低下的技术问题。为实现上述目的，本专利技术提供一种CT图像肺结节检测方法，所述CT图像肺结节检测方法包括：在接收到病历处理指令时，获取所述病历处理指令对应的目标CT图像；获取并调节所述目标CT图像的显示参数，得到调节图像；通过预存的三维卷积神经像素分割网络、以及三维卷积神经网络分类器对所述调节图像进行确定结节区域分析，得到并输出所述调节图像的确定结节区域、以及对所述确定结节区域的第一分析信息。可选地，所述三维卷积神经网络分类器中包括各个结节判断网络以及结节分析网络；所述通过预存的三维卷积神经像素分割网络、以及三维卷积神经网络分类器对所述调节图像进行确定结节区域分析，得到并输出所述调节图像的确定结节区域、以及对所述确定结节区域的第一分析信息步骤包括：通过预存的三维卷积神经像素分割网络对所述调节图像进行像素分割处理，得到所述调节图像对应的概率图，对所述概率图进行连通域标记得到候选结节区域；通过所述各个结节判断网络对应的各个预测模型对所述候选结节区域进行预测，得到所述候选结节区域对应的各个概率预测值，融合处理所述各个概率预测值，得到所述候选结节区域的目标概率预测值；将所述目标概率预测值与预存阀值进行比较，并得到比较结果，基于该比较结果，得到所述候选结节区域的分类结果，并基于所述分类结果得到确定结节区域；提取所述确定结节区域的纹理特征、形状特征，以形成所述确定结节区域的各个特征矩阵，通过所述结节分析网络中分类向量对所述各个特征矩阵进行分类，得到所述标区域的第一分析信息，其中，所述结节分析网络中分类向量是已经训练完成的。可选地，所述第一分析信息包括结节的恶性概率、置信度、直径、亚类、解剖位置、平均密度和体积参数；所述通过所述结节分析网络中分类向量对所述各个特征矩阵进行分类，得到所述标区域的第一分析信息步骤之后包括：读取结节的第一分析信息，得到所述调节图像对应结节的个数；当所述结节的个数为多个时，从所述恶性概率、置信度、直径、亚类、解剖位置、平均密度和体积参数中随机选取一个参数作为排序参数；获取并基于所述调节图像各个结节对应排序参数的值的大小，对所述调节图像的各个结节进行排序编号，以得到调节图像各个结节的显示序列；生成所述调节图像的检测报告，其中，所述检测报告包括所述各个结节的显示序列以及各个结节的第一分析信息。可选地，所述读取结节的第一分析信息，得到所述调节图像对应结节的个数步骤之前包括：若接收到所述添加指令时，获取人工添加的添加结节；通过所述结节分析网络对所述添加结节进行结节分析，得到所述添加结节的第二分析信息；将所述第二分析信息添加至第一分析信息中。可选地，所述获取并基于所述调节图像各个结节对应排序参数的值的大小，对所述调节图像的各个结节进行排序编号步骤之后包括：基于所述第二分析信息，从所述调节图像的各个结节中挑选得到添加结节；对所述添加结节进行预设差异标识的标识处理。可选地，所述得到并输出所述调节图像的确定结节区域、以及对所述确定结节区域的第一分析信息步骤之后包括：在接收到检测结果检索指令时，获取所述检索指令对应的输入信息，其中，所述输入信息包括姓名、病历号、性别、出生日期、检查时间、检查类型中的一个或者多个输入维度信息；从预存的多个检测结果中选取与所述输入信息匹配的目标检测结果并显示。可选地，所述在接收到检测结果检索指令时，获取所述检索指令对应的输入信息步骤之前包括：接收并验证用户输入的登录信息以及密码信息；当所述登录信息以及密码信息通过验证时，生成并显示检测结果检索界面。本专利技术还提供一种CT图像肺结节检测装置，所述CT图像肺结节检测装置包括：第一获取模块，用于在接收到病历处理指令时，获取所述病历处理指令对应的目标CT图像；第二获取模块，用于获取并调节所述目标CT图像的显示参数，得到调节图像；输出模块，用于通过预存的三维卷积神经像素分割网络、以及三维卷积神经网络分类器对所述调节图像进行确定结节区域分析，得到并输出所述调节图像的确定结节区域、以及对所述确定结节区域的第一分析信息。可选地，所述输出模块包括：候选结节区域获取单元，用于通过预存的三维卷积神经像素分割网络对所述调节图像进行像素分割处理，得到所述调节图像对应的概率图，对所述概率图进行连通域标记得到候选结节区域；概率预测值获取单元，用于通过所述各个结节判断网络对应的各个预测模型对所述候选结节区域进行预测，得到所述候选结节区域对应的各个概率预测值，融合处理所述各个概率预测值，得到所述候选结节区域的目标概率预测值；比较单元，用于将所述目标概率预测值与预存阀值进行比较，并得到比较结果，基于该比较结果，得到所述候选结节区域的分类结果，并基于所述分类结果得到确定结节区域；提取单元，用于提取所述确定结节区域的纹理特征、形状特征，以形成所述确定结节区域的各个特征矩阵，通过所述结节分析网络中分类向量对所述各个特征矩阵进行分类，得到所述标区域的第一分析信息，其中，所述结节分析网络中分类向量是已经训练完成的。可选地，所述第一分析信息包括结节的恶性概率、置信度、直径、亚类、解剖位置、平均密度和体积参数；所述CT图像肺结节检测装置还包括：读取模块，用于读取结节的第一分析信息，得到所述调节图像对应结节的个数；第一选取模块，用于当所述结节的个数为多个时，从所述恶性概率、置信度、直径、亚类、解剖位置、平均密度和体积参数中随机选取一个参数作为排序参数；第三获取模块，用于获取并基于所述调节图像各个结节对应排序参数的值的大小，对所述调节图像的各个结节进行排序编号，以得到调节图像各个结节的显示序列；生成模块，用于生成所述调节图像的检测报告，其中，所述检测报告包括所述各个结节的显示序列以及各个结节的第一分析信息。可选地，所述CT图像肺结节检测装置还包括：接收模块，用于若接收到所述添加指令时，获取人工添加的添加结节；分析模块，用于通过预存的三维卷积神经像素分割网络、以及三维卷积神经网络分类器对所述添加结节进行结节分析，得到所述添加结节的第二分析信息；添加模块，用于将所述第二分析信息添加至第一分析信息中。可选地，所述CT图像肺结节检测装置还包括：挑选模块，用于基于所述第二分析信息，从所述调节图像的各个结节中挑选得到添加结节；表示模块，用于对所述添加结节进行预设差异标识的标识处理。可选地，所述CT图像肺结节检测装置还包括：第四获取模块，用于在接收到检测结果检索指令时，获取所述检索指令对应的输入信息，其中，所述输入信息包括姓名、病历号、性别、出生日期、检查时间、检查类型中的一个或者多个输入维度信息；第二选取模块，本文档来自技高网...

【技术保护点】
1.一种CT图像肺结节检测方法，其特征在于，所述CT图像肺结节检测方法包括：在接收到病历处理指令时，获取所述病历处理指令对应的目标CT图像；获取并调节所述目标CT图像的显示参数，得到调节图像；通过预存的三维卷积神经像素分割网络、以及三维卷积神经网络分类器对所述调节图像进行结节分析，得到并输出所述调节图像的确定结节区域、以及对所述确定结节区域的第一分析信息。

【技术特征摘要】
1.一种CT图像肺结节检测方法，其特征在于，所述CT图像肺结节检测方法包括：在接收到病历处理指令时，获取所述病历处理指令对应的目标CT图像；获取并调节所述目标CT图像的显示参数，得到调节图像；通过预存的三维卷积神经像素分割网络、以及三维卷积神经网络分类器对所述调节图像进行结节分析，得到并输出所述调节图像的确定结节区域、以及对所述确定结节区域的第一分析信息。2.如权利要求1所述的CT图像肺结节检测方法，其特征在于，所述三维卷积神经网络分类器中包括各个结节判断网络以及结节分析网络；所述通过预存的三维卷积神经像素分割网络、以及三维卷积神经网络分类器对所述调节图像进行确定结节区域分析，得到并输出所述调节图像的确定结节区域、以及对所述确定结节区域的第一分析信息步骤包括：通过预存的三维卷积神经像素分割网络对所述调节图像进行像素分割处理，得到所述调节图像对应的概率图，对所述概率图进行连通域标记得到候选结节区域；通过所述各个结节判断网络对应的各个预测模型对所述候选结节区域进行预测，得到所述候选结节区域对应的各个概率预测值，融合处理所述各个概率预测值，得到所述候选结节区域的目标概率预测值；将所述目标概率预测值与预存阀值进行比较，并得到比较结果，基于该比较结果，得到所述候选结节区域的分类结果，并基于所述分类结果得到确定结节区域；提取所述确定结节区域的纹理特征、形状特征，以形成所述确定结节区域的各个特征矩阵，通过所述结节分析网络中分类向量对所述各个特征矩阵进行分类，得到所述标区域的第一分析信息，其中，所述结节分析网络中分类向量是已经训练完成的。3.如权利要求2所述的CT图像肺结节检测方法，其特征在于，所述第一分析信息包括结节的恶性概率、置信度、直径、亚类、解剖位置、平均密度和体积参数；所述通过所述结节分析网络中分类向量对所述各个特征矩阵进行分类，得到所述标区域的第一分析信息步骤之后包括：读取结节的第一分析信息，得到所述调节图像对应结节的个数；当所述结节的个数为多个时，从所述恶性概率、置信度、直径、亚类、解剖位置、平均密度和体积参数中随机选取一个参数作为排序参数；获取并基于所述调节图像各个结节对应排序参数的值的大小，对所述调节图像的各个结节进行排序编号，以得到调节图像各个结节的显示序列；生成所述调节图像的检测报告，其中，所述检测报告包括所述各个结节的显示序列以及各个结节的第一分析信息。4.如权利要求3所述的CT图像肺结节检测方法，其特征...

【专利技术属性】
技术研发人员：窦琪，刘权德，陈浩，
申请(专利权)人：深圳视见医疗科技有限公司，
类型：发明
国别省市：广东,44