一种病变检测方法、装置及设备制造方法及图纸

本发明专利技术公开一种病变检测方法、装置及设备，所述方法包括：采用自编码卷积神经网络模型对CT影像进行处理，由编码器网络的卷积层和池化层对CT影像进行特征提取，得到该CT影像的病变候选区域，由解码器网络的上采样层和卷积层对CT影像的病变候选区域进行处理，得到该CT影像的病变中心点位置，由概率输出层对确定了病变中心点位置的CT影像进行处理，得到该CT影像的病变范围以及病变类型信息。由于解码器网络的计算是基于编码器网络的卷积处理结果的，所以，本申请不需要进行重复的卷积计算处理，节省了卷积计算处理时间，在保证病变检测准确率的前提下，一定程度上提高了病变检测效率。

【技术实现步骤摘要】
一种病变检测方法、装置及设备
本申请涉及医学影像处理领域，具体涉及一种病变检测方法、装置及设备。
技术介绍
癌症是目前社会对人体健康和生命威胁最大的疾病，其常用的诊断技术是电子计算机断层扫描(ComputedTomography，CT)技术，通常通过CT技术诊断出各个器官是否发生病变，并判断病变的类型(即良恶性)，有助于各种癌症的早期诊断和治疗，并因此可以降低患者的死亡率。例如，肺癌是发病率和死亡率增长最快的癌症之一，肺癌一般是由肺结节演变过来的，医生通过分析患者肺结节的良恶性有助于肺癌的早期诊断和治疗。在实际临床应用中，可以首先采用全卷积神经网络模型对患者的原始CT图像进行卷积计算，提取出CT图像上病变的候选区域；其次，将标记有病变候选区域的CT图像再次作为另一卷积神经网络模型的输入，重新进行卷积计算，最终得到病变的检测结果。由于现有的处理方式需要进行两次卷积计算，其中包含重复的计算内容，而卷积计算本身就是系统性能和时间消耗较大的处理过程，所以，目前的病变检测方法效率较低。
技术实现思路
本申请提供了一种病变检测方法、装置及设备，能够提高病变检测的效率。第一方面，本申请提供了一种病变检测方法，所述方法包括：获取计算机断层扫描CT影像；将所述CT影像作为自编码卷积神经网络模型的输入对象；其中，所述自编码卷积神经网络模型由编码器网络、解码器网络和概率输出层组成，所述编码器网络由卷积层和池化层以层叠结构组合而成，所述解码器网络由上采样层和卷积层以层叠结构组合而成；由所述编码器网络的卷积层和池化层对所述CT影像进行特征提取，得到所述CT影像的病变候选区域；由所述解码器网络的上采样层和卷积层对所述CT影像的病变候选区域进行处理，得到所述CT影像的病变中心点位置；由所述概率输出层对确定所述病变中心点位置的所述CT影像进行处理，得到所述CT影像的病变范围以及病变类型信息。一种实现方式中，所述方法还包括：根据所述CT影像的病变中心点位置、病变范围以及病变类型信息，构建所述CT影像的三维模型；创建包含所述三维模型的虚拟现实场景。一种实现方式中，所述由所述概率输出层对确定所述病变中心点位置的所述CT影像进行处理，得到所述CT影像的病变范围以及病变类型信息，包括：由所述概率输出层对确定所述病变中心点位置的所述CT影像上各个像素点进行分类，得到各个像素点的分类结果；根据各个像素点的分类结果，确定所述CT影像的病变范围，以及各个病变范围分别对应的病变类型信息。一种实现方式中，所述CT影像为肺部CT影像，所述编码器网络由每组2个3*3卷积层和1个池化层的4组结构以层叠结构组合而成，所述解码器网络由每组1个上采样层和2个3*3卷积层的4组结构以层叠结构组合而成。一种实现方式中，所述病变类型信息包括实型结节、亚实型结节、磨玻璃型结节和正常组织。第二方面，本申请还提供了一种病变检测装置，所述装置包括：获取模块，用于获取计算机断层扫描CT影像；输入模块，用于将所述CT影像作为自编码卷积神经网络模型的输入对象；其中，所述自编码卷积神经网络模型由编码器网络、解码器网络和概率输出层组成，所述编码器网络由卷积层和池化层以层叠结构组合而成，所述解码器网络由上采样层和卷积层以层叠结构组合而成；提取模块，用于由所述编码器网络的卷积层和池化层对所述CT影像进行特征提取，得到所述CT影像的病变候选区域；第一处理模块，用于由所述解码器网络的上采样层和卷积层对所述CT影像的病变候选区域进行处理，得到所述CT影像的病变中心点位置；第二处理模块，用于由所述概率输出层对确定所述病变中心点位置的所述CT影像进行处理，得到所述CT影像的病变范围以及病变类型信息。一种实现方式中，所述装置还包括：构建模块，用于根据所述CT影像的病变中心点位置、病变范围以及病变类型信息，构建所述CT影像的三维模型；创建模块，用于创建包含所述三维模型的虚拟现实场景。一种实现方式中，所述第二处理模块包括：分类子模块，用于由所述概率输出层对确定所述病变中心点位置的所述CT影像上各个像素点进行分类，得到各个像素点的分类结果；确定子模块，用于根据各个像素点的分类结果，确定所述CT影像的病变范围，以及各个病变范围分别对应的病变类型信息。第三方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行如上述的病变检测方法。第四方面，本申请还提供了一种病变检测设备，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述的病变检测方法。本申请实施例提供的病变检测方法中，采用自编码卷积神经网络模型对CT影像进行处理，由编码器网络的卷积层和池化层对CT影像进行特征提取，得到该CT影像的病变候选区域，由解码器网络的上采样层和卷积层对CT影像的病变候选区域进行处理，得到该CT影像的病变中心点位置，由概率输出层对确定了病变中心点位置的CT影像进行处理，得到该CT影像的病变范围以及病变类型信息。本申请实施例中，由于解码器网络的输入是经过编码器网络进行卷积计算确定出的病变候选区域，也就是说，解码器网络的计算是基于编码器网络的卷积处理结果的，所以，本申请实施例不需要进行重复的卷积计算处理，节省了卷积计算处理时间，与现有技术相比，在保证病变检测准确率的前提下，一定程度上提高了病变检测效率。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种病变检测方法的流程图；图2为本专利技术实施例提供的一种自编码卷积神经网络模型的示意图；图3为本专利技术实施例提供的另一种病变检测方法的流程图；图4为本专利技术实施例提供的一种肺结节检测方法的流程图；图5为本专利技术实施例提供的一种用于肺结节检测的自编码卷积神经网络模型的示意图；图6为本专利技术实施例提供的一种病变检测装置的结构示意图；图7为本专利技术实施例提供的一种病变检测设备的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。随着各种疾病(如癌症)检测技术的发展，对于患者的病变位置、范围、类型等检测技术也在不断的改进。目前，对于患者的病变位置、范围、类型等信息的检测可以利用全卷积神经网络完成，具体的，首先采用全卷积神经网络模型对患者的原始CT图像进行卷积计算，提取出CT图像上病变的候选区域，其次，将标记有病变候选区域的CT图像再次作为另一卷积神经网络模型的输入，重新进行一次卷积计算，得到病变的最终检测结果。但是，由上述步骤可知，现有的利用全卷积神经网络完成的病变检测方法中需要进行两次卷积计算，其中一次是针对原始CT图像，另一次是针对标记有病变候选区域的CT图像，显然两种CT图像包含较多重复的内容，也就导致两次卷积计算过本文档来自技高网...

【技术保护点】
1.一种病变检测方法，其特征在于，所述方法包括：获取计算机断层扫描CT影像；将所述CT影像作为自编码卷积神经网络模型的输入对象；其中，所述自编码卷积神经网络模型由编码器网络、解码器网络和概率输出层组成，所述编码器网络由卷积层和池化层以层叠结构组合而成，所述解码器网络由上采样层和卷积层以层叠结构组合而成；由所述编码器网络的卷积层和池化层对所述CT影像进行特征提取，得到所述CT影像的病变候选区域；由所述解码器网络的上采样层和卷积层对所述CT影像的病变候选区域进行处理，得到所述CT影像的病变中心点位置；由所述概率输出层对确定所述病变中心点位置的所述CT影像进行处理，得到所述CT影像的病变范围以及病变类型信息。

【技术特征摘要】
1.一种病变检测方法，其特征在于，所述方法包括：获取计算机断层扫描CT影像；将所述CT影像作为自编码卷积神经网络模型的输入对象；其中，所述自编码卷积神经网络模型由编码器网络、解码器网络和概率输出层组成，所述编码器网络由卷积层和池化层以层叠结构组合而成，所述解码器网络由上采样层和卷积层以层叠结构组合而成；由所述编码器网络的卷积层和池化层对所述CT影像进行特征提取，得到所述CT影像的病变候选区域；由所述解码器网络的上采样层和卷积层对所述CT影像的病变候选区域进行处理，得到所述CT影像的病变中心点位置；由所述概率输出层对确定所述病变中心点位置的所述CT影像进行处理，得到所述CT影像的病变范围以及病变类型信息。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述CT影像的病变中心点位置、病变范围以及病变类型信息，构建所述CT影像的三维模型；创建包含所述三维模型的虚拟现实场景。3.根据权利要求1所述的方法，其特征在于，所述由所述概率输出层对确定所述病变中心点位置的所述CT影像进行处理，得到所述CT影像的病变范围以及病变类型信息，包括：由所述概率输出层对确定所述病变中心点位置的所述CT影像上各个像素点进行分类，得到各个像素点的分类结果；根据各个像素点的分类结果，确定所述CT影像的病变范围，以及各个病变范围分别对应的病变类型信息。4.根据权利要求3所述的方法，其特征在于，所述CT影像为肺部CT影像，所述编码器网络由每组2个3*3卷积层和1个池化层的4组结构以层叠结构组合而成，所述解码器网络由每组1个上采样层和2个3*3卷积层的4组结构以层叠结构组合而成。5.根据权利要求4所述的方法，其特征在于，所述病变类型信息包括实型结节、亚实型结节、磨玻璃型结节和正常组织。6.一种病变检测装置，其特征在于...

【专利技术属性】
技术研发人员：陈俊强，陈磊，刘允，康雁，
申请(专利权)人：沈阳东软医疗系统有限公司，
类型：发明
国别省市：辽宁,21