一种影像结节检出的方法及装置制造方法及图纸

本发明专利技术公开了一种影像结节检出的方法及装置，该方法包括获取结节影像，将至少3张结节影像输入至第一结节检出模型中，确定出结节影像的候选结节，对候选结节进行多方位的切割，得到候选结节的多个方向的多个切面影像，将至少3张连续的切面影像输入至第二结节检出模型，确定出结节影像中的结节。由于采用深度残差网络模型对已标记结节区域的结节影像进行训练学习得到的第一结节检出模型以及对结节的多个切面影像进行训练学习得到第二结节检出模型，可以提高结节检测的效率，并且在检测出结节后再过滤掉假阳性的结节，从而提高了结节检测的准确率。

【技术实现步骤摘要】
一种影像结节检出的方法及装置
本专利技术实施例涉及机器学习
，尤其涉及一种影像结节检出的方法及装置。
技术介绍
目前，结节己引起广泛关注，例如肺结节、甲状腺结节等等，医生一般通过医学影像手段观察患者结节的情况。由于随着时间的增长，患者的结节可能发生变化，例如，增大、减小，或者，长出新的结节等等。目前从医学影像中找出结节的方式主要是通过医生人工观察医学影像来查找出医学影像中对应的存在的结节，但是这种情况会导致找出的结节准确性不高，同时也会耗费大量的时间，并且存在较大的主观性。
技术实现思路
本专利技术实施例提供一种影像结节检出的方法及装置，用以提高结节检出的效率，以及提高结节检出的准确率。本专利技术实施例提供的一种影像结节检出的方法，包括：获取结节影像；将至少3张所述结节影像输入至第一结节检出模型中，确定出所述结节影像的候选结节；所述第一结节检出模型是采用深度残差网络模型对已标记结节候选区域的多个结节影像进行训练后得到的；对所述候选结节进行多方位的切割，得到所述候选结节的多个方向的多个切面影像；将至少3张连续的所述切面影像输入至第二结节检出模型，确定出所述结节影像中的结节；所述第二结节检出模型是采用深度残差网络模型对结节的多个切面影像进行训练学习得到的。由于采用深度残差网络模型对已标记结节区域的结节影像进行训练学习得到的第一结节检出模型以及对结节的多个切面影像进行训练学习得到第二结节检出模型，可以提高结节检测的效率，并且在检测出结节后再过滤掉假阳性的结节，从而提高了结节检测的准确率。可选的，所述将至少3张所述结节影像输入至第一结节检出模型中，确定出所述结节影像的候选结节，包括：将所述至少3张所述结节影像经N个连续的卷积特征提取块处理，得到所述结节影像的图像特征，N大于0，所述卷积特征提取块包括L个卷积模块，L大于0，任意一个卷积模块中包括卷积层、BN层及激励层；针对所述N个卷积特征提取块中任意两个连续的第一卷积特征提取块和第二卷积特征提取块，所述第二卷积特征提取块输出的第二图像特征与所述第一卷积特征提取块输出的第一图像特征相加后作为第三积特征提取块的输入或者N个连续的卷积特征提取块的输出；所述第三卷积特征提取块为位于所述第二卷积特征提取块之后且与所述第二卷积特征提取块连续的卷积特征提取块；将所述结节影像的图像特征输入全连接层，输出所述结节影像的候选结节。通过第一结节检出模型对结节影响进行检出，可以提高候选结节检出的效率。可选的，所述对所述候选结节进行多方位的切割，得到所述候选结节的多个方向的多个切面影像，包括：对所述候选结节在空间上进行不同方向的多次切割，得到所述候选结节在空间的多个方向上的多个切面影像。通过对候选结节的多个方向上的切割，得到的多个切面影像，能够提高结节检出的准确度。可选的，所述将至少3张连续的所述切面影像输入至第二结节检出模型，确定出所述结节影像中的结节，包括：将所述至少3张连续的所述切面影像经N个连续的卷积特征提取块处理，得到所述切面影像的图像特征，N大于0，所述卷积特征提取块包括L个卷积模块，L大于0，任意一个卷积模块中包括卷积层、BN层及激励层；针对所述N个卷积特征提取块中任意两个连续的第一卷积特征提取块和第二卷积特征提取块，所述第二卷积特征提取块输出的第二图像特征与所述第一卷积特征提取块输出的第一图像特征相加后作为第三积特征提取块的输入或者N个连续的卷积特征提取块的输出；所述第三卷积特征提取块为位于所述第二卷积特征提取块之后且与所述第二卷积特征提取块连续的卷积特征提取块；将所述切面影像的图像特征输入全连接层，输出所述结节影像的结节。相应的，本专利技术实施例还提供了一种影像结节检出的装置，该方法包括：获取单元，用于获取结节影像；处理单元，用于将至少3张所述结节影像输入至第一结节检出模型中，确定出所述结节影像的候选结节；所述第一结节检出模型是采用深度残差网络模型对已标记结节候选区域的多个结节影像进行训练后得到的；切割单元，用于对所述候选结节进行多方位的切割，得到所述候选结节的多个方向的多个切面影像；检测单元，用于将至少3张连续的所述切面影像输入至第二结节检出模型，确定出所述结节影像中的结节；所述第二结节检出模型是采用深度残差网络模型对结节的多个切面影像进行训练学习得到的。可选的，所述处理单元具体用于：将所述至少3张所述结节影像经N个连续的卷积特征提取块处理，得到所述结节影像的图像特征，N大于0，所述卷积特征提取块包括L个卷积模块，L大于0，任意一个卷积模块中包括卷积层、BN层及激励层；针对所述N个卷积特征提取块中任意两个连续的第一卷积特征提取块和第二卷积特征提取块，所述第二卷积特征提取块输出的第二图像特征与所述第一卷积特征提取块输出的第一图像特征相加后作为第三积特征提取块的输入或者N个连续的卷积特征提取块的输出；所述第三卷积特征提取块为位于所述第二卷积特征提取块之后且与所述第二卷积特征提取块连续的卷积特征提取块；将所述结节影像的图像特征输入全连接层，输出所述结节影像的候选结节。可选的，所述切割单元，具体用于：对所述候选结节在空间上进行不同方向的多次切割，得到所述候选结节在空间的多个方向上的多个切面影像。可选的，所述检测单元具体用于：将所述至少3张连续的所述切面影像经N个连续的卷积特征提取块处理，得到所述切面影像的图像特征，N大于0，所述卷积特征提取块包括L个卷积模块，L大于0，任意一个卷积模块中包括卷积层、BN层及激励层；针对所述N个卷积特征提取块中任意两个连续的第一卷积特征提取块和第二卷积特征提取块，所述第二卷积特征提取块输出的第二图像特征与所述第一卷积特征提取块输出的第一图像特征相加后作为第三积特征提取块的输入或者N个连续的卷积特征提取块的输出；所述第三卷积特征提取块为位于所述第二卷积特征提取块之后且与所述第二卷积特征提取块连续的卷积特征提取块；将所述切面影像的图像特征输入全连接层，输出所述结节影像的结节。相应的，本专利技术实施例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存储有计算机可执行指令，所述计算机可执行指令用于使所述计算机执行上述影像结节检出的方法。相应的，本专利技术实施例还提供了一种图像识别的计算设备，包括：存储器，用于存储程序指令；处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述影像结节检出的方法。附图说明为了更清楚地说明本专利技术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要介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，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系统架构的示意图；图2为本专利技术实施例提供的一种影像结节检出的方法的流程示意图；图3为本专利技术实施例提供的一种结节影像的示意图；图4为本专利技术实施例提供的一种深度残差网络的结构示意图；图5为本专利技术实施例提供的一种卷积特征提取块的结构示意图；图6a和图6b分别示出了本专利技术实施例提供的一种结节切割的示意图；图7为本专利技术实施例提供的一种影像结节检测的装置的结构示意图；图8为本专利技术实施例提供的一种影像结节检测的设备的结构示意图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图本文档来自技高网...

【技术保护点】
1.一种影像结节检出的方法，其特征在于，该方法包括：获取结节影像；将至少3张所述结节影像输入至第一结节检出模型中，确定出所述结节影像的候选结节；所述第一结节检出模型是采用深度残差网络模型对已标记结节候选区域的多个结节影像进行训练后得到的；对所述候选结节进行多方位的切割，得到所述候选结节的多个方向的多个切面影像；将至少3张连续的所述切面影像输入至第二结节检出模型，确定出所述结节影像中的结节；所述第二结节检出模型是采用深度残差网络模型对结节的多个切面影像进行训练学习得到的。

【技术特征摘要】
1.一种影像结节检出的方法，其特征在于，该方法包括：获取结节影像；将至少3张所述结节影像输入至第一结节检出模型中，确定出所述结节影像的候选结节；所述第一结节检出模型是采用深度残差网络模型对已标记结节候选区域的多个结节影像进行训练后得到的；对所述候选结节进行多方位的切割，得到所述候选结节的多个方向的多个切面影像；将至少3张连续的所述切面影像输入至第二结节检出模型，确定出所述结节影像中的结节；所述第二结节检出模型是采用深度残差网络模型对结节的多个切面影像进行训练学习得到的。2.如权利要求1所述的方法，其特征在于，所述将至少3张所述结节影像输入至第一结节检出模型中，确定出所述结节影像的候选结节，包括：将所述至少3张所述结节影像经N个连续的卷积特征提取块处理，得到所述结节影像的图像特征，N大于0，所述卷积特征提取块包括L个卷积模块，L大于0，任意一个卷积模块中包括卷积层、BN层及激励层；针对所述N个卷积特征提取块中任意两个连续的第一卷积特征提取块和第二卷积特征提取块，所述第二卷积特征提取块输出的第二图像特征与所述第一卷积特征提取块输出的第一图像特征相加后作为第三积特征提取块的输入或者N个连续的卷积特征提取块的输出；所述第三卷积特征提取块为位于所述第二卷积特征提取块之后且与所述第二卷积特征提取块连续的卷积特征提取块；将所述结节影像的图像特征输入全连接层，输出所述结节影像的候选结节。3.如权利要求1所述的方法，其特征在于，所述对所述候选结节进行多方位的切割，得到所述候选结节的多个方向的多个切面影像，包括：对所述候选结节在空间上进行不同方向的多次切割，得到所述候选结节在空间的多个方向上的多个切面影像。4.如权利要求1所述的方法，其特征在于，所述将至少3张连续的所述切面影像输入至第二结节检出模型，确定出所述结节影像中的结节，包括：将所述至少3张连续的所述切面影像经N个连续的卷积特征提取块处理，得到所述切面影像的图像特征，N大于0，所述卷积特征提取块包括L个卷积模块，L大于0，任意一个卷积模块中包括卷积层、BN层及激励层；针对所述N个卷积特征提取块中任意两个连续的第一卷积特征提取块和第二卷积特征提取块，所述第二卷积特征提取块输出的第二图像特征与所述第一卷积特征提取块输出的第一图像特征相加后作为第三积特征提取块的输入或者N个连续的卷积特征提取块的输出；所述第三卷积特征提取块为位于所述第二卷积特征提取块之后且与所述第二卷积特征提取块连续的卷积特征提取块；将所述切面影像的图像特征输入全连接层，输出所述结节影像的结节。5.一种影像结节检出的装置，其特征在于，该方法包括：获取单元，用于获取结节影像；处理单元，用于将至...

【专利技术属性】
技术研发人员：李为民，刘丹，倪浩，王成弟，白红利，任鹏伟，杨澜，邵俊，金晶，甘芸翠，鲜京宏，郑永升，方骢，石磊，杨忠程，翁静思，王虹鉴，魏子昆，
申请(专利权)人：四川大学华西医院，杭州依图医疗技术有限公司，
类型：发明
国别省市：四川,51