一种肺结节分析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肺结节分析的方法及装置，该方法包括获取患者的肺部的肺结节影像以及肺结节影像中肺结节的三维坐标，根据肺结节的三维坐标从肺结节影像中确定包含所述肺结节的ROI，将肺结节的ROI、肺结节的三维坐标输入至预设特征提取神经网络模型进行特征提取，得到肺结节影像的特征向量，将肺结节影像的特征向量输入至预设分类神经网络模型，得到预设分类神经网络模型输出的患者的肺结节分析结果。相比于传统的医生诊断的方式而言，能够降低因医生水平差异导致的诊断误差率，从而提高肺结节分析的准确性。

【技术实现步骤摘要】
一种肺结节分析的方法及装置
本专利技术实施例涉及机器学习
，尤其涉及一种肺结节分析的方法及装置。
技术介绍
随着环境污染的日益严重，越来越多的疾病呈现出高爆发率的趋势。现代医疗技术的发展已经很成熟，医生可以凭借医学知识以及医疗经验诊断出各种疾病。也就是说，现有技术中的确定疾病的大多依靠医生的诊断，然而由于各个地区的医疗水平很不一致，且医生的个人经验水平也参差不齐，因此，传统的医生诊断疾病的方法容易受到地区医疗水平以及医生个人经验水平的影像，导致诊断误差较大的问题。以肺结节为例，医生通常需要人为地观测肺部影像，以对患者所患有的肺结节进行分析，这一过程难免会出现误诊的情况。基于此，目前亟需一种分析肺结节的方法，用于提高分析肺结节的准确率。
技术实现思路
本专利技术实施例提供一种肺结节分析的方法及装置，用以提高分析肺结节的准确率。本专利技术实施例提供的一种肺结节分析的方法，包括：获取患者的肺部的肺结节影像以及所述肺结节影像中肺结节的三维坐标；根据所述肺结节的三维坐标从所述肺结节影像中确定包含所述肺结节的感兴趣区域(RegionofInterest，简称ROI)；将所述肺结节的ROI和所述肺结节的三维坐标输入至预设特征提取神经网络模型进行特征提取，得到所述肺结节影像的特征向量；所述预设特征提取神经网络模型是通过对已标记的肺结节影像、已标记的肺结节的三维坐标进行训练得到的；将所述肺结节影像的特征向量输入至预设分类神经网络模型，得到所述预设分类神经网络模型输出的所述患者的肺结节分析结果；其中，所述预设分类神经网络模型是通过对多个患者的肺结节影像的特征向量以及患者患有肺结节的已知结果进行训练得到的。如此，本专利技术实施例采用预设特征提取神经网络模型对肺结节的ROI、肺结节的三维坐标提取特征向量，并结合预设分类神经网络来对肺结节进行分析，由于以上模型均是通过对大量数据进行训练得到的，从而使得通过模型得到的结果较为合理，且具有一定的科学依据。相比于传统的医生诊断的方式而言，能够降低因医生水平差异导致的诊断误差率，从而提高肺结节分析的准确性。可选的，所述预设分类神经网络模型为预设征象分类神经网络模型；所述预设征象分类神经网络模型是通过对多个患者对应的特征向量、每个患者患有的肺结节的征象进行训练得到的；所述预设分类神经网络模型输出的所述患者的肺结节分析结果为所述患者患有的肺结节的征象。如此，相比于现有技术中医生通过人为诊断的方式来判断肺结节的征象而言，本专利技术实施例采用预设特征提取神经网络模型，并结合预设征象分类神经网络来判断肺结节的征象，能够降低因医生水平差异导致的诊断误差率，从而提高确定肺结节征象的准确性。可选的，所述预设分类神经网络模型是通过对多个患者的肺结节影像的特征向量以及患者患有肺结节的已知征象结果进行训练得到的，包括：将所述多个患者对应的特征向量输入到初始的征象分类神经网络模型，得到每个患者患有的肺结节的预测征象；根据所述每个患者患有的肺结节的预测征象以及每个患者患有的肺结节的实际征象，进行反向训练，生成所述预设征象分类神经网络模型。如此，通过预测征象和实际征象之间的对比，可以准确的调整预设征象分类神经网络模型的参数，提高生成的预设征象分类神经网络模型的准确度。可选的，所述将所述患者对应的特征向量输入预设分类神经网络模型，并得到所述预设分类神经网络模型输出的所述患者患有的肺结节的分析结果，包括：将所述患者对应的特征向量输入预设分类神经网络模型，得到预设征象对应的置信度；若所述预设征象对应的置信度大于预设阈值，则将所述预设征象作为所述患者患有的肺结节的征象。如此，通过每个征象的置信度与预设阈值的对比，将置信度大于预设阈值的征象作为患者患有的肺结节的征象，从而能够有效避免忽略同一个肺结节存在多种征象的情况。可选的，所述征象包括空洞征、含气支气管征、血管集束征中的任意一项。相应的，本专利技术实施例还提供了一种肺结节分析的装置，包括：获取单元，用于获取患者的肺部的肺结节影像以及所述肺结节影像中肺结节的三维坐标；确定单元，用于根据所述肺结节的三维坐标从所述肺结节影像中确定包含所述肺结节的ROI；处理单元，用于将所述肺结节的ROI和所述肺结节的三维坐标输入至预设特征提取神经网络模型进行特征提取，得到所述肺结节影像的特征向量；所述预设特征提取神经网络模型是通过对已标记的肺结节影像、已标记的肺结节的三维坐标进行训练得到的；以及将所述肺结节影像的特征向量输入至预设分类神经网络模型，得到所述预设分类神经网络模型输出的所述患者的肺结节分析结果；其中，所述预设分类神经网络模型是通过对多个患者的肺结节影像的特征向量以及患者患有肺结节的已知结果进行训练得到的。可选的，所述预设分类神经网络模型为预设征象分类神经网络模型；所述预设征象分类神经网络模型是通过对多个患者对应的特征向量、每个患者患有的肺结节的征象进行训练得到的；所述预设分类神经网络模型输出的所述患者的肺结节分析结果为所述患者患有的肺结节的征象。可选的，所述处理单元具体用于：将所述多个患者对应的特征向量输入到初始的征象分类神经网络模型，得到每个患者患有的肺结节的预测征象；根据所述每个患者患有的肺结节的预测征象以及每个患者患有的肺结节的实际征象，进行反向训练，生成所述预设征象分类神经网络模型。可选的，所述处理单元具体用于：将所述患者对应的特征向量输入预设分类神经网络模型，得到预设征象对应的置信度；若所述预设征象对应的置信度大于预设阈值，则将所述预设征象作为所述患者患有的肺结节的征象。可选的，所述征象包括空洞征、含气支气管征、血管集束征中的任意一项。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肺结节分析的方法。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肺结节分析的方法。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肺结节分析的方法的流程示意图；图3a至图3c为本专利技术实施例提供的一种肺结节影像的示意图；图4a和图4b为本专利技术实施例提供的一种肺结节影像的示意图；图5为本专利技术实施例提供的一种预设特征提取神经网络模型的结构示意图；图6为本专利技术实施例提供的一种预设分类神经网络模型的结构示意图；图7为本专利技术实施例提供的一种肺结节分析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肺结节分析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，下面将结合附图对本专利技术作进一步地详细描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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它实施例，都属于本专利技术保护的范围。图1为本专利技术实施例提供的肺结节分析的方法所适用的系统架本文档来自技高网...

【技术保护点】
1.一种肺结节分析的方法，其特征在于，该方法包括：获取患者的肺部的肺结节影像以及所述肺结节影像中肺结节的三维坐标；根据所述肺结节的三维坐标从所述肺结节影像中确定包含所述肺结节的感兴趣区域ROI；将所述肺结节的ROI和所述肺结节的三维坐标输入至预设特征提取神经网络模型进行特征提取，得到所述肺结节影像的特征向量；所述预设特征提取神经网络模型是通过对已标记的肺结节影像、已标记的肺结节的三维坐标进行训练得到的；将所述肺结节影像的特征向量输入至预设分类神经网络模型，得到所述预设分类神经网络模型输出的所述患者的肺结节分析结果；其中，所述预设分类神经网络模型是通过对多个患者的肺结节影像的特征向量以及患者患有肺结节的已知结果进行训练得到的。

【技术特征摘要】
1.一种肺结节分析的方法，其特征在于，该方法包括：获取患者的肺部的肺结节影像以及所述肺结节影像中肺结节的三维坐标；根据所述肺结节的三维坐标从所述肺结节影像中确定包含所述肺结节的感兴趣区域ROI；将所述肺结节的ROI和所述肺结节的三维坐标输入至预设特征提取神经网络模型进行特征提取，得到所述肺结节影像的特征向量；所述预设特征提取神经网络模型是通过对已标记的肺结节影像、已标记的肺结节的三维坐标进行训练得到的；将所述肺结节影像的特征向量输入至预设分类神经网络模型，得到所述预设分类神经网络模型输出的所述患者的肺结节分析结果；其中，所述预设分类神经网络模型是通过对多个患者的肺结节影像的特征向量以及患者患有肺结节的已知结果进行训练得到的。2.根据权利要求1所述的方法，其特征在于，所述预设分类神经网络模型为预设征象分类神经网络模型；所述预设征象分类神经网络模型是通过对多个患者对应的特征向量、每个患者患有的肺结节的征象进行训练得到的；所述预设分类神经网络模型输出的所述患者的肺结节分析结果为所述患者患有的肺结节的征象。3.根据权利要求2所述的方法，其特征在于，所述预设分类神经网络模型是通过对多个患者的肺结节影像的特征向量以及患者患有肺结节的已知征象结果进行训练得到的，包括：将所述多个患者对应的特征向量输入到初始的征象分类神经网络模型，得到每个患者患有的肺结节的预测征象；根据所述每个患者患有的肺结节的预测征象以及每个患者患有的肺结节的实际征象，进行反向训练，生成所述预设征象分类神经网络模型。4.根据权利要求2所述的方法，其特征在于，所述将所述患者对应的特征向量输入预设分类神经网络模型，并得到所述预设分类神经网络模型输出的所述患者患有的肺结节的分析结果，包括：将所述患者对应的特征向量输入预设分类神经网络模型，得到预设征象对应的置信度；若所述预设征象对应的置信度大于预设阈值，则将所述预设征象作为所述患者患有的肺结节的征象。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述征象包括空洞征、含气支气管征、血管集束征中的任意一项。6.一种肺结节分析的装置，其特征在于，包括：获取单元，用于获取患者的肺部的肺结节影像以及...

【专利技术属性】
技术研发人员：王成弟，李为民，倪浩，刘丹，白红利，邵俊，任鹏伟，李亚伦，杨澜，蒋宇婷，余何，郑永升，方骢，张波，吴福乐，华岳军，曾颖异，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