【技术实现步骤摘要】
病灶识别方法及系统、识别设备
本申请涉及通信
，尤其涉及病灶识别方法及系统、识别设备。
技术介绍
随着人工智能的不断发展，人工智能也逐渐应用于医疗领域中，例如人工智能和医疗影像交叉学科成为研究热点。目前已有一些利用分类模型来智能针对CT图像进行定性分析的方案，例如，识别CT图像中肿瘤的良恶性方案、识别CT图像中肿瘤是否有发生基金突变的方案、识别CT图像中肿瘤分化程度的方案，当然还有其它定性分析方案不再一一列举。现有技术在使用分类模型进行定性分析之前，需要有经验临床医师对CT图像进行人工查看并画出感兴趣区域(也即病灶位置区域)，再输入感兴趣区域图像至分类模型进行定性分析。即该方案必须人工勾画感兴趣区域才能进行下一步定性分析操作，实用性较低。目前有基于上述方案的改进方案：在分类模型之前添加分割模型。该分割模型能够自动对CT图像定位出感兴趣区域，然后，将感兴趣区域图像发送至分类模型，以供分类模型进行识别。由于分类模型依赖于分割模型，若分割模型出错，后续分类模型必然输出不准确的识别结果。由于分割...
【技术保护点】
1.一种病灶识别方法，其特征在于，包括：/n获取同一病患的待识别图像和临床个性化数据；/n输入所述待识别图像和所述临床个性化数据至病灶识别模型，所述病灶识别模型对所述待识别图像进行分割操作和定性分析操作，获得所述待识别图像的定性分析结果以及用于指示病灶区域的输出图像；/n输出所述待识别图像的定性分析结果以及用于指示病灶区域的输出图像。/n
【技术特征摘要】
1.一种病灶识别方法，其特征在于，包括：
获取同一病患的待识别图像和临床个性化数据；
输入所述待识别图像和所述临床个性化数据至病灶识别模型，所述病灶识别模型对所述待识别图像进行分割操作和定性分析操作，获得所述待识别图像的定性分析结果以及用于指示病灶区域的输出图像；
输出所述待识别图像的定性分析结果以及用于指示病灶区域的输出图像。
2.如权利要求1所述的方法，其特征在于，所述输入所述待识别图像和所述临床个性化数据至病灶识别模型，所述病灶识别模型对所述待识别图像进行分割操作和定性分析操作，获得所述待识别图像的定性分析结果以及用于指示病灶区域的输出图像，包括：
输入所述待识别图像至所述病灶识别模型；
所述病灶识别模型中分割模块对所述待识别图像进行特征提取操作获得图像特征，并基于所述图像特征进行分割操作获得用于指示病灶区域的输出图像；
所述病灶识别模型中分割模块发送所述图像特征至分类模块；
所述病灶识别模型中分类模块拼接所述临床个性化数据和所述图像特征获得拼接特征，基于拼接特征进行定性分析操作获得所述待识别图像的定性分析结果。
3.如权利要求2所述的方法，其特征在于，所述分割模块包括编码器模块和解码器模块，且所述编码器模块和所述解码器模块之间设有跳转连接；
则所述病灶识别模型中分割模块对所述待识别图像进行特征提取操作获得图像特征，并基于所述图像特征进行分割操作获得用于指示病灶区域的输出图像，包括：
所述编码器模块对所述待识别图像进行特征提取获得多个不同尺度的图像特征，多个不同尺度的图像特征分别通过跳转连接接入所述解码器模块；
所述解码器模块以所述编码器的输出作为输入，且通过跳转连接接入的多个不同尺度的图像特征进行解码处理，获得解码图像特征数据；
所述解码器模块对所述解码图像特征进行归一卷积操作获得与待识别图像同样大小的输出图像，且，每个像素值用于指示符合病灶的概率。
4.如权利要求3所述的方法，其特征在于，所述编码器模块包括多个依次连接的残差块和最大池化层的组合结构，所述解码器模块包括多个依次连接的解码单元、输出卷积块和归一卷积层；
则所述病灶识别模型中分割模块发送所述图像特征至分类模块，包括：
所述编码器模块中多个残差块，分别输出多个不同尺度的图像特征；
所述解码器模块中输出卷积块输出的解码图像特征。
5.如权利要求4所述的方法，其特征在于，所述病灶识别模型中分类模块拼接所述临床个性化数据和所述图像特征获得拼接特征，包括：
所述病灶识别模型中分类模块接收所述多个不同尺度的图像特征和所述解码图像特征，并对所述多个不同尺度的图像特征和所述解码图像特征分别进行全局平均池...
【专利技术属性】
技术研发人员：安虹，郝晓宇，韩文廷，陈俊仕，石军，王朝晖，文可，李秀林，
申请(专利权)人：中国科学技术大学，合肥凯碧尔高新技术有限公司，
类型：发明
国别省市：安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。