【技术实现步骤摘要】
一种医学图像病变检出合并方法、系统、终端及存储介质
本申请涉及医学影像处理
，尤其是涉及一种医学图像病变检出合并方法、系统、终端及存储介质。
技术介绍
电子计算机断层扫描(ComputedTomography，CT)是一种基于X射线的成像技术，广泛应用于临床中，对人体内组织器官进行高精度断层成像，以供医生进行诊断。CT图像的诊断耗时长、复杂度高，同时受到临床医生经验和能力的限制，具有局限性；而基于深度学习的CT病变检测技术，可以自动地对CT扫描进行病变检出，大幅提升医生的工作效率，提高诊断的准确度，已广泛用于肺结节检测、肺部多征象病变检测、骨折检测等医学任务中。由于医学图像成像的连续性，所得结果为若干2D扫描断层所组成的3D影像；因此基于深度学习的医学图像病变检测也主要分为2D检测与3D检测两种方法。基于3D检测的方法，使用原始的3D图像进行卷积神经网络的训练、推断流程，具有直观、高效的优点。但由于3D的卷积神经网络与2D网络相比参数数量庞大，缺少预训练模型，往往具有较高的训练难度，难以取得较好的效果。...
【技术保护点】
1.一种医学图像病变检出合并方法，其特征在于，包括：/n将3D医学图像扫描切分为2D层面图像，将其输入2D卷积神经网络进行2D病变检测，并获取2D层面图像疑似病变区域的位置信息、特征向量及置信度；/n根据所述位置信息、特征向量计算相邻2D层面图像任意两疑似病变区域的特征相似度及空间相邻度；/n根据所述特征相似度及空间相邻度计算相邻2D层面图像任意两疑似病变区域属于同一病变区域的概率分数；/n根据所述概率分数构建图结构；/n利用图的求解算法进行图结构求解，得到图结构的各连通子图。/n
【技术特征摘要】
1.一种医学图像病变检出合并方法，其特征在于，包括：
将3D医学图像扫描切分为2D层面图像，将其输入2D卷积神经网络进行2D病变检测，并获取2D层面图像疑似病变区域的位置信息、特征向量及置信度；
根据所述位置信息、特征向量计算相邻2D层面图像任意两疑似病变区域的特征相似度及空间相邻度；
根据所述特征相似度及空间相邻度计算相邻2D层面图像任意两疑似病变区域属于同一病变区域的概率分数；
根据所述概率分数构建图结构；
利用图的求解算法进行图结构求解，得到图结构的各连通子图。
2.根据权利要求1所述的医学图像病变检出合并方法，其特征在于，所述将3D医学图像扫描切分为2D层面图像，将其输入2D卷积神经网络进行2D病变检测，获取2D层面图像疑似病变区域的位置信息、特征向量及置信度，包括：
将3D医学图像扫描切分为若干2D层面图像；
将已经进行层面切分的2D层面图像输入卷积神经网络，经卷积神经网络运算，输出疑似病变区域的位置信息、置信度及对应特征向量；
使用设定的阈值对疑似病变区域进行初步过滤，若疑似病变区域的置信度高于设定的阈值，将其保留；否则，将其丢弃。
3.根据权利要求1所述的医学图像病变检出合并方法，其特征在于，所述根据所述位置信息、特征向量计算相邻2D层面图像任意两疑似病变区域的特征相似度及空间相邻度，包括：
通过余弦距离、欧氏距离或皮尔森相关系数计算相邻2D层面图像任意两疑似病变区域的特征相似度；
通过IoU或IoM函数计算相邻2D层面图像任意两疑似病变区域的空间相邻度。
4.根据权利要求1所述的医学图像病变检出合并方法，其特征在于，所述利用图的求解算法进行图结构求解，得到图结构的各连通子图，包括：
使用最小生成树进行连通子图求解。
5.根据权利要求1所述的医学图像病变检出合并方法，其特征在于，所述方法还包括：
将所有2D层面疑似病变区域的置信度求均值，得到3D...
【专利技术属性】
技术研发人员：李梓豪，张树，俞益洲，
申请(专利权)人：北京深睿博联科技有限责任公司，杭州深睿博联科技有限公司，
类型：发明
国别省市：北京;11
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。