【技术实现步骤摘要】
生物器官病变检测方法、装置、设备及可读存储介质
本专利技术涉及医疗图像处理及应用
，具体而言，涉及一种生物器官病变检测方法、装置、设备及可读存储介质。
技术介绍
CT(ComputedTomography，电子计算机断层扫描)作为检测器官早期病变的有力手段，正日益广泛的被采用。目前，对CT扫描结果的处理方法主要集中在以下几个方面：一是利用图像分割等计算机图像处理的方法，对CT影像进行预处理，进而对病变部分进行分割和增强，以改善CT影像的显示效果；二是基于传统计算机图像处理的方法对CT影像进行增强和分割的预处理，并对预处理后的器官影像进行处理和分析。但上述对CT扫描结果进行病变识别的方法都是对病变(如结节)本身的外形进行处理，力求更完整的分割，更有效的特征提取和分类，属于直接检测法。这类方法对结节本身在影像中呈现的性状有天然的依赖性。具体表现在对小结节(2mm左右)、特殊形状结节等都不能很好的处理，进而限制了结节检测的适用范围。而在实际临床中，此类小结节和不规则性状结节确是更为普遍的造成假阴性和假阳性的原...
【技术保护点】
1.一种生物器官病变检测方法，其特征在于，包括：/n获取器官的医学影像，所述医学影像包括多个体素；/n从所述医学影像中识别出器官影像；/n对从所述器官影像中获取的血管区域进行病变识别，获得所述器官影像中的第一病变区域；/n通过经训练的深度学习模型，对所述器官影像进行病变预检测，获得所述器官影像中的预检测病变区域影像；/n对所述预检测病变区域影像进行研判，获得所述器官影像中的第二病变区域；以及/n根据所述第一病变区域与所述第二病变区域，获得所述器官影像最终的病变区域。/n
【技术特征摘要】
1.一种生物器官病变检测方法，其特征在于，包括：
获取器官的医学影像，所述医学影像包括多个体素；
从所述医学影像中识别出器官影像；
对从所述器官影像中获取的血管区域进行病变识别，获得所述器官影像中的第一病变区域；
通过经训练的深度学习模型，对所述器官影像进行病变预检测，获得所述器官影像中的预检测病变区域影像；
对所述预检测病变区域影像进行研判，获得所述器官影像中的第二病变区域；以及
根据所述第一病变区域与所述第二病变区域，获得所述器官影像最终的病变区域。
2.根据权利要求1所述的方法，其特征在于，在对所述器官影像进行病变识别或者通过经训练的深度学习模型，对所述器官影像进行病变预检测之前，所述方法还包括：去除所述器官影像中的干扰影像，获得去除干扰影像后的所述器官影像。
3.根据权利要求2所述的方法，其特征在于，对所述器官影像进行病变识别，获得所述器官影像中的第一病变区域包括：
获取所述器官影像；
从所述器官影像中分割出多个血管区域，所述血管区域包括：血管及与血管具有相似特征的体素；
根据所述多个血管区域之间的邻近关系，建立所述多个血管区域的关联矩阵；
分别获取每个所述血管区域的血管段及血管分叉点；
根据所述关联矩阵，将各所述血管区域分别包含的所述血管段、所述血管分叉点及其之间的连接关系，构建为以所述血管段及所述血管分叉点为节点的血管图；
基于所述血管图中的多个连通子图，建立对应的多棵血管树；以及
基于所述多棵血管树，根据预定义的病变规则，对所述器官影像进行病变识别；
其中，所述血管树中的节点分别为与其对应的所述连通子图包含的所述血管段。
4.根据权利要求3所述的方法，其特征在于，所述病变识别规则包括以下规则中的部分或全部：
当所述血管树中的节点数目小于预设的节点数目阈值时，确定所述血管树对应的区域为所述第一病变区域；
当所述血管树中的节点与其相邻节点的半径差值均大于预设的第一半径阈值时，确定所述节点对应的区域为所述第一病变区域；
当采用广度优先遍历策略遍历所述血管树的各节点时，确定前后访问的两个节点的半径差值落在预设的半径范围之外的节点对应的区域为所述第一病变区域；
当所述血管树的分支节点的半径大于预设的第二半径阈值时，确定所述分支节点对应的区域为所述第一病变区域；
对于医学影像为左右对称器官的影像，当所述器官左右两边最大的两棵血管树中节点的半径分布曲线的KL距离大于预设的第一距离阈值时，确定所述两棵血管树对应的区域为所述第一病变区域；
对于医学影像为左右非对称器官的影像，当所述血管树中节点的半径分布曲线与标准半径曲线的KL距离大于预设的第二距离阈值时，确定所述血管树对应的区域为所述第一病变区域。
5.根据权利要求2所述的方法，其特征在于，所述深度学习模型为ResNet神经网络模型，所述方法还包括：采用Ad...
【专利技术属性】
技术研发人员：梁红霞，赵丽俊，张晓雅，董爱莲，
申请(专利权)人：梁红霞，赵丽俊，张晓雅，董爱莲，
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。