肺部图像处理方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种肺部图像处理方法、装置、电子设备和存储介质。该方法包括：获取待处理的肺部图像；将所述待处理的肺部图像输入到训练好的肺部图像处理模型中，得到确定为肺结核的概率值，以及所述待处理的肺部图像中所对应的感兴趣区域热力图；其中，所述肺部图像处理是基于多组历史图像训练得到的，所述历史图像包括历史胸部正位片图像和与所述历史胸部正位片图像对应的历史标注信息。以实现改善肺结核筛查过程中肺结核漏检现象，降低肺结核筛查过程中的人工参与度，提高肺结核筛查效率，辅助医生完成肺结核的诊断的效果。辅助医生完成肺结核的诊断的效果。辅助医生完成肺结核的诊断的效果。

【技术实现步骤摘要】
肺部图像处理方法、装置、电子设备和存储介质


[0001]本专利技术实施例涉及医学图像处理技术，尤其涉及一种肺部图像处理方法、装置、电子设备和存储介质。

技术介绍

[0002]在医疗领域中，肺结核是目前致死率最高的传染病之一，而目前是由医生通过肉眼对目标正位胸片图像中与肺结核相关的病灶进行定位与识别，完成肺结核筛查操作。
[0003]在肺结核的筛查过程中，通常只能对正位胸片图像中的明显病灶进行筛查，无法对正位胸片图像中的微小病灶进行筛查，易出现肺结核漏检现象。同时，该筛查方案对医生的医学素质要求极高，需要由医生人工完成相应的筛查操作，整体的筛查效率不高。

技术实现思路

[0004]本专利技术实施例提供一种肺部图像处理方法、装置、电子设备和存储介质，以实现改善肺结核筛查过程中肺结核漏检现象，降低肺结核筛查过程中的人工参与度，提高肺结核筛查效率，辅助医生完成肺结核的诊断的效果。
[0005]第一方面，本专利技术实施例提供了一种肺部图像处理方法，该方法包括：
[0006]获取待处理的肺部图像；
[0007]将所述待处理的肺部图像输入到训练好的肺部图像处理模型中，得到确定为肺结核的概率值，以及所述待处理的肺部图像中所对应的感兴趣区域热力图；其中，所述肺部图像处理是基于多组历史图像训练得到的，所述历史图像包括历史胸部正位片图像和与所述历史胸部正位片图像对应的历史标注信息。
[0008]第二方面，本专利技术实施例还提供了一种肺部图像处理装置，该装置包括：
[0009]图像获取模块，用于获取待处理的肺部图像；
[0010]肺结核确定模块，用于将所述待处理的肺部图像输入到训练好的肺部图像处理模型中，得到确定为肺结核的概率值，以及所述待处理图像中所对应的感兴趣区域热力图；其中，所述肺部图像处理模型是基于多组历史图像训练得到的，所述历史图像包括历史胸部正位片图像和与所述历史胸部正位片图像对应的历史标注信息。
[0011]第三方面，本专利技术实施例还提供了一种电子设备，该电子设备包括：
[0012]一个或多个处理器；
[0013]存储装置，用于存储一个或多个程序；
[0014]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术实施例中任一所述的肺部图像处理方法。
[0015]第四方面，本专利技术实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行本专利技术实施例中任一所述的肺部图像处理方法。
[0016]本专利技术实施例的技术方案，通过将获取的待处理的肺部图像输入到训练好的肺部
图像处理模型中，得到确定为肺结核的概率值，这样快速、精确的得到待处理的肺部图像中的肺结核的概率值，实现了对肺结核的鉴别诊断，解决了现有技术中肺结核筛查过程中肺结核漏检现象，降低肺结核筛查过程中的人工参与度，提高肺结核筛查效率，实现了辅助医生完成肺结核的诊断的效果。训练好的肺部图像处理模型还可输出待处理的肺部图像中所对应的感兴趣区域热力图，这样可精确、快速的对待处理的肺部图像中的肺结核进行定位，找到肺结核的位置。
附图说明
[0017]图1是本专利技术实施例一中的肺部图像处理方法的流程图；
[0018]图2是本专利技术实施例一中的ResNet的结构示意图；
[0019]图3是本专利技术实施例一中的残差块结构图；
[0020]图4是本专利技术实施例一中的历史标注信息示意图；
[0021]图5是本专利技术实施例一中的历史标注信息的标注蒙版示意图；
[0022]图6是本专利技术实施例二中的肺部图像处理方法的流程图；
[0023]图7是本专利技术实施例二中的特征图生成示意图；
[0024]图8是本专利技术实施例二中的肺部图像处理方法的执行流程图；
[0025]图9是本专利技术实施例二中的逻辑值的确定示意图；
[0026]图10是本专利技术实施例二中的逻辑图生成示意图；
[0027]图11是本专利技术实施例二中的历史标注信息和感兴趣区域热力图对比示意图；
[0028]图12是本专利技术实施例二中的评估肺部图像处理模型的ROC曲线示意图；
[0029]图13是本专利技术实施例三中的肺部图像处理方法的流程图；
[0030]图14是本专利技术实施例四中的肺部图像处理装置的结构示意图；
[0031]图15是本专利技术实施例五中的一种电子设备的结构示意图。
具体实施方式
[0032]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0033]实施例一
[0034]图1为本专利技术实施例一提供的肺部图像处理方法的流程图，本实施例可适用于对肺部图像进行处理，对肺结核进行筛查的情况，该方法可以由肺部图像处理装置来执行，该肺部图像处理装置可以由软件和/或硬件来实现，该肺部图像处理装置可以配置在电子计算设备上，具体包括如下步骤：
[0035]S110、获取待处理的肺部图像。
[0036]示例性的，待处理的肺部图像可以是待识别该图像中是否具有肺结核病灶的图像。
[0037]可选的，该待处理的肺部图像可以是胸部正位片图像。
[0038]S120、将待处理的肺部图像输入到训练好的肺部图像处理模型中，得到确定为肺结核的概率值，以及待处理的肺部图像中所对应的感兴趣区域热力图；其中，肺部图像处理
模型是基于多组历史图像训练得到的，历史图像包括历史胸部正位片图像和与历史胸部正位片图像对应的历史标注信息。
[0039]示例性的，肺部图像处理模型可以是基于多组历史图像训练得到的模型，例如，可以是神经网络模型等。具体的例如可以是采用具有残差学习能力的经典分类卷积神经网络模型(Deep Residual Network，ResNet34)以及CNN模型中的FPN模型，如图2所述的ResNet的结构示意图，以及图3所述的残差块结构图。
[0040]在图2的ResNet网络结构中其主要由4个stage组成，每个stage由多个残差块组成，残差块结构如图2所示。
[0041]历史图像可以包括历史胸部正位片图像和与历史胸部正位片图像对应的历史标注信息。
[0042]历史胸部正位片图像可以是之前扫描的患者的胸部正位图像。
[0043]参考图4所述的历史标注信息示意图，历史标注信息可以是确定历史胸部正位片图像中是否存在病灶区域(例如肺结核)的JSON格式信息(具体的可以是JSON文件)，JSON文件中包含已确定历史胸部正位片图像中的疾病类别，以及对图像中的病灶区域进行勾勒、标注的多边形病灶框，该框以多组坐标点列表组成，即该框的坐标点信息。
[0044]在图4中，区域A为病灶区域，医生对历史胸部正位片图像中的病灶区域进行对应的标注。
[0045]需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肺部图像处理方法，其特征在于，包括：获取待处理的肺部图像；将所述待处理的肺部图像输入到训练好的肺部图像处理模型中，得到确定为肺结核的概率值，以及所述待处理的肺部图像中所对应的感兴趣区域热力图；其中，所述肺部图像处理模型是基于多组历史图像训练得到的，所述历史图像包括历史胸部正位片图像和与所述历史胸部正位片图像对应的历史标注信息。2.根据权利要求1所述的方法，其特征在于，所述肺部图像处理模型的训练方法，包括：获取多组历史胸部正位片图像和与所述历史胸部正位片图像对应的历史标注信息，其中，所述历史标注信息是对所述历史胸部正位片图像中的肺结核进行标注后的信息；将多组历史胸部正位片图像和与所述历史胸部正位片图像对应的历史标注信息输入待训练的肺部图像处理模型中，对待训练的肺部图像处理模型进行迭代训练，得到训练好的肺部图像处理模型。3.根据权利要求2所述的方法，其特征在于，所述对待训练的肺部图像处理模型进行迭代训练，得到训练好的肺部图像处理模型，包括：对于任意一组输入待训练的肺部图像处理模型中的历史胸部正位片图像和与所述历史胸部正位片图像对应的历史标注信息，执行如下步骤，对待训练的肺部图像处理模型进行迭代训练：基于所述历史胸部正位片图像，得到与所述历史胸部正位片图像对应的特征图；对所述特征图中的各通道的特征值进行计算，得到各通道的目标特征值；对各所述目标特征值进行加权求和，得到所述特征图的逻辑值，基于所述逻辑值，确定肺结核的概率值；基于所述概率值、预设概率阈值和与所述历史胸部正位片图像对应的历史标注信息，确定待训练的肺部图像处理模型的第一损失函数；当所述第一损失函数小于第一预设损失阈值时，确定待训练的肺部图像处理模型训练完成。4.根据权利要求3所述的方法，其特征在于，所述基于所述逻辑值，确定为肺结核的概率值，包括：对所述逻辑值进行归一化，将归一化后的逻辑值确定为肺结核的概率值。5.根据权利要求3所述的方法，其特征在于，在所述得到与所述历史胸部正位片图像对应的特征图后，所述方法还包括：对所述特征图进行通道压缩，得到所述特征图所对应的逻辑图；对所述逻辑图上的各区域进行计算，得到各区域的概率值，基于各区域的概率值，得到所述历史胸部正位片图像中的感兴趣区域热力图；基于所述感兴趣区域热力图和与所述历史胸部正位片图像对应的历史标注信息，确定待训练的肺部图像处理模型...

【专利技术属性】
技术研发人员：马勇，李祎，吴文辉，
申请(专利权)人：江西中科九峰智慧医疗科技有限公司，
类型：发明
国别省市：