基于神经网络模型对病灶区进行评估的设备和相关产品制造技术

本发明专利技术涉及一种基于神经网络模型对病灶区进行评估的设备和相关产品。所述设备包括一个或多个处理器、第一神经网络模块、第二神经网络模块以及一个或多个计算机可读存储介质，其中第一神经网络模块接收并处理与肺部病灶区图像相关的图像数据，以获得目标向量数据。第二神经网络模块接收并且处理所述目标向量数据，以输出用于评估所述肺部病灶区的评估结果。利用本发明专利技术的方案，可以提取出肺部病灶区域的高阶几何特征并且对包括新冠肺炎的肺炎进行有效评估和预测。

【技术实现步骤摘要】
基于神经网络模型对病灶区进行评估的设备和相关产品
本专利技术总体上涉及图像处理领域。更具体地，本专利技术涉及一种基于神经网络模型对肺部病灶区进行评估的设备和计算机可读存储介质。
技术介绍
随着图像处理技术的不断演进，当前对包括肺部病灶区域的病灶区图像的研究快速发展。众所周知，病灶区域图像中通常包含有助于临床诊断的丰富信息，因此对病灶区域的图像特征进行有效的提取和分析显得尤为重要。目前传统的处理方式是提取病灶区域的影像学特征，并将影像学特征用于后续的分析和研究，以期对病灶区域做出评价。然而，如何有效地提取病灶区域的特征并且基于该特征对病灶区域进行有效的评估和预测成为亟需解决的问题，特别是当该肺部病灶区域包括新冠状病毒所感染的区域。
技术实现思路
为了至少解决上面的技术问题，本专利技术提供一种基于神经网络模型对肺部病灶区进行评估的设备。具体来说，本专利技术使用了基于神经网络的技术来接收并处理图像数据以输出用于评估肺部病灶区域的评估结果。利用该评估结果，本专利技术的方案可以对肺部病灶区随时间的发展情况进行预测。为此，本专利技术在如下的多个方面提供相应的解决方案。在第一方面中，本专利技术提供一种基于神经网络模型对肺部病灶区进行评估的设备，包括：一个或多个处理器；第一神经网络模块；第二神经网络模块；以及一个或多个计算机可读存储介质，其存储有实现所述第一神经网络模块和第二神经网络模块的程序指令，当所述程序指令由所述一个或多个处理器执行时，使得：第一神经网络模块接收并处理与肺部病灶区图像相关的图像数据，以获得目标向量数据，其中所述图像数据包含与肺部病灶区图像相关的原始数据和/或与肺部病灶区图像的几何特征相关的二维数据；以及第二神经网络模块接收并且处理所述目标向量数据，以输出用于评估所述肺部病灶区的评估结果。在一个实施例中，与所述肺部病灶区图像相关的图像数据包括在多个不同时刻获取的、与肺部病灶区相关的多组图像子数据。在一个实施例中，所述一个或多个计算机可读存储介质还存储有获得所述二维数据的程序指令，当所述程序指令由所述一个或多个处理器执行时，使得：基于所述原始数据来生成二维网格；以及利用所述二维网格来确定几何特征，并且将所述几何特征表示为图片，以作为所述二维数据。在一个实施例中，所述几何特征包括基于所述肺部病灶区图像所获得的高斯曲率、平均曲率或者共形因子。在一个实施例中，所述肺部病灶区图像是感染有新冠状病毒的肺部区域图像，并且所述第一神经网络模块包括多个编码器和特征提取器，其中：所述多个编码器中的每个编码器包括多个卷积层，其配置用于对所述图像数据进行多层卷积处理，以从所述图像数据获得针对于不同几何特征的多个特征向量；以及所述特征提取器，其配置用于对所述多个特征向量执行特征融合操作，以获得所述目标向量数据。在一个实施例中，所述多个卷积层串行连接，并且串行连接的最后一个卷积层的输出端连接至所述特征提取器的输入端。在一个实施例中，所述特征融合操作包括对所述多个特征向量执行数据拼接操作，以便输出所述目标向量数据。在一个实施例中，所述第二神经网络模块包括长短期记忆神经网络，其配置成接收和处理所述目标向量数据，以输出用于评估所述肺部病灶区的评估结果。在一个实施例中，所述评估结果包括肺部病灶区的病灶质量信息，该病灶质量信息至少用于预测或判断感染所述新冠状病毒的患者的病情严重程度和/或病情发展趋势。在第二方面中，本专利技术提供一种计算机可读存储介质，其包括用于基于神经网络模型对肺部病灶区图像进行评估的计算机程序，当所述计算机程序由上述的设备执行时，使得所述设备输出用于评估所述肺部病灶区图像的评估结果。通过上述在多个方面对本专利技术方案的描述，本领域技术人员可以理解本专利技术的方案能够高效地利用神经网络技术来对图像数据进行分析和评估，从而对包括在图像中的肺部病灶区的发展做出合理的评估和预测。在一个应用场景中，当肺部病灶区包括感染有新冠状病毒的病灶区时，通过利用本专利技术的设备对其进行评估，可以预测新冠肺炎的严重程度及进展可能，从而能够为患者提供有效的医学干预。进一步，本专利技术的二维数据包括提取自肺部病灶区的几何特征的数据，使得到的评估结果对于患者的病情更具有解释性，从而令评估结果更为准确和更具参考性。另外，本专利技术的神经网络模块利用特征融合操作来对数据进行融合，从而能够有效地提取和处理图像数据中的特征，由此提高了预测和评估的准确性。附图说明通过参考附图阅读下文的详细描述，本专利技术示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本专利技术的若干实施方式，并且相同或对应的标号表示相同或对应的部分其中：图1是示出根据本专利技术实施例的基于神经网络模型对肺部病灶区进行评估的评估系统的架构图；图2是示出根据本专利技术实施例的肺部病灶区的几何特征的提取方法的流程图；图3是示出可以用于本专利技术的病灶区域的原始图像数据；图4a是示出根据本专利技术实施例的沿闭合曲线切开后获得的第一拓扑圆盘；图4b是示出根据本专利技术实施例的沿闭合曲线切开后获得的第二拓扑圆盘；图5是示出根据本专利技术实施例的获取闭合曲线方法的流程图；图6是示出根据本专利技术实施例的示例性三角形网格；图7是示出根据本专利技术实施例的拓扑圆盘内部映射到单位矩形内形成调和映射的调和像点的方法的流程图；图8是示出根据本专利技术实施例的拓扑圆盘内部映射到单位矩形内形成调和映射的调和像点的方法的详细流程图；图9是示出根据本专利技术实施例的形成病灶区域的几何特征图片的操作的简化流程图；图10a是示出根据本专利技术实施例的原始未切分封闭网格的示例性示意图；图10b是示出根据本专利技术实施例的确定像素值的示例性示意图；图11a是示出根据本专利技术实施例的基于高斯曲率形成的图片；图11b是示出根据本专利技术实施例的基于平均曲率形成的图片；图11c是示出根据本专利技术实施例的基于共形因子形成的图片；图12是示出根据本专利技术实施例的第一神经网络模块的操作框图；图13示出根据本专利技术实施例的编码器的操作框图；图14是示出根据本专利技术实施例的第一神经网络模块和第二神经网络模块的操作框图；图15是示出根据本专利技术实施例的第二神经网络模块的操作原理图；以及图16是示出根据本专利技术实施例的用于对肺部病灶区进行评估的设备的方框图。具体实施方式下面将结合附图对本专利技术实施例中的技术方案进行清楚和完整地描述。应当理解的是本说明书所描述的实施例仅是本专利技术为了便于对方案的清晰理解和符合法律的要求而提供的部分实施例，而并非可以实现本专利技术的所有实施例。基于本说明书公开的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1是示出根据本专利技术实施例的基于神经网络模型对肺部病灶区进行评估的评估系统100的架构图。如图中所示，本专利技术的系统100包括计算机X线断层摄影机(ComputedT本文档来自技高网...

【技术保护点】
1.一种基于神经网络模型对肺部病灶区进行评估的设备，包括：/n一个或多个处理器；/n第一神经网络模块；/n第二神经网络模块；以及/n一个或多个计算机可读存储介质，其存储有实现所述第一神经网络模块和第二神经网络模块的程序指令，当所述程序指令由所述一个或多个处理器执行时，使得：/n第一神经网络模块接收并处理与肺部病灶区图像相关的图像数据，以获得目标向量数据，其中所述图像数据包含与肺部病灶区图像相关的原始数据和/或与肺部病灶区图像的几何特征相关的二维数据；以及/n第二神经网络模块接收并且处理所述目标向量数据，以输出用于评估所述肺部病灶区的评估结果。/n

【技术特征摘要】
1.一种基于神经网络模型对肺部病灶区进行评估的设备，包括：
一个或多个处理器；
第一神经网络模块；
第二神经网络模块；以及
一个或多个计算机可读存储介质，其存储有实现所述第一神经网络模块和第二神经网络模块的程序指令，当所述程序指令由所述一个或多个处理器执行时，使得：
第一神经网络模块接收并处理与肺部病灶区图像相关的图像数据，以获得目标向量数据，其中所述图像数据包含与肺部病灶区图像相关的原始数据和/或与肺部病灶区图像的几何特征相关的二维数据；以及
第二神经网络模块接收并且处理所述目标向量数据，以输出用于评估所述肺部病灶区的评估结果。


2.根据权利要求1所述的设备，其中与所述肺部病灶区图像相关的图像数据包括在多个不同时刻获取的、与肺部病灶区相关的多组图像子数据。


3.根据权利要求2所述的设备，其中所述一个或多个计算机可读存储介质还存储有获得所述二维数据的程序指令，当所述程序指令由所述一个或多个处理器执行时，使得：
基于所述原始数据来生成二维网格；以及
利用所述二维网格来确定几何特征，并且将所述几何特征表示为图片，以作为所述二维数据。


4.根据权利要求3所述的设备，其中所述几何特征包括基于所述肺部病灶区图像所获得的高斯曲率、平均曲率或者共形因子。


5.根据权利要求1所述的设备，其中所述肺部病灶区图...

【专利技术属性】
技术研发人员：雷娜，王振常，侯代伦，李维，金连宝，任玉雪，吕晗，魏璇，张茗昱，陈伟，吴伯阳，
申请(专利权)人：大连理工大学，首都医科大学附属北京友谊医院，北京智拓视界科技有限责任公司，
类型：发明
国别省市：辽宁;21