适用于肝脏肿瘤的识别方法、装置及电子设备制造方法及图纸

本发明专利技术公开了一种适用于肝脏肿瘤的识别方法、装置及电子设备，其中方法包括：获取腹部时序连续的增强扫描CT影像数据，并采用图像处理算法对所述CT影像数据进行预处理；采用深度学习算法对预处理后的CT影像数据进行特征粗提取，并对提取出的粗提特征进行多尺度处理，固定粗提特征的维度；在固定粗提特征的维度后，利用多尺度处理对应的分类器对固定维度后的粗提特征进行分类；根据所述分类器的分类结果，判断识别肝脏肿瘤良恶性的概率。本发明专利技术结合传统图像处理算法和深度学习算法，针对CT影像数据和肝脏肿瘤良恶性判别任务进行设计，可以更好地从输入的原始CT影像数据中提取有效的影像特征用于肝脏肿瘤良恶性判断。

【技术实现步骤摘要】
适用于肝脏肿瘤的识别方法、装置及电子设备
本专利技术涉及肿瘤良恶性判断领域，具体涉及一种适用于肝脏肿瘤的识别方法、装置及电子设备。
技术介绍
CT(ComputedTomography，电子计算机断层扫描)具有较高的分辨率，在对肝脏肿瘤的定位和定性诊断方面有一定作用，已成为常规检查项目，是一种安全、创伤较小的检查方法，现实中常通过CT影像对肝癌及其程度进行判断。然而，常见的方法中，在根据CT影像对肝癌进行诊断时，依然存在对肝脏肿瘤良恶性的判别准确率较低的问题。
技术实现思路
本专利技术的主要目的在于提供一种适用于肝脏肿瘤的识别方法及装置，以解决现有对肝脏肿瘤良恶性的判断识别准确率较低的问题。为了实现上述目的，本专利技术的第一方面提供了一种适用于肝脏肿瘤的识别方法，包括：获取腹部时序连续的增强扫描CT影像数据，并采用图像处理算法对所述CT影像数据进行预处理；采用深度学习算法对预处理后的CT影像数据进行特征粗提取，并对提取出的粗提特征进行多尺度处理，固定粗提特征的维度；在固定粗提特征的维度本文档来自技高网...

【技术保护点】
1.一种适用于肝脏肿瘤的识别方法，其特征在于，包括：/n获取腹部时序连续的增强扫描CT影像数据，并采用图像处理算法对所述CT影像数据进行预处理；/n采用深度学习算法对预处理后的CT影像数据进行特征粗提取，并对提取出的粗提特征进行多尺度处理，固定粗提特征的维度；/n在固定粗提特征的维度后，利用多尺度处理对应的分类器对固定维度后的粗提特征进行分类；/n根据所述分类器的分类结果，判断识别肝脏肿瘤良恶性的概率。/n

【技术特征摘要】
1.一种适用于肝脏肿瘤的识别方法，其特征在于，包括：
获取腹部时序连续的增强扫描CT影像数据，并采用图像处理算法对所述CT影像数据进行预处理；
采用深度学习算法对预处理后的CT影像数据进行特征粗提取，并对提取出的粗提特征进行多尺度处理，固定粗提特征的维度；
在固定粗提特征的维度后，利用多尺度处理对应的分类器对固定维度后的粗提特征进行分类；
根据所述分类器的分类结果，判断识别肝脏肿瘤良恶性的概率。


2.根据权利要求1所述的方法，其特征在于，所述获取腹部时序连续的增强扫描CT影像数据，并采用图像处理算法对所述CT影像数据进行预处理，包括：
获取多期腹部时序连续的多张增强扫描CT影像数据，其中，所述多期包括平扫期、动脉期、门脉期和平衡期；
将多期腹部时序连续的多张增强扫描CT影像数据进行堆叠，以利用CT影像数据的时序特征；
采用图像处理算法对所述CT影像数据依次进行窗位截取和重采样归一化。


3.根据权利要求1所述的方法，其特征在于，所述采用深度学习算法对预处理后的CT影像数据进行特征粗提取，并对提取出的粗提特征进行多尺度处理，固定粗提特征的维度，包括：
采用2D卷积神经网络对预处理后的CT影像数据进行特征粗提取；
分别对提取出的粗提特征进行多尺度平均特征、局部最大特征和LSTM时序特征处理，固定粗提特征的维度。


4.根据权利要求3所述的方法，其特征在于，对提取出的粗提特征进行多尺度平均特征处理包括：
所述CT影像数据为3D影像序列数据，提取出的粗提特征的维度不固定，影像序列长度不同；
对不同的影像序列长度进行不同尺度的采样，得到不同尺度的特征；
采用平均值或最大值方式聚合不同尺度的特征，提取影像序列中多维的局部特征和全局特征。


5.根据权利要求3所述的方法，其特征在于，对提取出的粗提特征进行局部最大特征处理包括：
对不同的影像序列长度进行不同尺度的采样，得到不同尺度的特征；
采用最大值方式聚合不同尺度的特征，提取所有不同尺度的中位数位置的局部最大特征。

【专利技术属性】
技术研发人员：罗立刚，罗翔，侯波林，罗祥凤，高光明，
申请(专利权)人：零氪智慧医疗科技天津有限公司，
类型：发明
国别省市：天津;12