一种PET/CT影像识别方法及装置制造方法及图纸

本申请提供了一种PET/CT影像识别方法及装置，所述影像识别方法包括：通过PET/CT原始影像进行目标实质提取，得到CT数据集和PET数据集；将CT数据集和PET数据集输入到双视图深度学习分类器进行特征提取和特征分类，得到CT和PET特征分类；双视图深度学习分类器使用MVPD

【技术实现步骤摘要】
一种PET/CT影像识别方法及装置


[0001]本申请涉及计算机辅助医学
，尤其涉及一种PET/CT影像识别方法及装置。

技术介绍

[0002]肺癌是当今世界上对人类危害最为严重的疾病之一，对于肺癌的可靠诊断和早期预防是当下十分重要的研究课题。肺结节作为肺癌最为重要的早期症状，对肺结节的良恶性分类成为了早期预防肺癌的重要措施。因此，如何对肺结节进行可靠分类成为肺癌早期诊断了的研究热点。
[0003]医学影像技术作为以非入侵方式捕获并呈现机体形态结构和功能状态改变的影像手段，不同于传统医学图像只提供结构成像或功能成像，PET/CT作为一种融合显像，可同时显像肺结节形态及功能状态的改变，对于肺癌的早期诊断提供了有力的依据。
[0004]目前面向肺结节的计算机辅助诊断技术(Computer Aided Diagnosis,CAD)已经取得了不错的效果。但现存方法主要针对CT影像，主要通过肺结节的人工标注、特征提取，并构建分类网络进行识别。然而，前期标注工作不仅依赖人工，而且由于每位人工标注的主观性不同，可能导致不同程度的误差。同时，由于目标组织与周围组织的结构、密度相似，其本身的异质性导致了分类模型的高灵敏度和低特异度。

技术实现思路

[0005]本申请提供了一种PET/CT影像识别方法及装置，以解决由于目标组织与周围组织的结构、密度相似，其本身的异质性导致了分类模型的高灵敏度和低特异度的问题。
[0006]第一方面，本申请提供一种PET/CT影像识别方法，包括：通过PET/CT原始影像进行目标实质提取，得到CT数据集和PET数据集；将CT数据集和PET数据集分别输入到双视图深度学习分类器进行特征提取和特征分类，得到CT特征分类和PET特征分类；所述双视图深度学习分类器使用MVPD
‑
Net模型；基于投票的识别机制，对所述CT特征分类和PET特征分类进行融合，得到最终识别结果。
[0007]可选的，所述通过PET/CT原始影像进行处理，得到CT数据集和PET数据集的步骤包括：获取去噪后的CT图像；对去噪后的CT图像进行重采样处理，得到重采样后的CT图像；对重采样后的CT图像进行基于K
‑
means聚类算法的阈值分割，得到K
‑
means的分割阈值；对重采样后的CT图像进行基于OTSU算法的阈值分割，得到OTSU的分割阈值；取K
‑
means的分割阈值和OTSU的分割阈值的均值作为目标实质分割阈值；利用所述目标实质分割阈值对CT原始影像进行形态学变换，得到CT目标实质掩膜Mask；利用所述CT目标实质掩膜Mask对CT原始影像进行目标实质提取，得到CT数据集；将所述CT目标实质掩膜Mask按照CT分辨率与PET分辨率的比值进行尺寸缩放，得到PET目标实质掩膜Mask；利用所述PET目标实质掩膜Mask对PET原始影像进行目标实质提取，得到PET数据集。
[0008]可选的，所述获取去噪后的CT图像的步骤包括：对CT原始影像进行数据清洗，得到
清洗后的CT图像；所述数据清洗为将存在信息缺失、结果不明确和过期的数据进行筛选去除；对所述清洗后的CT图像进行数据降噪，得到去噪后的CT图像；所述数据降噪为基于滤波窗口为3
×
3的中值滤波方法对清洗后的CT图像进行去噪。
[0009]可选的，所述对去噪后的CT图像进行重采样处理，得到重采样后的CT图像的步骤包括：利用转换公式将去噪后的CT图像的像素值转换为CT值，得到重采样后的CT图像；
[0010]所述转换公式为
[0011]HU＝pixel_val
×
rescale_slope+rescale_intercept
[0012]其中，pixel_val为去噪后的CT图像的像素值，rescale_slope和rescale_intercept为斜率和截距。
[0013]可选的，所述对重采样后的CT图像进行基于K
‑
means聚类算法的阈值分割，得到K
‑
means的分割阈值的步骤包括：对重采样后的CT图像随机选取K为2个数据作为初始聚类中心；计算剩余数据距离初始聚类中心的欧氏距离，按照最近原则分类，生成簇；计算每个簇中心的平均值作为新的聚类中心；如果聚类中心发生改变，或者，迭代次数达到阈值，则得到聚类结果,并对聚类结果求均值作为K
‑
means的分割阈值。
[0014]可选的，所述对重采样后的CT图像进行基于OTSU算法的阈值分割，得到OTSU的分割阈值的步骤包括：对重采样后的CT图像计算灰度图像的全局期望；遍历灰度值，将灰度图像分为前景与背景；计算前景和背景的期望与概率；当阈值的间类方差为最大时，得到阈值作为OTSU的分割阈值。
[0015]可选的，所述利用所述目标实质分割阈值对CT原始影像进行形态学变换，得到CT目标实质掩膜Mask的步骤包括：利用所述目标实质分割阈值对CT原始影像进行二值化处理，得到第一图像；对第一图像进行核为3
×
3和8
×
8的腐蚀、膨胀操作，得到第二图像；对第二图像进行核为25
×
25的闭操作，得到CT目标实质掩膜Mask。
[0016]可选的，所述MVPD
‑
Net模型包括：
[0017]特征提取子网络包括：CT特征提取器和PET特征提取器，用于分别对CT数据集和PET数据集进行特征提取；所述CT特征提取器和PET特征提取器均由3D卷积层和3D池化层进行组合构建；所述CT特征提取器的3D卷积层包括卷积核为7
×7×
7，卷积核个数为64；所述CT特征提取器的3D池化层为1
×3×
3；所述CT特征提取器通过5个特征提取块的堆叠进行高维特征提取；所述PET特征提取器的3D卷积层包括卷积核为3
×3×
4，卷积核个数为64；所述PET特征提取器的3D池化层为1
×3×
3；所述PET特征提取器通过4个特征提取块的堆叠进行高维特征提取；
[0018]特征分类子网络，用于对于特征提取器得到的CT特征和PET特征，进行特征分类；所述特征分类子网络包括：进行特征向量扁平化；通过2层全连接层进行特征分类；基于Softmax激活函数得到分类结果。
[0019]可选的，所述投票的识别机制包括：
[0020]y
v
＝MAX(y
(v)
)
[0021]其中，y
(v)
代表不同视图通道的识别结果，y
v
代表不同视图通道投票后的结果。
[0022]第二方面，本申请还提供一种PET/CT影像识别装置，包括：控制器，用于执行第一方面所述的PET/CT影像识别方法。
[0023]本申请提供了一种PET/CT影像识别方法及装置，所述影像识别方法包括：通过
PET/CT本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种PET/CT影像识别方法，其特征在于，包括：通过PET/CT原始影像进行目标实质提取，得到CT数据集和PET数据集；将CT数据集和PET数据集分别输入到双视图深度学习分类器进行特征提取和特征分类，得到CT特征分类和PET特征分类；所述双视图深度学习分类器使用MVPD
‑
Net模型；基于投票的识别机制，对所述CT特征分类和PET特征分类进行融合，得到最终识别结果。2.根据权利要求1所述的一种PET/CT影像识别方法，其特征在于，所述通过PET/CT原始影像进行处理，得到CT数据集和PET数据集的步骤包括：获取去噪后的CT图像；对去噪后的CT图像进行重采样处理，得到重采样后的CT图像；对重采样后的CT图像进行基于K
‑
means聚类算法的阈值分割，得到K
‑
means的分割阈值；对重采样后的CT图像进行基于OTSU算法的阈值分割，得到OTSU的分割阈值；取K
‑
means的分割阈值和OTSU的分割阈值的均值作为目标实质分割阈值；利用所述目标实质分割阈值对CT原始影像进行形态学变换，得到CT目标实质掩膜Mask；利用所述CT目标实质掩膜Mask对CT原始影像进行目标实质提取，得到CT数据集；将所述CT目标实质掩膜Mask按照CT分辨率与PET分辨率的比值进行尺寸缩放，得到PET目标实质掩膜Mask；利用所述PET目标实质掩膜Mask对PET原始影像进行目标实质提取，得到PET数据集。3.根据权利要求2所述的一种PET/CT影像识别方法，其特征在于，所述获取去噪后的CT图像的步骤包括：对CT原始影像进行数据清洗，得到清洗后的CT图像；所述数据清洗为将存在信息缺失、结果不明确和过期的数据进行筛选去除；对所述清洗后的CT图像进行数据降噪，得到去噪后的CT图像；所述数据降噪为基于滤波窗口为3
×
3的中值滤波方法对清洗后的CT图像进行去噪。4.根据权利要求2所述的一种PET/CT影像识别方法，其特征在于，所述对去噪后的CT图像进行重采样处理，得到重采样后的CT图像的步骤包括：利用转换公式将去噪后的CT图像的像素值转换为CT值，得到重采样后的CT图像；所述转换公式为HU＝pixel_val
×
rescale_slope+rescale_intercept其中，pixel_val为去噪后的CT图像的像素值，rescale_slope和rescale_intercept为斜率和截距。5.根据权利要求2所述的一种PET/CT影像识别方法，其特征在于，所述对重采样后的CT图像进行基于K
‑
means聚类算法的阈值分割，得到K
‑
means的分割阈值的步骤包括：对重采样后的CT图像随机选取K为2个数据作为初始聚类中心；计算剩...

【专利技术属性】
技术研发人员：胡斌，李同同，姚志军，
申请(专利权)人：兰州大学，
类型：发明
国别省市：