【技术实现步骤摘要】
一种多域肺结节检测方法、装置、设备及可读存储介质
[0001]本申请涉及医学影像病灶检测
，特别涉及一种多域肺结节检测方法、装置、设备及可读存储介质。
技术介绍
[0002]随着深度学习的快速发展以及国内多中心医疗大数据平台的发展，人工智能技术在医学影像病灶检测领域得到了广泛的应用，可以在影像学图像数据逐年增加的情况下，帮助临床医生减少阅片时间，提高诊断准确性。相比于采用形态学运算、低级描述符运算等传统方法进行特征提取而存在的依赖人工设计、泛化性及鲁棒性较差的问题，深度学习作为一种多层神经网络算法，能够在层与层中进行调整，自动提取多级底层特征，并将其转化为更复杂的抽象特征来完成学习任务，特别是在医学领域，深度学习在影像学分析中具有极大的优势，其效果极大超出传统方法，算法诊断准确率非常高。
[0003]在众多医学影像病灶智能检测场景之中，肺结节检测无疑是需求最大、含金量最高的场景任务。其中，在影像学检查中，胸肺CT的检查量是最大的，其他影像学检查与其不在同一个量级上，而且肺结节尤其是微小肺结节不容易辨别，是医生最...
【技术保护点】
【技术特征摘要】
1.一种多域肺结节检测方法，其特征在于，包括以下步骤：将待检测CT图输入至预设的肺结节检测模型，所述肺结节检测模型包括骨干网络、领域自适应模块和检测头，所述领域自适应模块包括切分子模块、投影子模块、领域感知子模块和拼接融合子模块；骨干网络对待检测CT图进行特征提取，得到3D特征图；切分子模块对3D特征图分别沿轴向、冠向和矢向进行切分，得到每个方向对应的多个切片组；投影子模块分别对每个切片组进行非线性投影，得到每个切片组对应的拼接调节值；领域感知子模块对每个切片组进行全局池化、全连接和归一化处理后得到每个切片组对应的领域感知权重值，并将每个切片组对应的领域感知权重值和拼接调节值进行组合，得到每个切片组对应的响应向量；拼接融合子模块通过响应向量对切片组的通道响应进行调节得到目标切片组，将同一方向上的目标切片组进行拼接得到每个方向对应的目标拼接图，基于三向交叉注意力机制将所有方向的目标拼接图进行融合得到融合特征图；检测头对融合特征图进行检测识别，以输出待检测CT图对应的肺结节检测结果。2.如权利要求1所述的多域肺结节检测方法，其特征在于，所述投影子模块分别对每个切片组进行非线性投影，得到每个切片组对应的拼接调节值，包括：将每个切片组分别投影至N个切片分组适配器上，其中，N为正整数；根据第一计算公式分别对每个切片分组适配器上的切片组进行3D全局池化和全连接处理，以得到每个切片组对应的N个初始调节值；根据第二计算公式对每个切片组对应的N个初始调节值进行拼接，得到每个切片组在对应方向上的拼接调节值；所述第一计算公式为：式中，表示方向上的第i个切片组在第j个切片分组适配器上对应的初始调节值，表示轴向、冠向和矢向中的其中一个方向，表示方向上的第i个切片组，F
SE
表示挤压和激励函数，F
avg
表示3D全局池化操作，和表示全连接层，δ表示ReLU激活函数；所述第二计算公式为：式中，表示方向上的第i个切片组对应的拼接调节值。3.如权利要求1所述的多域肺结节检测方法，其特征在于，所述领域感知子模块对每个切片组进行全局池化、全连接和归一化处理后得到每个切片组对应的领域感知权重值，包括：
通过第三计算公式对每个切片组进行全局池化、全连接和归一化处理后得到每个切片组对应的领域感知权重值；所述第三计算公式为：式中，表示方向上的第i个切片组对应的领域感知权重值，表示轴向、冠向和矢向中的其中一个方向，F
DA
表示领域感知函数，表示方向上的第i个切片组，softmax表示归一化指数函数，表示全连接层，F
avg
表示3D全局池化操作。4.如权利要求1所述的多域肺结节检测方法，其特征在于，所述拼接融合子模块通过响应向量对切片组的通道响应进行调节得到目标切片组，包括：根据第四计算公式并通过响应向量对切片组的通道响应进行调节，得到调节后的目标切片组...
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。