肺癌高危人群识别装置制造方法及图纸

本申请涉及一种肺癌高危人群识别装置。该装置从待测对象至少两次检查得到的肺部医疗影像中提取结节切块，得到至少两次检查的肺结节特征；至少两次检查存在时间先后顺序，且至少间隔预设时间；根据待测对象的肺部医疗影像，获取整肺特征；基于整肺特征和至少两次检查的肺结节特征，得到融合特征；根据融合特征，识别待测对象是否为肺癌高危人群。采用该装置，由于融合特征体现了肺部结节的局部特征以及肺部整体的整体特征，通过不同视角下的特征融合，增加了图像特征的维度，能够有效甄别出肺癌高危人群。肺癌高危人群。肺癌高危人群。

【技术实现步骤摘要】
肺癌高危人群识别装置


[0001]本申请涉及人工智能和医疗
，特别是涉及一种肺癌高危人群识别装置。

技术介绍

[0002]肺癌是全世界男女最致命的癌症。与其他癌症类型相比，由于该疾病诊断出多为晚期，因此提高肺癌存活率的进展缓慢。
[0003]肺癌的早期筛查是提高肺癌存活率的重要手段。长期以来低剂量计算机断层扫描(CT)一直被认为是一种潜在的早期筛查工具。对于肺癌高危人群，通过进行CT检查，在检查了肺结节后，通过定期复杂，追踪肺结节的生长情况，能够发现早期癌变，从而降低肺癌死亡率。
[0004]但传统的诊疗过程中，在检查出肺部结节后，通常只能嘱咐定期复查，而实际上不同人病程发展不同，相同的处理方式不能够有效甄别肺癌高位人群。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够提高甄别有效性的肺癌高危人群识别装置。
[0006]一种肺癌高危人群识别装置，所述装置包括：
[0007]结节特征获取模块，用于从待测对象至少两次检查得到的肺部医疗影像中提取结节切块，得到至少两次检查的肺结节特征；所述至少两次检查存在时间先后顺序，且至少间隔预设时间；
[0008]整肺特征获取模块，用于根据所述待测对象的肺部医疗影像，获取整肺特征；
[0009]融合模块，用于基于所述整肺特征和所述至少两次检查的肺结节特征，得到融合特征；
[0010]识别模块，用于根据所述融合特征，识别待测对象是否为肺癌高危人群。
[0011]在其中一个实施例中，所述结节特征获取模块包括：
[0012]切取模块，用于获取待测对象至少两次检查得到的肺部医疗影像中各肺部结节的位置参数，根据所述肺部结节的位置参数，在至少两次检查得到的肺部医疗影像中提取结节切块；
[0013]特征提取模块，用于将各肺部医疗影像对应的结节切块，利用预先训练好的预测模型的特征提取网络，得到至少两次检查的肺结节特征。
[0014]在其中一个实施例中，所述位置参数包括结节的中心点坐标；所述切取模块，用于
[0015]获取待测对象最新的肺部医疗影像，得到肺部结节的中心点坐标，根据所述肺部结节的中心点坐标，在至少两次检查得到的肺部医疗影像中切取大小相同的切块，得到结节切块。
[0016]在其中一个实施例中，所述融合模块，用于获取所述待测对象的临床特征的临床特征向量；融合所述临床特征向量、所述整肺特征和至少两次检查的肺结节特征，得到融合
特征。
[0017]在其中一个实施例中，所述融合模块，用于拼接所述临床特征向量、所述整肺特征和至少两次检查的肺结节特征，得到融合特征。
[0018]在其中一个实施例中，所述预测模块，用于通过训练好的预测模型的全连接层，对所述融合特征进行处理，得到对应的预测值；根据所述预测值计算待测对象为肺癌高危人群的概率；当所述概率大于预设值时，确定所述待测对象为肺癌高危人群。
[0019]在其中一个实施例中，还包括：图像处理模块，用于当确定进行肺部检测的患者为待测对象时，获取所述待测对象当次肺部检测所得到的最新的肺部医疗影像；其中，当患者第一次进行肺部检查确定存在肺部结节时，将患者标记为待测对象；获取所述待测对象历史检查所得到的肺部医疗影像；将所述待测对象最新的肺部医疗影像和历史肺部医疗影像按时间排序，得到待测对象至少两次检查得到的肺部医疗影像。
[0020]在其中一个实施例中，所述预测模型包括特征提取网络、特征融合网络和全连接层；
[0021]所述特征提取网络的输入为至少两次检查的肺部医疗影像对应的结节切块；
[0022]所述特征提取网络的输出连接所述特征融合网络的输入，所述特征提取网络的输出为至少两次检查的肺结节特征；
[0023]所述特征融合网络的输入为至少两次检查的肺结节特征、临床特征向量以及整肺特征；
[0024]所述特征融合网络的输出连接所述全连接层的输入，所述全连接层的输出为所述预测值。
[0025]在其中一个实施例中，还包括训练模块，所述训练模块，用于获取训练集数据，所述训练数据集包括一个患者上一次检查的肺部医疗影像、最新检查的肺部医疗影像，以及标注数据；利用已训练好的肺结节检测网络，预测上一次检查的肺部医疗影像以及最新检查的肺部医疗影像中结节中心位置，并按照结节概率选取前k个结节；根据预测的K个结节中心位置分别在上一次检查的肺部医疗影像以及最新检查的肺部医疗影像上切取切块，得到两次检查的结节切块；使用待预测模型的特征提取网络提取结节切块，提取至少两次检查的训练用的肺结节特征，利用已训练好的分类网络，从最新的肺部医疗影像中提取训练用的整肺特征；利用病人临床信息构造训练用的临床特征；融合所述训练用的肺结节特征、整肺特征和临床特征，得到训练用的融合特征；通过预测模型的全连接层对训练用的所述融合特征进行处理，得到最终的预测结果；根据预测结果和标注数据差值，对预测模型的特征提取网络和全连接层的参数进行调整；当满足训练结束条件时，得到训练好的预测模型。
[0026]在其中一个实施例中，所述临床特征包括年龄、吸烟史和患癌史中的至少一种。
[0027]上述肺癌高危人群识别装置，通过对待测对象至少两次肺部医疗影像的肺结节特征以及整肺特征进行融合，基于融合特征识别待测对象是否为肺癌高危人群，由于融合特征体现了肺部结节的局部特征以及肺部整体的整体特征，通过不同视角下的特征融合，增加了图像特征的维度，能够有效甄别出肺癌高危人群。
附图说明
[0028]图1为一个实施例中肺癌高危人群识别方法的应用环境图；
[0029]图2为一个实施例中肺癌高危人群识别方法的流程示意图；
[0030]图3为一个预测模型的结构示意图；
[0031]图4为另一个实施例中两次肺部检查的同一位置肺部结节的发展变化示意图；
[0032]图5为一个实施例中肺癌高危人群识别装置的结构框图；
[0033]图6为一个实施例中计算机设备的内部结构图。
具体实施方式
[0034]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0035]本申请提供的肺癌高危人群识别方法，可以应用于如图1所示的应用环境中。如图1所示，在该应用环境中包括了医疗检测设备102、计算机设备104和显示设备106，三者之间通过网络连接。
[0036]其中，通过医疗检测设备102对待测对象进行肺部检测，得到肺部医疗影像发送至计算机设备104，由计算机设备104从待测对象至少两次检查得到的肺部医疗影像中提取结节切块，得到至少两次检查的肺结节特征；至少两次检查存在时间先后顺序，且至少间隔预设时间；根据待测对象的肺部医疗影像，获取整肺特征；基于整肺特征和至少两次检查的肺结节特征，得到融合特征；根据融合特征，识别待测对象是否为肺癌高危人群。计算机设备10本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肺癌高危人群识别装置，所述装置包括：结节特征获取模块，用于从待测对象至少两次检查得到的肺部医疗影像中提取结节切块，得到至少两次检查的肺结节特征；所述至少两次检查存在时间先后顺序，且至少间隔预设时间；整肺特征获取模块，用于根据所述待测对象的肺部医疗影像，获取整肺特征；融合模块，用于基于所述整肺特征和所述至少两次检查的肺结节特征，得到融合特征；识别模块，用于根据所述融合特征，识别待测对象是否为肺癌高危人群。2.根据权利要求1所述的装置，其特征在于，所述结节特征获取模块包括：切取模块，用于获取待测对象至少两次检查得到的肺部医疗影像中各肺部结节的位置参数，根据所述肺部结节的位置参数，在至少两次检查得到的肺部医疗影像中提取结节切块；特征提取模块，用于将各肺部医疗影像对应的结节切块，利用预先训练好的预测模型的特征提取网络，得到至少两次检查的肺结节特征。3.根据权利要求2所述的装置，其特征在于，所述位置参数包括结节的中心点坐标；所述切取模块，用于获取待测对象最新的肺部医疗影像，得到肺部结节的中心点坐标，根据所述肺部结节的中心点坐标，在至少两次检查得到的肺部医疗影像中切取大小相同的切块，得到结节切块。4.根据权利要求1所述的装置，其特征在于，所述融合模块，用于获取所述待测对象的临床特征的临床特征向量；融合所述临床特征向量、所述整肺特征和至少两次检查的肺结节特征，得到融合特征。5.根据权利要求4所述的装置，其特征在于，所述融合模块，用于拼接所述临床特征向量、所述整肺特征和至少两次检查的肺结节特征，得到融合特征。6.根据权利要求1至5任一项所述的装置，其特征在于，所述预测模块，用于通过训练好的预测模型的全连接层，对所述融合特征进行处理，得到对应的预测值；根据所述预测值计算待测对象为肺癌高危人群的概率；当所述概率大于预设值时，确定所述待测对象为肺癌高危人群。7.根据权利要求1所述的装置，其特征在于，还包括：图像处理模块，用于当确定进行肺部检测的患者为待测对象时，获取所述待测...

【专利技术属性】
技术研发人员：王静雯，
申请(专利权)人：广州视源人工智能创新研究院有限公司，
类型：发明
国别省市：