【技术实现步骤摘要】
肺部影像处理方法、装置、设备及可读存储介质
[0001]本专利技术涉及肺部影像处理
，尤其涉及一种肺部影像处理方法、装置、设备及可读存储介质。
技术介绍
[0002]人肺的CT成像被认为是诊断和监测肺部感染的重要工具。研究表明，可以从胸部CT图像评估病变大小和严重程度，以评估疾病进展和后续治疗。但是，人工识别这些感染区域是非常低效的，通常需要几个小时才能完成对单个病人的识别，识别效率低，因此建立可靠的人工智能辅助标注工具来提高识别的效率是非常必要的。但是，对于一些异质性高、边界不清的肺部病灶，基于人工智能的识别效果也比较差。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0004]本专利技术的主要目的在于提供一种肺部影像处理方法、装置、设备及可读存储介质，旨在基于人工智能的肺部病灶识别效果较差。
[0005]为实现上述目的，本专利技术提供一种肺部影像处理方法，所述肺部影像处理方法包括以下步骤：
[0006]获取肺部影像；...
【技术保护点】
【技术特征摘要】
1.一种肺部影像处理方法，其特征在于，所述肺部影像处理方法包括以下步骤：获取肺部影像；将所述肺部影像输入至纹理增强网络中，以分割肺部影像，获得增强纹理的分割图像特征，其中，所述纹理增强网络包括细粒度纹理增强单元。2.如权利要求1所述的肺部影像处理方法，其特征在于，所述纹理增强网络还包括：编码器以及解码器，所述将所述肺部影像输入至纹理增强网络中，以分割肺部影像，获得增强纹理的分割图像特征的步骤包括：将所述肺部影像输入至细粒度纹理增强单元中，以获得第一图像特征；根据所述第一图像特征、编码器、所述细粒度纹理增强单元、以及解码器，确定所述分割图像特征。3.如权利要求2所述的肺部影像处理方法，其特征在于，所述细粒度纹理增强单元包括依次连接的第一卷积层、PReLU层、通道以及注意力机制模块，所述细粒度纹理增强单元还包括：第二卷积层，所述将所述肺部影像输入至细粒度纹理增强单元中，以获得第一图像特征的步骤包括：将所述肺部影像特征输入至依次连接的第一卷积层、PReLU层、通道以及注意力机制模块，以获得第二图像特征，其中，所述第一卷积层使用高通滤波器初始化；将所述第二图像特征与所述肺部影像特征进行拼接操作，以获得第三图像特征；将所述第三图像特征输入至第二卷积层中，以获得第一图像特征。4.如权利要求2所述的肺部影像处理方法，其特征在于，所述编码器包括：第一残差单元、第二残差单元、第三残差单元、第四残差单元以及第五残差单元，所述根据所述第一图像特征、编码器、所述细粒度纹理增强单元、以及解码器，确定所述分割图像特征的步骤包括：将所述第一图像特征输入至所述第一残差单元中，以获得第四图像特征；将所述第四图像特征输入至所述细粒度纹理增强单元中，以获得第五图像特征；将所述第五图像特征输入至所述第二残差单元中，以获得第六图像特征；将所述第六图像特征输入至所述第三残差单元中，以获得第七图像特征；将所述第七图像特征输入至所述第四残差单元中，以获得第八图像特征；将所述第八图像特征输入至所述第五残差单元中，以获得第九图像特征；根据所述第五图像特征、第六图像特征、第七图像特征、第八图像特征、第九图像特征以及解码器，确定所述分割图像特征。5.如权利要求4所述的肺部影像处理方法，其特征在于，所述第一残差单元包括：第三卷积层、第四卷积层，所述将所述第一图像特征输入至所述第一残差单元中，以获得第四图像特征的步骤包括：将所述第一图像特征输入至第三卷积层中，以获得第一输出结果，其中，所述第三卷积层包括步长为第一预设值的卷积、实例归一化层和PReLU层；将所述第一输出结果输入至第四卷积层中，以获得第二输出结果，其中，所述第四卷积层包括步长为第二预设值的卷积、实例归一...
【专利技术属性】
技术研发人员：黄华，胡杰思，杨延武，叶辰飞，吕海岩，
申请(专利权)人：深圳市第三人民医院，
类型：发明
国别省市：
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。