【技术实现步骤摘要】
CT影像的处理方法、装置、设备、存储介质和程序产品
[0001]本公开涉及人工智能技术中的深度学习技术、AI医疗技术,尤其涉及一种CT影像的处理方法、装置、设备、存储介质和程序产品。
技术介绍
[0002]近年来,深度学习(Deep Learning,DL)和卷积神经网络(Convolutional neural networks,CNNs)被广泛应用。将深度学习技术和卷积神经网络应用在医疗领域时,能够辅助医疗人员对计算机体层摄影(CT影像)进行分析。
[0003]一种应用场景中,可以预先训练用于识别肺部病灶的模型,将CT影像输入该模型中,输出CT影像中的病灶区域。但是,这种实现方案中,漏检可能性较大,导致遗漏真实的病灶区域。
技术实现思路
[0004]本公开提供了一种CT影像的处理方法、装置、设备、存储介质和程序产品,用于更准确的在CT影像中识别可能存在病灶的区域。
[0005]根据本公开的第一方面,提供了一种计算机体层摄影的处理方法,包括:
[0006]在所述计算机体层摄影CT影像中确定肺实质区域,并根据所述肺实质区域在所述CT影像中裁剪出初始肺实质图像;其中,所述初始肺实质图像中包括所述肺实质区域;
[0007]对所述初始肺实质图像进行处理,得到病灶分割掩膜,所述病灶分割掩膜用于表征所述初始肺实质图像中的病变位置;对所述初始肺实质图像进行处理,得到所述初始肺实质图像中的预测病灶区域;
[0008]根据所述病灶分割掩膜和所述预测病灶区域确定目标病灶区域,以及 ...
【技术保护点】
【技术特征摘要】
1.一种计算机体层摄影的处理方法,包括:在所述计算机体层摄影CT影像中确定肺实质区域,并根据所述肺实质区域在所述CT影像中裁剪出初始肺实质图像;其中,所述初始肺实质图像中包括所述肺实质区域;对所述初始肺实质图像进行处理,得到病灶分割掩膜,所述病灶分割掩膜用于表征所述初始肺实质图像中的病变位置;对所述初始肺实质图像进行处理,得到所述初始肺实质图像中的预测病灶区域;根据所述病灶分割掩膜和所述预测病灶区域确定目标病灶区域,以及与所述目标病灶区域对应的目标病灶掩膜,其中,所述目标病灶掩膜位于所述目标病灶区域内,所述目标病灶掩膜用于表征所述初始肺实质图像中的病变位置。2.根据权利要求1所述的方法,其中,所述对所述初始肺实质图像进行处理,得到病灶分割掩膜,包括:对所述初始肺实质图像进行预处理,得到第一肺实质图像;利用预设的病灶分割模型对所述第一肺实质图像进行处理,得到第一病灶掩膜;根据所述第一病灶掩膜,确定所述初始肺实质图像的病灶分割掩膜。3.根据权利要求2所述的方法,其中,所述第一肺实质图像与所述初始肺实质图像的图像尺寸不同;所述根据所述第一病灶掩膜,确定所述初始肺实质图像的病灶分割掩膜,包括:将所述第一病灶掩膜的尺寸调整为所述初始肺实质图像的尺寸;根据调整尺寸后的第一病灶掩膜中各体素点的病灶概率,确定整尺寸后的第一病灶掩膜中的病灶点;根据所述病灶点确定所述初始肺实质图像中病灶分割掩膜。4.根据权利要求3所述的方法,其中,所述根据病灶点确定所述初始肺实质图像中病灶分割掩膜,包括:根据所述病灶点在调整尺寸后的第一病灶掩膜中确定病灶连通域;根据所述病灶连通域确定所述初始肺实质图像中病灶分割掩膜,其中,所述病灶分割掩膜中包括多个病灶连通域。5.根据权利要求1
‑
4任一项所述的方法,其中,所述对所述初始肺实质图像进行处理,得到所述初始肺实质图像中的预测病灶区域,包括:对所述初始肺实质图像进行预处理,得到第二肺实质图像;利用预设的病灶检测模型对所述第二肺实质图像进行处理,得到当前病灶区域;根据所述当前病灶区域,确定所述初始肺实质图像中的预测病灶区域。6.根据权利要求5所述的方法,其中,所述第二肺实质图像与所述初始肺实质图像的图像尺寸不同;所述根据所述当前病灶区域,确定所述初始肺实质图像中的预测病灶区域,包括:根据所述第二肺实质图像与所述初始肺实质图像的图像尺寸,将所述当前病灶区域映射至所述初始肺实质图像中,得到所述初始肺实质图像中的预测病灶区域。7.根据权利要求5或6所述的方法,其中,若所述病灶检测模型是二维神经网络模型,则所述当前病灶区域为检测框;若所述病灶检测模型是三维神经网络模型,则所述当前病灶区域为检测盒。
8.根据权利要求1
‑
7任一项所述的方法,其中,所述根据所述病灶分割掩膜和所述预测病灶区域确定目标病灶区域,以及与所述目标病灶区域对应的目标病灶掩膜,包括:根据所述病灶分割掩膜确定推测病灶区域,并根据所述推测病灶区域和所述预测病灶区域确定所述可能病灶区域;根据所述可能病灶区域在所述CT影像中确定病灶影像,并利用预设的病灶真阳判别模型对各病灶影像进行处理,确定阳性病灶影像;将与所述阳性病灶影像对应的可能病灶区域确定为所述目标病灶区域;根据所述目标病灶区域、所述病灶分割掩膜,确定所述目标病灶区域对应的目标病灶掩膜。9.根据权利要求8所述的方法,其中,所述病灶分割掩膜中包括多个病灶连通域;所述根据所述病灶分割掩膜确定推测病灶区域,包括:为所述病灶分割掩膜的中的每个所述病灶连通域生成推测病灶区域,所述推测病灶区域包括中心点参数和尺寸参数。10.根据权利要求8或9所述的方法,其中,所述推测病灶区域包括第一中心点参数和第一尺寸参数;所述预测病灶区域包括第二中心点参数和第二尺寸参数;所述根据所述推测病灶区域和所述预测病灶区域确定所述可能病灶区域,包括:根据各推测病灶区域的第一中心点参数、各预测病灶区域的第二中心点参数,确定区域组合;所述区域组合中包括一个预测病灶区域和一个推测病灶区域;根据所述区域组合中包括的预测病灶区域的第一中心点参数和第一尺寸参数,以及包括的推测病灶区域的第二中心点参数和第二尺寸参数,确定可能病灶区域的中心点参数和尺寸参数。11.根据权利要求8
‑
10任一项所述的方法,其中,所述根据所述目标病灶区域、所述病灶分割掩膜,确定所述目标病灶区域对应的目标病灶掩膜,包括:若所述目标病灶区域中包括所述病灶分割掩膜,则将所述目标病灶区域中包括的所述病灶分割掩膜,确定为所述目标病灶区域对应的目标病灶掩膜。12.根据权利要求8
‑
11任一项所述的方法,其中,所述根据所述目标病灶区域、所述病灶分割掩膜,确定所述目标病灶区域对应的目标病灶掩膜,包括:若所述目标病灶区域中不包括所述病灶分割掩膜,则根据所述目标病灶区域生成目标病灶掩膜,生成的所述目标病灶掩膜位于所述目标病灶区域内部。13.根据权利要求12所述的方法,其中,所述目标病灶区域具有中心点参数和尺寸参数;所述根据所述目标病灶区域生成目标病灶掩膜,包括:根据所述目标病灶区域的中心点参数和尺寸参数,生成位于所述目标病灶区域内部的球体,得到所述目标病灶掩膜。14.根据权利要求1
‑
13任一项所述的方法,其中,所述在所述CT影像中确定肺实质区域,包括:利用预设的肺实质提取模型对所述CT影像进行处理,得到肺实质分割结果;根据所述肺实质分割结果在所述CT影像中确定第三肺实质图像;利用预设的肺叶分割模型对所述第三肺实质图像进行处理,得到肺叶分割结果;
根据所述肺叶分割结果在所述CT影像中确定所述肺实质区域;其中,所述肺实质区域包括肺叶所在的区域。15.根据权利要求14所述的方法,其中,所述肺实质分割结果与所述CT影像的尺寸不同;所述根据所述肺实质分割结果在所述CT影像中确定第三肺实质图像,包括:将所述肺实质分割结果的尺寸调整为所述CT影像的尺寸,并根据调整尺寸后的肺实质分割结果在所述CT影像中确定第三肺实质图像。16.根据权利要求14或15所述的方法,其中,所述肺叶分割结果与所述第三肺实质图像的尺寸不同;所述根据所述肺叶分割结果在所述CT影像中确定所述肺实质区域,包括:将所述肺叶分割结果的尺寸调整为所述第三肺实质图像的尺寸;根据所述第三肺实质图像在所述CT影像中位置信息,在调整了尺寸的肺叶分割结果外围补充空白体素,得到与所述CT影像尺寸相同的肺叶分割结果;根据与所述CT影像尺寸相同的肺叶分割结果,在所述CT影像中确定所述肺实质区域。17.根据权利要求14
‑
16任一项所述的方法,其中,所述肺叶分割结果中包括多个肺叶的信息;所述方法还包括:将相邻的两个肺叶交界处的体素点,确定为肺间裂结果。18.根据权利要求14
‑
17任一项所述的方法,其中,所述肺叶分割结果中包括多个肺叶的信息;所述方法还包括:根据所述肺叶分割结果中的各肺叶信息,在所述CT影像中确定与各肺叶对应的肺叶区域;将所述肺叶区域内的各体素调整为单位体积,并根据所述肺叶区域内的体素数量、体素原始体积,确定肺叶体积。19.一种计算机体层摄影的处理装置,包括:肺实质确定单元,用于在所述计算机体层摄影CT影像中确定肺实质区域,并根据所述肺实质区域在所述CT影像中裁剪出初始肺实质图像;其中,所述初始肺实质图像中包括所述肺...
【专利技术属性】
技术研发人员:尚方信,杨叶辉,王兆玮,刘佳,王晓荣,黄海峰,王磊,
申请(专利权)人:北京百度网讯科技有限公司,
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。