【技术实现步骤摘要】
一种基于PET和CT模态融合的肺部病灶识别方法
[0001]本专利技术属于图像识别
,特别是涉及一种基于
PET
和
CT
模态融合的肺部病灶识别方法
。
技术介绍
[0002]CT
检测是判断肺部疾病的常规检测方法
。
基于大数据处理方案,可以利用各个医院中产生了的肺部
CT
图像样本数据经过数据筛选,可以实现对肺部异常的检测识别
。
利用医院数据库中的肺部
CT
图像数据,可以通过基于深度学习的图像处理,筛查出结果为具有异常的
CT
图像
。
[0003]现有的肺部
CT
图像识别算法通常是利用基于阈值寻找图像中所有高
CT
值区域,无法精准识别肺部图像中的病变位置
。
另外还有基于深度学习的卷积神经网络的方法,但是大部分是以
2D
卷积为主,会丢失深度信息,使检测结果误差较大;且单从
CT
图像进行识别,病灶识别精准度较差
。
常规的检测模型中会采用多次下采样,由于肺病灶一般体积较小
(≤3mm3)
,多次下采样可能导致信息损失,影响模型性能
。
技术实现思路
[0004]为了解决上述问题,本专利技术提出了一种基于
PET
和
CT
模态融合的肺部病灶识别方法,能够有效提高肺部图像的病灶识别精准度< ...
【技术保护点】
【技术特征摘要】
1.
一种基于
PET
和
CT
模态融合的肺部病灶识别方法,其特征在于,包括步骤:
S10,
对
PET
和
CT
采集图像进行肺部目标区域剪裁;
S20,
对
PET
图像进行
SUV
转换处理,对
CT
图像进行归一化处理,将
CT
和
PET
图像在通道维度上堆叠,作为肺病灶分割模型的输入;
S30,
由肺病灶分割模型,进行病灶点位分割;
S40,
对分割后对图像在进行剪裁,获得病灶图像;
S50,
将病灶图像输入到肺病灶分类模型,得到病灶类别结果
。2.
根据权利要求1所述的一种基于
PET
和
CT
模态融合的肺部病灶识别方法,其特征在于,肺部剪裁:对
CT
图像中的肺组织进行分割,根据分割结果生成一个能包含整个肺部的矩形方框,将
CT
图像及
PET
图像的肺部裁切出来,保留肺内的气囊
、
肿瘤和积液
。3.
根据权利要求1所述的一种基于
PET
和
CT
模态融合的肺部病灶识别方法,其特征在于,
CT
图像
PET
图像配准:以
PET
图像为参照,将
CT
图像重采样至与
PET
图像的尺寸
、
间隔
、
原点和方向完全一致
。4.
根据权利要求1所述的一种基于
PET
和
CT
模态融合的肺部病灶识别方法,其特征在于,对
PET
图像进行
SUV
转换处理:根据
PET
图像计算
SUVbw
值,从而将
PET
图像转化为
SUV
参数图
。5.
根据权利要求1所述的一种基于
PET
和
...
【专利技术属性】
技术研发人员:胡佳佳,程然,彭瑶,温宁,全美霖,李彪,
申请(专利权)人:上海交通大学医学院附属瑞金医院,
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。