一种肺结节影像分类模型的训练方法技术

本申请提供一种肺结节影像分类模型的训练方法

【技术实现步骤摘要】
一种肺结节影像分类模型的训练方法、系统、终端及介质


[0001]本申请涉及医疗
，特别是涉及一种肺结节影像分类模型的训练方法
、
系统
、
终端及介质
。

技术介绍

[0002]在各种高发病率的癌症中，肺癌的死亡率最高
。
肺结节是肺癌影像早期表现
。
由于计算机断层扫描
(Computed Tomography
，
CT)
具有高分辨率
、
快速易用的特点，医生可以使用患者的
CT
数据来了解身体组织的灰度
、
纹理和密度，并检测细微的差异
。
然后识别和预测肺结节是否有早期癌变
。
[0003]计算机辅助诊断
(Computer Aided Diagnosis
，
CAD)
是基于计算机辅助医学诊断的技术，已经被用来帮助医生分析
CT
数据
。
每个病人的
CT<br/>扫描完成后，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种肺结节影像分类模型的训练方法，其特征在于，包括：获取肺结节
CT
图像；对所述肺结节
CT
图像进行预处理，得到预处理图像；利用三维重建技术，对所述预处理图像进行处理，得到肺结节三维图像序列；根据所述肺结节三维图像序列，计算出所述肺结节三维图像序列中每张图像的每个三维坐标点的灰度值在对应的三维坐标中出现的概率；根据所述肺结节三维图像序列中所有图像的三维坐标点的灰度值在对应的三维坐标中出现的所述概率，生成第一三维图像序列；获取正常肺
CT
图像，并将所述第一三维图像序列与所述正常肺
CT
图像进行融合，得到肺结节训练样本；获取真实图像训练样本，利用所述肺结节训练样本和所述真实图像训练样本，对预先构建的基于深度学习算法的肺结节影像分类模型进行训练，得到训练好的肺结节影像分类模型
。2.
如权利要求1中所述的方法，其特征在于，所述获取肺结节
CT
图像，包括：从
LUNA16
数据库，获取肺结节
CT
图像
。3.
如权利要求2中所述的方法，其特征在于，所述对所述肺结节
CT
图像进行预处理，得到预处理图像，包括：根据所述
LUNA16
数据库给出的结节坐标和直径，生成所述肺结节
CT
图像的掩膜图像；对所述肺结节
CT
图像进行去噪处理，得到去噪图像；对所述去噪图像和所述掩膜图像进行插值处理，得到插值图像；对所述插值图像，进行图像归一化处理，得到预处理图像
。4.
如权利要求1中所述的方法，其特征在于，所述根据所述肺结节三维图像序列，计算出所述肺结节三维图像序列中每张图像的每个三维坐标点的灰度值在对应的三维坐标中出现的概率，包括：根据所述肺结节三维图像序列，得到所述肺结节三维图像序列中每张图像的每个三维坐标点的灰度值；统计所述肺结节三维图像序列中所有图像的相同三维坐标点的灰度值及各灰度值出现的次数；根据所述相同三维坐标点的灰度值及各灰度值出现的次数，计算出所述肺结节三维图像序列中每张图像的每个三维坐标点的灰度值在对应的三维坐标中出现的概率
。5.
如权利要求1中所述的方法，其特征在于，所述利用所述肺结节训练样本和所述真实图像训练样本，对预先构建的基于深度学习算法的肺结节影像分类模型进行训练，得到训练好的肺结节影像分类模型，包括：利用像素嵌入机制，对所述肺结节训练样本和所述真...

【专利技术属性】
技术研发人员：王彬，周池春，刘杨，郭远薇，张喆，
申请(专利权)人：大理大学，
类型：发明
国别省市：