[发明专利]基于卷积神经网络的肺癌良恶性判别系统和实现装置

权利要求书

1.一种基于卷积神经网络的肺癌良恶性判别系统，其特征在于，包括：

第一获取单元，用于获取肺部CT图像，其中，所述CT图像包括第一CT图像和第二CT图像；

配准单元，用于将所述第一CT图像和所述第二CT图像进行配准，得到第一配准图像和第二配准图像；

第二获取单元，用于分别获取所述第一配准图像和所述第二配准图像中的病灶位置，得到第一CT样本和第二CT样本；

处理单元，用于将所述第一CT样本的第一参数值与所述第二CT样本的第二参数值作差，得到3D样本；

训练单元，用于通过多个训练样本训练良恶性判别卷积神经网络，并通过所述良恶性判别卷积神经网络判定所述3D样本的良恶性，其中，所述训练样本为经过病理检测的所述3D样本；

所述处理单元还用于分别获取所述第一CT样本的第一参数值与所述第二CT样本的第二参数值，将所述第一参数值与所述第二参数值作差，得到3D样本，其中，所述参数值包括所述CT样本的像素值和CT值；

所述第二获取单元还用于分别通过自动检测或手动勾选出所述第一配准图像和所述第二配准图像中的病灶位置，得到第一CT样本和第二CT样本，其中，所述CT样本为包裹所述病灶位置的最小立方体积；

所述第一获取单元还用于从已有肺叶CT图像中选取基准图像；在所述基准图像中标注关键点；根据所述关键点和所述基准图像训练卷积神经网络。

2.一种基于卷积神经网络的肺癌良恶性判别实现装置，其特征在于，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器执行所述机器可执行指令以实现基于卷积神经网络的肺癌良恶性判别方法，所述方法包括：

获取肺部CT图像，其中，所述CT图像包括第一CT图像和第二CT图像；

将所述第一CT图像和所述第二CT图像进行配准，得到第一配准图像和第二配准图像；

分别获取所述第一配准图像和所述第二配准图像中的病灶位置，得到第一CT样本和第二CT样本；

将所述第一CT样本的第一参数值与所述第二CT样本的第二参数值作差，得到3D样本；

通过多个训练样本训练良恶性判别卷积神经网络，并通过所述良恶性判别卷积神经网络判定所述3D样本的良恶性，其中，所述训练样本为经过病理检测的所述3D样本；

所述将所述第一CT样本的第一参数值与所述第二CT样本的第二参数值作差，得到3D样本包括：

分别获取所述第一CT样本的第一参数值与所述第二CT样本的第二参数值，将所述第一参数值与所述第二参数值作差，得到3D样本，其中，所述参数值包括所述CT样本的像素值和CT值；

所述分别获取所述第一配准图像和所述第二配准图像中的病灶位置，得到多个第一CT样本和多个第二CT样本包括：

分别通过自动检测或手动勾选出所述第一配准图像和所述第二配准图像中的病灶位置，得到第一CT样本和第二CT样本，其中，所述CT样本为包裹所述病灶位置的最小立方体积；

在所述获取肺部CT图像之前，还包括：

从已有肺叶CT图像中选取基准图像；

在所述基准图像中标注关键点；

根据所述关键点和所述基准图像训练卷积神经网络。