[发明专利]一种影像结节检测的方法及装置

权利要求书

1.一种影像结节检测的方法，其特征在于，包括：

获取结节影像以及所述结节影像中候选结节的三维坐标；

根据所述候选结节的三维坐标从所述结节影像中确定包含所述候选结节的感兴趣区域ROI；

根据所述ROI以及结节检测模型确定出所述候选结节的置信度，所述结节检测模型是采用卷积神经网络对已标记结节区域的多个结节影响进行训练后确定的；

根据置信度大于阈值的候选结节、候选结节所在身体部位的分割结果和所述候选结节的三维坐标，过滤掉所述置信度大于阈值的候选结节中的假阳性的候选结节，确定出所述结节影像中的结节以及所述结节对应的置信度。

2.如权利要求1所述的方法，其特征在于，所述根据所述候选结节的三维坐标从所述结节影像中确定包含所述候选结节的ROI，包括：

以所述候选结节的三维坐标为中心，向周围扩展预设距离，确定包含所述候选结节的像素立方体，所述预设距离为所述候选结节的半径的预设倍数；

对所述像素立方体中每一个像素附加一个空间信息通道，确定所述ROI，所述空间信息通道为所述像素与所述结节的三维坐标之间的距离。

3.如权利要求1所述的方法，其特征在于，所述根据所述ROI以及结节检测模型确定出所述候选结节的置信度，包括：

将所述ROI依次通过M个3D卷积特征提取模块提取所述ROI的特征图像，M大于0；

将提取的所述ROI的特征图像输入至全连接模块，确定出所述候选结节的置信度。

4.如权利要求1所述的方法，其特征在于，所述根据置信度大于阈值的候选结节、候选结节所在身体部位的分割结果和所述候选结节的三维坐标及半径，过滤掉所述置信度大于阈值的候选结节中的假阳性的候选结节，包括：

根据所述候选结节的三维坐标和所述候选结节所在预设区域内的像素，过滤掉所述置信度大于阈值的候选结节中的骨骼类假阳性的候选结节；或

根据所述候选结节的三维坐标及半径、所述候选结节所在身体部位的分割结果，过滤掉所述置信度大于阈值的候选结节中膈肌类假阳性的候选结节；或

根据所述候选结节的三维坐标和所述候选结节所在身体部位的分割结果，过滤掉所述置信度大于阈值的候选结节中纵膈类假阳性的候选结节。

5.如权利要求1所述的方法，其特征在于，所述采用卷积神经网络对已标记结节区域的多个结节影响进行训练后确定所述结节检测模型，包括：

获取待过滤掉假阳性结果的候选结节集和医生对所述候选结节集中各候选结节的判定结果；

对所述候选结节集中的候选结节进行数据增强，得到增强后的候选结节集；

根据增强后的候选结节集以及各候选结节的三维坐标，从结节影像中确定所述增强后的候选结节集中各候选结节的ROI；

将所述增强后的候选结节集中各候选结节的ROI通过预设的3D卷积神经网络模型进行训练，得到所述结节检测模型。

6.一种影像结节检测的装置，其特征在于，包括：

获取单元，用于获取结节影像以及所述结节影像中候选结节的三维坐标；

确定单元，用于根据所述候选结节的三维坐标从所述结节影像中确定包含所述候选结节的感兴趣区域ROI；

检测单元，用于根据所述ROI以及结节检测模型确定出所述候选结节的置信度，所述结节检测模型是采用卷积神经网络对已标记结节区域的多个结节影响进行训练后确定的；

过滤单元，用于根据置信度大于阈值的候选结节、候选结节所在身体部位的分割结果和所述候选结节的三维坐标，过滤掉所述置信度大于阈值的候选结节中的假阳性的候选结节，确定出所述结节影像中的结节以及所述结节对应的置信度。

7.如权利要求6所述的装置，其特征在于，所述确定单元具体用于：

以所述候选结节的三维坐标为中心，向周围扩展预设距离，确定包含所述候选结节的像素立方体，所述预设距离为所述候选结节的半径的预设倍数；

对所述像素立方体中每一个像素附加一个空间信息通道，确定所述ROI，所述空间信息通道为所述像素与所述结节的三维坐标之间的距离。