[发明专利]一种分析肺结节的方法及装置

说明书

本发明公开了一种分析肺结节的方法及装置。所述方法包括：从患者的肺部CT图像中提取得到肺结节图像后，可以采用预设特征提取神经网络模型对所述患者的肺结节图像进行特征提取，并得到所述患者对应的特征向量；进一步地，可将患者对应的特征向量输入预设分类神经网络模型，从而得到所述预设分类神经网络模型输出的所述患者患有的肺结节的分析结果。由于以上模型均是通过对大量数据进行训练得到的，从而使得通过模型得到的结果较为合理，且具有一定的科学依据。相比于传统的医生诊断的方式而言，能够降低因医生水平差异导致的诊断误差率，从而提高肺结节分析的准确性。

技术领域

本发明涉及终端技术领域，尤其涉及一种分析肺结节的方法及装置。

背景技术

随着环境污染的日益严重，越来越多的疾病呈现出高爆发率的趋势。现代医疗技术的发展已经很成熟，医生可以凭借医学知识以及医疗经验诊断出各种疾病。也就是说，现有技术中的确定疾病的大多依靠医生的诊断，然而由于各个地区的医疗水平很不一致，且医生的个人经验水平也参差不齐，因此，传统的医生诊断疾病的方法容易受到地区医疗水平以及医生个人经验水平的影响，导致诊断误差较大的问题。

以肺结节为例，医生通常需要人为地观测肺部影像，以对患者所患有的肺结节进行分析，这一过程难免会出现误诊的情况。

基于此，目前亟需一种分析肺结节的方法，用于提高分析肺结节的准确率。

发明内容

本发明实施例提供一种分析肺结节的方法及装置，以提高分析肺结节的准确率。

本发明实施例提供一种分析肺结节的方法，所述方法包括：

获取患者的肺部电子计算机断层扫描(Computed Tomography，CT)图像；

确定所述患者的肺结节在所述患者的肺部CT图像中的位置，并从所述患者的肺部CT图像中提取得到所述患者的肺结节图像；其中，所述肺部CT图像和所述肺结节图像均为三维图像；

采用预设特征提取神经网络模型对所述患者的肺结节图像进行特征提取，得到所述患者对应的特征向量；所述预设特征提取神经网络模型的参数是通过对所述多个患者的肺结节图像进行训练得到的；

将所述患者对应的特征向量输入预设分类神经网络模型，并得到所述预设分类神经网络模型输出的所述患者患有的肺结节的分析结果；其中，所述预设分类神经网络模型的参数是通过对多个患者对应的特征向量、每个患者患有的肺结节的已知结果进行训练得到的。

如此，本发明实施例采用预设特征提取神经网络模型，并结合预设分类神经网络来对肺结节进行分析，由于以上模型均是通过对大量数据进行训练得到的，从而使得通过模型得到的结果较为合理，且具有一定的科学依据。相比于传统的医生诊断的方式而言，能够降低因医生水平差异导致的诊断误差率，从而提高肺结节分析的准确性。

在一种可能的实现方式中，所述预设分类神经网络模型为预设征象分类神经网络模型；所述预设分类神经网络模型的参数是通过对多个患者对应的特征向量、每个患者患有的肺结节的征象进行训练得到的；

所述预设分类神经网络模型输出的所述患者患有的肺结节的分析结果为所述患者患有的肺结节的征象。

如此，相比于现有技术中医生通过人为诊断的方式来判断肺结节的征象而言，本发明实施例采用预设特征提取神经网络模型，并结合预设征象分类神经网络来判断肺结节的征象，能够降低因医生水平差异导致的诊断误差率，从而提高确定肺结节征象的准确性。

在一种可能的实现方式中，所述预设分类神经网络模型的参数是通过对多个患者对应的特征向量、每个患者患有的肺结节的已知结果进行训练得到的，包括：

将所述多个患者对应的特征向量输入到初始的征象分类神经网络模型，得到每个患者患有的肺结节的预测征象；