[发明专利]CT图像肺结节检测方法、装置、设备及可读存储介质

权利要求书

1.一种CT图像肺结节检测方法，其特征在于，所述CT图像肺结节检测方法包括：

在接收到病历处理指令时，获取所述病历处理指令对应的目标CT图像；

获取并调节所述目标CT图像的显示参数，得到调节图像；

通过预存的三维卷积神经像素分割网络、以及三维卷积神经网络分类器对所述调节图像进行结节分析，得到并输出所述调节图像的确定结节区域、以及对所述确定结节区域的第一分析信息；

其中，训练有多个三维卷积神经网络分类器，三维卷积神经网络分类器中包括各个结节判断网络以及结节分析网络，其中，每个三维卷积神经网络分类器中对应有一个结节判断网络以及一个结节分析网络，不同结节判断网络中的预测模型不同；

所述通过预存的三维卷积神经像素分割网络、以及三维卷积神经网络分类器对所述调节图像进行确定结节区域分析，得到并输出所述调节图像的确定结节区域、以及对所述确定结节区域的第一分析信息步骤包括：

通过预存的三维卷积神经像素分割网络对所述调节图像进行像素分割处理，得到所述调节图像对应的概率图，对所述概率图进行连通域标记得到候选结节区域；

其中，所述通过预存的三维卷积神经像素分割网络的步骤具体包括：

对所述调节图像进行预设尺寸的区域分割处理，得到调节图像的子区域；

通过所述预存的三维卷积神经像素分割网络对所述子区域分别进行预设次数的下采样处理，对下采样处理后的所述子区域进行同样预设次数的上采样处理；

对下采样以及上采样处理后的同尺寸的子区域之间加入桥接结构，对子区域的图像特征进行融合，得到与所述子区域尺寸相等的子概率图，以弥补下采样导致所述子区域的信息丢失。

2.如权利要求1所述的CT图像肺结节检测方法，其特征在于，

通过所述各个结节判断网络对应的各个预测模型对所述候选结节区域进行预测，得到所述候选结节区域对应的各个概率预测值，融合处理所述各个概率预测值，得到所述候选结节区域的目标概率预测值；

将所述目标概率预测值与预存阈值进行比较，并得到比较结果，基于该比较结果，得到所述候选结节区域的分类结果，并基于所述分类结果得到确定结节区域；

提取所述确定结节区域的纹理特征、形状特征，以形成所述确定结节区域的各个特征矩阵，通过所述结节分析网络中分类向量对所述各个特征矩阵进行分类，得到所述结节区域的第一分析信息，其中，所述结节分析网络中分类向量是已经训练完成的。

3.如权利要求2所述的CT图像肺结节检测方法，其特征在于，所述第一分析信息包括结节的恶性概率、置信度、直径、亚类、解剖位置、平均密度和体积参数；

所述通过所述结节分析网络中分类向量对所述各个特征矩阵进行分类，得到所述结节区域的第一分析信息步骤之后包括：

读取结节的第一分析信息，得到所述调节图像对应结节的个数；

当所述结节的个数为多个时，从所述恶性概率、置信度、直径、亚类、解剖位置、平均密度和体积参数中随机选取一个参数作为排序参数；

获取并基于所述调节图像各个结节对应排序参数的值的大小，对所述调节图像的各个结节进行排序编号，以得到调节图像各个结节的显示序列；

生成所述调节图像的检测报告，其中，所述检测报告包括所述各个结节的显示序列以及各个结节的第一分析信息。

4.如权利要求3所述的CT图像肺结节检测方法，其特征在于，所述读取结节的第一分析信息，得到所述调节图像对应结节的个数步骤之前包括：

若接收到添加指令时，获取人工添加的添加结节；

通过所述结节分析网络对所述添加结节进行结节分析，得到所述添加结节的第二分析信息；

将所述第二分析信息添加至第一分析信息中。

5.如权利要求4所述的CT图像肺结节检测方法，其特征在于，所述获取并基于所述调节图像各个结节对应排序参数的值的大小，对所述调节图像的各个结节进行排序编号步骤之后包括：

基于所述第二分析信息，从所述调节图像的各个结节中挑选得到添加结节；

对所述添加结节进行预设差异标识的标识处理。