[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

说明书

本发明公开了一种CT图像肺结节检测方法、装置、设备及可读存储介质，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。本发明解决现有人工肺结节检测效率、精确度低下的技术问题。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种CT图像肺结节检测方法、装置、设备及可读存储介质。

背景技术

肺结节是肺癌最重要的早期征象之一，即根据肺结节的病变特征能够推断出肺病灶的病变特性。

目前，在得到肺部中的CT图像后，需要医生进行人工阅读该CT图像，以进行肺确定结节区域分析信息的提取或者检测，由于肺结节的大小、形状以及密度等特征的不确定性，人工肺结节特征检测难以满足市场对肺结节特征检测效率、精确度的需求。

发明内容

本发明的主要目的在于提供一种CT图像肺结节检测方法、装置、设备及可读存储介质，旨在解决现有人工肺结节检测效率、精确度低下的技术问题。

为实现上述目的，本发明提供一种CT图像肺结节检测方法，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。

可选地，所述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；

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；

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，得到所述标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。

可选地，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，得到所述标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；