[发明专利]结节检测装置和方法

说明书

本发明提供了一种结节检测装置和CT成像系统。结节检测装置包括：计算机可读存储介质，用于存储可由处理器执行的指令；处理器，用于执行所述指令以实现如下步骤：获取标记有结节信息的第一医学图像；根据所述第一医学图像生成包含结节的训练数据块；根据所述结节信息和所述训练数据块生成标签矩阵；利用所述训练数据块和所述标签矩阵对卷积神经网络进行训练，以得到适于检测结节的网络模型；以及利用所述网络模型对第二医学图像进行结节检测，以在所述第二医学图像确定结节区域。本发明的结节检测装置和CT成像系统能够高效、准确地检测出结节，并且普适能力强。

技术领域

本发明主要涉及医学图像分析，尤其涉及一种结节检测装置和方法。

背景技术

肺癌是当今对人类身体健康危害最大的恶性肿瘤之一，肺癌的早期诊断与治疗能提高患者的术后5年存活率。随着薄层CT(thin-section CT)的普及，医生的工作量急剧增强，使得对计算机辅助检测(Computer Aided Detection，CAD)的需求变得迫切。肺结节的计算机辅助检测能有效检测出被医生遗漏的结节，同时提高医生检测的敏感度。

假阳性结节过多和检测效率太低是目前CAD面临的主要问题。传统方法，使用手工设计的特征提取器来提取特征，会损失很多有用的信息，模型的学习能力受到很大的限制。而目前的深度学习的方法，一次只能处理一层或者最多三层的二维信息，无法有效地处理整个结节，不仅损失了信息，而且效率很低。

在传统的CAD系统中，主要通过如下的五个步骤来检测结节：数据采集、预处理、肺分割、结节初始检测、假阳性抑制。数据采集是指从成像设备采集医学图像的过程。预处理是指通过去噪、去伪影、增强结节区域等操作，提高获得的肺部图像的质量和可读性的过程。肺分割是指识别肺叶区域并去除其他部分的过程，这个过程提高了肺结节检测系统的可靠性，准确性和精确性。肺结节初始检测是指判断图像中是否出现了结节，并确定结节的位置。假阳性抑制是指消除结节检测或者肺分割结果中的假阳性结果(被识别为结节，实际上不是结节的组织)的过程。有些现有的结节检测系统没有假阳性抑制这个步骤，直接使用肺分割的结果进行假阳性抑制，有的系统没有使用肺分割，直接定位结节，然后进行假阳性抑制。在上述步骤可知，现有结节检测的方法步骤过于繁琐，且检测的精度和效率有待进一步提高。

发明内容

本发明要解决的技术问题是提供一种结节检测装置和CT成像系统，其能够高效、准确地检测出结节，并且普适能力强。

为解决上述技术问题，本发明的一方面提供了一种结节检测装置，包括：计算机可读存储介质，用于存储可由处理器执行的指令；处理器，用于执行所述指令以实现如下步骤：获取标记有结节信息的第一医学图像；根据所述第一医学图像生成包含结节的训练数据块；根据所述结节信息和所述训练数据块生成标签矩阵；利用所述训练数据块和所述标签矩阵对卷积神经网络进行训练，以得到适于检测结节的网络模型；以及利用所述网络模型对第二医学图像进行结节检测，以在所述第二医学图像确定结节区域。

在本发明的一实施例中，根据所述结节信息和所述训练数据块生成标签矩阵的步骤包括：利用所述卷积神经网络对所述训练数据块进行卷积，以得到卷积后的第一特征图；将所述第一特征图的每一点映射到所述第一医学图像中，以得到第一映射区域；在所述第一映射区域中选取多个第一候选区域；以及根据所述多个第一候选区域与经标记的结节区域的交并比和位置偏移生成所述标签矩阵；其中，所述经标记的结节区域由所述结节信息确定。

在本发明的一实施例中，所述卷积神经网络包括特征提取网络、检测网络和代价层，所述检测网络位于所述特征提取网络和所述代价层之间，或位于不同层次的所述特征提取网络中。

在本发明的一实施例中，所述特征提取网络包括残差网络、基础为VGG网络的特征金字塔网络和基础为残差网络的特征金字塔网络中的一种或多种。

在本发明的一实施例中，所述特征提取网络包括多个卷积层，并且在相邻两个卷积层之间设置有一个激活层和一个批量归一化层。