[发明专利]肺结节特征的量化方法、装置、电子设备及存储介质有效
申请号: | 201811614208.7 | 申请日: | 2018-12-27 |
公开(公告)号: | CN109712131B | 公开(公告)日: | 2021-04-16 |
发明(设计)人: | 邵影;高耀宗;詹翊强 | 申请(专利权)人: | 上海联影智能医疗科技有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/11;G06T7/13;G06T5/00 |
代理公司: | 北京品源专利代理有限公司 11332 | 代理人: | 孟金喆 |
地址: | 200232 上海市徐*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 结节 特征 量化 方法 装置 电子设备 存储 介质 | ||
1.一种肺结节特征的量化方法,其特征在于,包括:
依据肺部三维图像生成肺结节的目标三维分割图像;
从所述目标三维分割图像中提取不同横断面的二维图像,并确定各个所述二维图像中所述肺结节的长径和短径;
依据每个所述二维图像对应的所述长径和所述短径,确定所述目标三维分割图像中具有最大截面的目标二维图像;
将所述目标二维图像的所述长径和所述短径作为所述肺结节的最长径和最短径;
其中,所述确定各个所述二维图像中所述肺结节的长径和短径,包括:从所述二维图像中提取所述肺结节的各个轮廓点;依据各个所述轮廓点的坐标确定轮廓点间距离,并依据所述轮廓点间距离确定所述肺结节的长径;依据各个所述轮廓点确定与所述长径垂直的各个垂线段,并依据各个所述垂线段的长度确定所述肺结节的短径。
2.根据权利要求1所述的方法,其特征在于,依据肺部三维图像生成肺结节的目标三维分割图像包括:
依据所述肺部三维图像,基于预设肺结节分割算法,确定所述肺结节的初始三维分割图像;
依据肺结节形态确定所述肺结节的立体边框,并依据所述立体边框从所述初始三维分割图像中提取肺结节,生成所述肺结节的目标三维分割图像。
3.根据权利要求2所述的方法,其特征在于,所述预设肺结节分割算法为预先训练的基于三维医学图像的全卷积神经网络模型V-net。
4.根据权利要求1所述的方法,其特征在于,从所述二维图像中提取所述肺结节的各个轮廓点包括:
按照设定倍数放大所述二维图像,生成放大二维图像;
对所述放大二维图像进行滤波和平滑,生成平滑二维图像,并从所述平滑二维图像中提取所述肺结节的各个所述轮廓点。
5.根据权利要求1所述的方法,其特征在于,依据每个所述二维图像对应的所述长径和所述短径,确定所述目标三维分割图像中具有最大截面的目标二维图像包括:
依据每个所述二维图像对应的所述长径和所述短径,确定每个所述二维图像中所述肺结节的平均直径;
依据各个所述平均直径确定最大平均直径,并将所述目标三维分割图像中与所述最大平均直径对应的所述二维图像确定为具有最大截面的目标二维图像。
6.根据权利要求1所述的方法,其特征在于,在依据肺部三维图像生成肺结节的目标三维分割图像之后,还包括:
依据所述目标三维分割图像中的体素体积和肺结节体素个数,确定所述肺结节的体积。
7.一种肺结节特征的量化装置,其特征在于,包括:
目标三维分割图像生成模块,用于依据肺部三维图像生成肺结节的目标三维分割图像;
长径和短径确定模块,用于从所述目标三维分割图像中提取不同横断面的二维图像,并确定各个所述二维图像中所述肺结节的长径和短径;
目标二维图像确定模块,用于依据每个所述二维图像对应的所述长径和所述短径,确定所述目标三维分割图像中具有最大截面的目标二维图像;
最长径和最短径确定模块,用于将所述目标二维图像的所述长径和所述短径作为所述肺结节的最长径和最短径;
其中,长径和短径确定模块包括:轮廓点提取子模块,用于从二维图像中提取肺结节的各个轮廓点;长径确定子模块,用于依据各个轮廓点的坐标确定轮廓点间距离,并依据轮廓点间距离确定肺结节的长径;短径确定子模块,用于依据各个轮廓点确定与长径垂直的各个垂线段,并依据各个垂线段的长度确定肺结节的短径。
8.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的肺结节特征的量化方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的肺结节特征的量化方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海联影智能医疗科技有限公司,未经上海联影智能医疗科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811614208.7/1.html,转载请声明来源钻瓜专利网。