[发明专利]一种基于多模型融合的肺结节检测方法及系统

权利要求书

1.一种肺结节检测方法，其特征在于，包括：

A、获取待检测的3D肺部CT序列；

B、将所述待检测的3D肺部CT序列进行预处理；所述预处理包括：提取肺部区域，运用阈值分割、凸包络、膨胀和剪裁；

C、将预处理之后的3D肺部CT序列输入至不同的肺结节检测网络模型中，以分别获取各个模型的初次的肺结节检测结果；

D、将所述各个模型的初次的肺结节检测结果进行加权融合处理，以获取融合处理之后的最终肺结节检测结果；

步骤D所述加权融合处理的步骤，包括：

将各个所述初次的肺结节检测结果分别计算重叠度IoU值；并将IoU值大于指定阈值的肺结节检测结果的候选框的得分及坐标进行加权处理，以获取加权处理之后的加权平均得分和加权平均坐标，并将加权平均得分大于指定阈值的候选框的加权平均坐标作为肺结节检测结果的目标框；

获取所述加权平均得分的计算公式为：

其中，O_s表示加权平均得分；S_i表示第i个模型预测的候选框的得分；W_i表示第i个模型的权重；n表示模型的总个数；m表示n个模型在该位置上检测出的框并且该框符合IoU大于设定阈值的数量；W’表示所有W_i的均值；

获取所述加权平均坐标的计算公式为：

其中，O_c表示加权平均坐标；C_i表示第i个模型预测的候选框的坐标；S_i表示第i个模型预测的候选框的得分；W_i表示第i个模型的权重；

模型的权重W的计算公式为：

其中，IoU表示重叠度；a表示模型预测出的框的面积,p表示以模型预测的框为中心的正态分布的密度系数。

2.根据权利要求1所述的方法，其特征在于，所述不同的肺结节检测网络模型的获取方法为：

N1、获取指定数量的3D 肺部CT序列；

N2、将所述指定数量的3D肺部CT序列进行预处理；

N3、将预处理之后的3D肺部CT序列中的指定数量的数据作为训练集，将所述训练集输入至不同的肺结节检测器中进行训练，以获取训练完成的不同的肺结节检测网络模型。

3.根据权利要求2所述的方法，其特征在于，所述N3之后还包括：

N4、将预处理之后的3D肺部CT序列中的指定数量的数据作为测试集，将所述测试集输入至所述训练完成的不同的肺结节检测网络模型测试，并保留测试结果中符合指定标准的肺结节检测网络模型。

4.一种肺结节检测系统，其特征在于，包括：

获取模块，用于获取待检测的3D 肺部CT序列；

预处理模块，用于将所述待检测的3D肺部CT序列进行预处理；所述预处理包括：提取肺部区域，运用阈值分割、凸包络、膨胀和剪裁；

第一检测模块，用于将预处理之后的3D肺部CT序列输入至不同的肺结节检测网络模型中，以分别获取各个模型的初次的肺结节检测结果；

融合处理模块，用于将所述各个模型的初次的肺结节检测结果进行加权融合处理，以获取融合处理之后的最终肺结节检测结果；

所述融合处理模块，具体用于：将各个所述初次的肺结节检测结果分别计算重叠度IoU值；并将IoU值大于指定阈值的肺结节检测结果的候选框的得分及坐标进行加权处理，以获取加权处理之后的加权平均得分和加权平均坐标，并将所述加权平均得分大于指定阈值的候选框的加权平均坐标作为肺结节检测结果的目标框；

所述加权平均得分的计算公式为：

其中，O_s表示加权平均得分；S_i表示第i个模型预测的候选框的得分；W_i表示第i个模型的权重；n表示模型的总个数；m表示n个模型在该位置上检测出的框并且该框符合IoU大于设定阈值的数量；W’表示所有W_i的均值；

其中，所述加权平均坐标的计算公式为：

其中，O_c表示加权平均坐标；C_i表示第i个模型预测的候选框的坐标；S_i表示第i个模型预测的候选框的得分；W_i表示第i个模型的权重；

其中，模型的权重W的计算公式为：

其中，IoU表示重叠度；a表示模型预测出的框的面积,p表示以模型预测的框为中心的正态分布的密度系数。