[发明专利]肺结节分析装置、模型训练方法、装置及分析设备

权利要求书

1.一种肺结节分析装置，其特征在于，应用于分析设备，所述肺结节分析装置包括采样处理模块及分割模块，其中，所述采样处理模块通过包括样本3D肺部图像、样本3D肺部图像对应的样本分类结果、及样本3D肺部图像对应的样本分割结果的样本集训练得到，

所述采样处理模块，用于对待分析的3D肺部图像进行采样处理，得到高分辨率特征图，其中，所述高分辨率特征图的尺寸与所述3D肺部图像的尺寸相同，所述高分辨率特征图中包括所述3D肺部图像中每个体素属于肺结节的概率；

所述分割模块，用于根据所述高分辨率特征图中每个体素属于肺结节的概率对所述高分辨率特征图进行处理，得到所述3D肺部图像对应的分割掩膜，其中，所述分割掩膜的前景部分为肺结节。

2.根据权利要求1所述的装置，其特征在于，所述分割模块具体用于：

根据第一预设概率对所述高分辨率特征图进行二值化处理，得到所述分割掩膜。

3.根据权利要求1所述的装置，其特征在于，所述装置还包括分类模块及通过所述样本集训练得到的特征融合模块，所述采样处理模块包括下采样部分及上采样部分，所述高分辨率特征图由所述3D肺部图像经所述下采样部分及上采样部分得到，

所述特征融合模块，用于将所述高分辨率特征图、及经所述下采样部分得到的高层语义特征图进行特征融合，得到目标概率值；

所述分类模块，用于根据所述目标概率值、及概率值与肺结节类型的对应关系，得到所述3D肺部图像中肺结节的类型。

4.根据权利要求3所述的装置，其特征在于，所述特征融合模块具体用于：

将所述高分辨率特征图转换为第一一维向量，并将所述高层语义特征图转换为第二一维向量；

根据所述第一一维向量及第二一维向量得到所述目标概率值。

5.根据权利要求3所述的装置，其特征在于，所述特征融合模块包括3D卷积层及多个全连接层。

6.根据权利要求1所述的装置，其特征在于，所述装置还包括图像获取模块，

所述图像获取模块用于：

根据肺结节在原始3D图像中的中心位置，从所述原始3D图像获得预设尺寸的图像块，其中，所述图像块包括肺结节的中心位置；

对所述图像块进行预处理，得到待分析的3D肺部图像。

7.一种模型训练方法，其特征在于，用于训练得到肺结节分析模型，所述方法包括：

将样本3D肺部图像输入未训练好的肺结节分析模型，得到分割结果及分类结果，其中，所述肺结节分析模型中包括主干网络及特征融合网络；

根据与所述样本3D肺部图像对应的样本分割结果及样本分类结果、和所述分割结果及分类结果，计算得到本次训练的损失值；

判断所述本次训练的损失值是否小于预设损失值；

判断当前迭代次数是否大于预设迭代次数；

若本次训练的损失值小于所述预设损失值或当前迭代次数大于所述预设迭代次数，则判定训练完成，将当前的肺结节分析模型作为训练好的肺结节分析模型；

若本次训练的损失值不小于预设损失值，且当前迭代次数不大于所述预设迭代次数，则对所述主干网络和/或特征融合网络中的参数进行调整，并重复以上步骤直到得到的本次训练的损失值小于所述预设损失值或当前迭代次数大于所述预设迭代次数。