[发明专利]CT图像的检测方法、装置、存储介质及电子设备

权利要求书

1.一种CT图像的检测方法，其中待检测CT图像包括多层二维图像，其特征在于，包括：

获取所述多层二维图像中的单层待检测二维图像以及所述单层待检测二维图像一侧的连续N层二维图像和/或所述单层待检测二维图像另一侧的连续N层二维图像，作为当前待检测图像，其中N为大于等于1的整数；以及

将所述当前待检测图像输入神经网络模型，生成所述待检测CT图像的感兴趣区域。

2.根据权利要求1所述的检测方法，其特征在于，所述获取所述多层二维图像中的单层待检测二维图像以及所述单层待检测二维图像一侧的连续N层二维图像和/或所述单层待检测二维图像另一侧的连续N层二维图像，作为当前待检测图像包括：

依次将所述多层二维图像中的每一层二维图像作为所述单层待检测二维图像；以及

获取该所述单层待检测二维图像以及该所述单层待检测二维图像一侧的连续N层二维图像和/或所述单层待检测二维图像另一侧的连续N层二维图像作为当前待检测图像。

3.根据权利要求1所述的检测方法，其特征在于，所述获取所述多层二维图像中的单层待检测二维图像以及所述单层待检测二维图像一侧的连续N层二维图像和/或所述单层待检测二维图像另一侧的连续N层二维图像，作为当前待检测图像包括：

当所述单层待检测二维图像的一侧的二维图像的层数小于N时，放弃获取所述单层待检测二维图像。

4.根据权利要求1所述的检测方法，其特征在于，所述获取所述多层二维图像中的单层待检测二维图像以及所述单层待检测二维图像一侧的连续N层二维图像和/或所述单层待检测二维图像另一侧的连续N层二维图像，作为当前待检测图像包括：

当所述单层待检测二维图像的一侧的二维图像的层数小于N且大于零时，通过重复选取所述单层待检测二维图像该侧的二维图像，以实现该侧的二维图像的数量为N。

5.根据权利要求1所述的检测方法，其特征在于，在所述生成所述待检测CT图像的感兴趣区域之后，还包括：

对所述感兴趣区域进行分类，并计算所述感兴趣区域的分类结果的置信度。

6.根据权利要求5所述的检测方法，其特征在于，所述神经网络模型的训练方法包括：

将第二样本输入及对应的第二样本输出输入所述神经网络模型进行训练，其中，所述第二样本输入包括单层训练二维图像以及该单层训练二维图像一侧的连续N层二维图像和/或该单层训练二维图像另一侧的连续N层二维图像，所述第二样本输出包括与所述第二样本输入对应的感兴趣区域的分类结果。

7.根据权利要求6所述的检测方法，其特征在于，所述训练方法还包括：

将第二验证样本输入输入所述神经网络模型，得到第二验证样本输出，其中，所述第二验证样本输入包括单层验证二维图像以及该单层验证二维图像一侧的连续N层二维图像和/或该单层验证二维图像另一侧的连续N层二维图像；

计算所述第二验证样本输出与第二标准结果之间的第二误差；以及

当所述第二误差小于第二预设误差值时，停止训练。

8.根据权利要求7所述的检测方法，其特征在于，在所述计算所述第二验证样本输出与第二标准结果之间的第二误差之后，还包括：

当所述第二误差大于或等于所述第二预设误差值时，对所述神经网络模型进行求导优化。

9.根据权利要求1所述的检测方法，其特征在于，在所述生成所述待检测CT图像的感兴趣区域之后，还包括：

对所述感兴趣区域进行精确定位，得到异常区域。

10.根据权利要求1至9中任一项所述的检测方法，其特征在于，所述神经网络模型的训练方法包括：

将第一样本输入及对应的第一样本输出输入所述神经网络模型进行训练，其中，所述第一样本输入包括单层训练二维图像以及该单层训练二维图像一侧的连续N层二维图像和/或该单层训练二维图像另一侧的连续N层二维图像，所述第一样本输出包括与所述第一样本输入对应的感兴趣区域的位置。