[发明专利]病灶检测方法、装置及电子设备

说明书

本发明提供了一种病灶检测方法、装置及电子设备，该方法获取待检测的医学扫描图像；对医学扫描图像进行预处理，得到与医学扫描图像对应的去噪扫描图像；将去噪扫描图像输入至预先训练的病灶检测模型，得到病灶检测模型输出的检测结果；其中，检测结果包括病灶中心点坐标、病灶尺寸和病灶偏移量中的一种或多种；将检测结果标注至医学扫描图像。本发明可以有效提高检测病灶的准确度。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种病灶检测方法、装置及电子设备。

背景技术

病灶也即机体上发生病变的部分，通过检测病灶所在位置，可以便于医护人员较好地针对病灶对患者进行医治。目前，检测病灶是在CT(Computed Tomography，电子计算机断层扫描)图像的基础上进行的，例如将3D(3Dimensions，三维)的CT(ComputedTomography，电子计算机断层扫描)图像降维至2D(2Dimensions，二维)的CT图像，并将2D的CT图像输入至神经网络模型中得到病灶的包围框，以通过包围框表征病灶在CT中所处位置，经发明人研究发现，通过这种方式得到的病灶检测结果存在准确度较低的问题。

发明内容

有鉴于此，本发明的目的在于提供一种病灶检测方法、装置及电子设备，可以有效提高检测病灶的准确度。

第一方面，本发明实施例提供了一种病灶检测方法，包括：获取待检测的医学扫描图像；对所述医学扫描图像进行预处理，得到与所述医学扫描图像对应的去噪扫描图像；将所述去噪扫描图像输入至预先训练的病灶检测模型，得到所述病灶检测模型输出的检测结果；其中，所述检测结果包括病灶中心点坐标、病灶尺寸和病灶偏移量中的一种或多种；将所述检测结果标注至所述医学扫描图像。

在一种实施方式中，所述医学扫描图像为3D图像；所述预处理包括归一化处理和/或重采样处理；所述对所述医学扫描图像进行预处理，得到与所述医学扫描图像对应的去噪扫描图像的步骤，包括：如果所述预处理包括所述归一化处理，将所述医学扫描图像中各个像素的色彩值分别映射到预设色彩范围内的多个目标色彩值；如果所述预处理包括所述重采样处理，利用所述重采样处理剔除所述医学扫描图像中的噪声，并将所述医学扫描图像的当前尺寸调整为第一目标尺寸；将所述预处理后的医学扫描图像作为去噪扫描图像。

在一种实施方式中，所述病灶检测模型包括特征图生成网络和第一卷积网络；所述第一卷积网络包括与所述特征图生成网络分别相连的中心点卷积子网络、尺寸卷积子网络和偏移量卷积子网络；所述将所述去噪扫描图像输入至预先训练的病灶检测模型，得到所述病灶检测模型输出的检测结果的步骤，包括：将所述去噪扫描图像输入至所述特征图生成网络，得到所述去噪扫描图像的特征图；将所述特征图分别输入至所述中心点卷积子网络、所述尺寸卷积子网络和所述偏移量卷积子网络，得到检测结果；其中，所述中心点卷积子网络用于病灶中心点坐标检测，所述尺寸卷积子网络用于进行病灶尺寸检测，所述偏移量卷积子网络用于进行病灶偏移量检测。

在一种实施方式中，所述特征图生成网络包括第二卷积网络和特征骨架模型；所述将所述去噪扫描图像输入至所述特征图生成网络，得到所述去噪扫描图像的特征图的步骤，包括：将所述去噪扫描图像输入至所述第二卷积网络，通过所述第二卷积网络对所述去噪扫描图像进行重采样处理，得到第二目标尺寸的去噪扫描图像；将所述第二目标尺寸的去噪扫描图像输入至所述特征骨架模型，得到所述去噪扫描图像的特征图。

在一种实施方式中，所述病灶检测模型的训练步骤，包括：获取图像训练集；基于所述图像训练集中的图像样本训练所述病灶检测模型；基于每次训练的训练结果计算所述病灶检测模型的损失函数；当所述病灶检测模型的损失函数收敛时，停止对所述病灶检测模型进行训练。