[发明专利]一种正位胸片中基于空间关系的异常检测方法及系统

说明书

本发明公开了一种正位胸片中基于空间关系的异常检测方法及系统，其技术方案为：包括：获取解剖结构位置信息，建立预测区域与解剖结构的相对位置关系，得到空间特征编码；将空间特征与预测区域的原始特征拼接起来，使用新的分类器和回归器进行类别分类和位置回归；旧的分类器和回归器对原始特征进行预测，之后使用新的分类器和回归器进行结果预测。本发明将异常和解剖结构的空间位置关系加入到检测过程中，可以得到更为精确的检测结果。

技术领域

本发明涉及医疗影像处理技术领域，尤其涉及一种正位胸片中基于空间关系的异常检测方法及系统。

背景技术

现有的胸片异常检测方法很少将空间关系应用到检测过程中。正位胸片中的异常检测是对胸部异常区域进行识别和定位，异常与解剖结构之间的空间位置关系对提高异常的检测精度具有很好的辅助性。

深度学习技术现已广泛应用于医疗行业，其在医学影像识别、生物技术、辅助诊断、药物研发、营养学等医学领域均将发挥重要作用。医学影像是疾病诊断的主要途径之一，这些数据大多需要进行人工分析，如果能够运用算法自动分析影像，再将影像与其它病例记录进行对比，就能极大降低医学误诊，帮助做出准诊断。X线平片是胸部疾病早期筛查的有效手段，如何将深度学习技术应用于胸部异常检测成为当前研究热点。

深度学习技术能够通过快速准确地标记特定异常结构，以供放射科医师参考，辅助做出诊断，大大减少工作量。胸部异常与解剖结构的空间位置关系对异常检测具有极大的参考性，如“心影增大”为x线显示出心脏显示范围大于正常范围，而“肺不张”指一个或多个肺段或肺叶的容量或者含气量减少。此外，明确的空间关系还可减少误检率，如钙化和肺部血管有着相似的外表，而肺部血管会对称地出现在双肺内部，钙化则不具有这种特征。

发明内容

为了克服上述技术问题，本发明提供了一种正位胸片中基于空间关系的异常检测方法及系统，将异常和解剖结构的空间位置关系加入到检测过程中，可以得到更为精确的检测结果。

本发明解决其技术问题采取的技术方案是：

一种正位胸片中基于空间关系的异常检测方法，包括：

获取解剖结构位置信息，建立预测区域与解剖结构的相对位置关系，得到空间特征编码；

将空间特征与预测区域的原始特征拼接起来，使用新的分类器和回归器进行类别分类和位置回归；旧的分类器和回归器对原始特征进行预测，之后使用新的分类器和回归器进行结果预测。

可选的，使用预训练好的分割模型定位出胸片中胸部主要解剖结构。

可选的，使用端点坐标差以量化空间关系，得到设定维度的向量编码；使用数据升维方法对得到的向量编码进行升维操作，得到设定维度的空间特征编码。

可选的，使用卷积将向量编码转换为空间特征编码，并将空间特征编码作为预测区域的增强特征。

可选的，使用端点坐标差量化空间关系，得到维度为5×8的向量编码；使用1×1卷积进行升维操作，将向量编码转换为维度为1×640的空间特征编码。

可选的，使用旧的分类器和回归器对原始特征进行预测时，其损失函数也参与训练过程。

可选的，所述解剖结构共有五部分，包括心影、左肩胛骨、右肩胛骨、左肺、右肺，建立预测区域与每个解剖结构的相对位置关系。

本发明还提供了一种正位胸片中基于空间关系的异常检测系统，包括：

位置信息获取模块，用于获取解剖结构位置信息，建立预测区域与所有解剖结构的相对位置关系，得到空间特征编码；

特征处理预测模型，用于将空间特征与预测区域的原始特征拼接起来，使用新的分类器和回归器进行类别分类和位置回归；旧的分类器和回归器对原始特征进行预测，之后使用新的分类器和回归器进行结果预测。