[发明专利]肺部病灶分析方法、装置、电子设备和存储介质在审

专利信息
申请号: 202010414237.X 申请日: 2020-05-15
公开(公告)号: CN111612755A 公开(公告)日: 2020-09-01
发明(设计)人: 程虎;殷保才;王凤艳 申请(专利权)人: 科大讯飞股份有限公司
主分类号: G06T7/00 分类号: G06T7/00
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 程琛
地址: 230088 安徽省*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 肺部 病灶 分析 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种肺部病灶分析方法,其特征在于,包括:

将待分析的胸部影像输入至病灶定位模型,得到所述病灶定位模型输出的所述胸部影像的肺部病灶定位结果;

将基于所述胸部影像以及所述胸部影像的肺部病灶定位结果确定的融合影像,或,将所述胸部影像以及所述胸部影像的肺部病灶定位结果输入至病灶分析模型,得到所述病灶分析模型输出的所述胸部影像的肺部病灶分析结果;

其中,所述病灶定位模型是基于样本胸部影像以及所述样本胸部影像的样本肺部病灶定位结果训练得到的;所述病灶分析模型是基于所述样本胸部影像的样本融合影像和样本肺部病灶分析结果,或,基于所述样本胸部影像以及所述样本胸部影像的样本肺部病灶定位结果和样本肺部病灶分析结果训练得到的。

2.根据权利要求1所述的肺部病灶分析方法,其特征在于,所述融合影像是通过如下步骤确定的:

基于所述肺部病灶定位结果,确定所述胸部影像中每一像素点的权重;

基于每一像素点的权重,分别对每一像素点的像素值进行加权,得到包含每一像素点的加权像素值的所述融合影像。

3.根据权利要求1所述的肺部病灶分析方法,其特征在于,所述将所述胸部影像以及所述胸部影像的肺部病灶定位结果输入至病灶分析模型,得到所述病灶分析模型输出的所述胸部影像的肺部病灶分析结果,具体包括:

将所述胸部影像以及所述胸部影像的肺部病灶定位结果输入至所述病灶分析模型的特征融合层,得到所述特征融合层输出的所述融合影像;

将所述融合影像输入至所述病灶分析模型的特征分析层,得到所述特征分析层输出的所述肺部病灶分析结果。

4.根据权利要求1至3中任一项所述的肺部病灶分析方法,其特征在于,所述样本肺部病灶定位结果包括样本区域块的样本区域病灶标记,或,包括所述样本区域块中每个样本像素点的样本点病灶标记;所述样本区域块是对所述样本胸部影像进行区域块截取得到的。

5.根据权利要求4所述的肺部病灶分析方法,其特征在于,所述将待分析的胸部影像输入至病灶定位模型,得到所述病灶定位模型输出的所述胸部影像的肺部病灶定位结果,具体包括:

将所述胸部影像的每一区域块输入至所述病灶定位模型,得到所述病灶定位模型输出的每一区域块中每一像素点的病灶得分,作为所述肺部病灶定位结果。

6.根据权利要求5所述的肺部病灶分析方法,其特征在于,所述将所述胸部影像的每一区域块输入至所述病灶定位模型,得到所述病灶定位模型输出的每一区域块中每一像素点的病灶得分,具体包括:

将所述胸部影像的任一区域块输入至所述病灶定位模型的区域分析层,得到所述区域分析层输出的所述任一区域块的区域病灶得分;

将所述任一区域块的区域病灶得分输入至所述病灶定位模型的结果输出层,得到所述结果输出层输出的所述任一区域块中每一像素点的病灶得分。

7.根据权利要求4所述的肺部病灶分析方法,其特征在于,所述样本胸部影像中任一样本区域块的样本区域病灶标记是通过如下步骤得到的:

基于任一样本区域块与所述样本胸部影像中每一病灶标注框的相对位置,确定所述任一样本区域块的病灶测量信息;

基于所述任一样本区域块的病灶测量信息,确定所述任一样本区域块的样本区域病灶标记。

8.根据权利要求7所述的肺部病灶分析方法,其特征在于,所述基于所述任一样本区域块的病灶测量信息,确定所述任一样本区域块的样本区域病灶标记,具体包括:

若任一样本区域块的病灶测量信息大于或大于等于第一预设阈值,则确定所述任一样本区域块的样本区域病灶标记为是;

若所述任一样本区域块的病灶测量信息小于或小于等于第二预设阈值,则确定所述任一样本区域块的样本区域病灶标记为否;

否则,弃用所述任一样本区域块;

其中,所述第一预设阈值大于所述第二预设阈值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于科大讯飞股份有限公司,未经科大讯飞股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010414237.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top