[发明专利]基于目标影像的病灶检测方法和装置

说明书

本发明提供一种基于目标影像的病灶检测方法和装置，该方法包括：提取待检测的目标影像；对于当前循环，获取当前查询切片中病灶的预测位置；将当前查询切片和当前查询切片中病灶的预测位置输入至病灶检测模型的修正模块，获取当前查询切片中病灶的修正位置；利用当前查询切片中病灶的修正位置更新所述当前参考切片，重复上述步骤，直到目标影像中病灶的区域面积小于预设阈值。本发明通过将目标影像中的病灶检测分为两个阶段，提取阶段和修正阶段，在提取阶段中进行病灶位置的粗预测，在修正阶段中进行病灶位置的精预测，以此来提高病灶位置的预测精度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于目标影像的病灶检测方法和装置。

背景技术

最近几年，深度卷积神经网络被广泛应用于医学图像处理上并且取得了成功。与传统的计算机视觉任务不同，医学影像处理由于具有更少的数据量和数据标注、更复杂的3D结构以及上下文信息使得该任务更具挑战。对于病灶的分割是医学影像处理中的一项重要的任务。

某现有技术提出了用来脑肿瘤分割的BraTs数据集，并且举办分割比赛。另一现有技术提出了一个包含1个编码器和2个解码器的网络结构，使得能够在分割脑部肿瘤的同时引入正则化约束，提高模型的性能。

某现有模型能够在少数据量的数据中学到更好的模型参数，并且取得了BraTs2018数据集上最好的效果。又一现有技术将卷积的基本形式在特定层次上换成可变形的、有弹性的卷积，以适应检测目标刚性特征并且具有更大的感受野，并在胃肿瘤的数字病理图像上进行了实验。再一现有技术提出了NoduleNet，以多任务方式共同解决肺癌的结节检测、假阳性抑制和结节分割问题。

但是CT影像中的病灶因为其形状多变、边缘模糊，直接采用上述方法并不能达到很好的检测精度。因此，亟需一种高精度的病灶检测方法。

发明内容

本发明提供一种基于目标影像的病灶检测方法和装置，用以解决现有技术中病灶检测精度低的缺陷，实现高精度的病灶检测。

本发明提供一种基于目标影像的病灶检测方法，包括：

提取待检测的目标影像，所述目标影像由若干个切片组成，将第j个切片作为当前参考切片，将所述当前参考切片的前k个切片和所述当前参考切片的后k个切片均作为当前查询切片；

对于当前循环，将所述当前参考切片、所述当前参考切片中病灶的预设位置、所述当前查询切片和所述当前查询切片中病灶的初始位置，输入至病灶检测模型的提取模块，获取所述当前查询切片中病灶的预测位置；

将所述当前查询切片和所述当前查询切片中病灶的预测位置输入至所述病灶检测模型的修正模块，获取所述当前查询切片中病灶的修正位置；

将所述当前参考切片前的第k个当前查询切片、所述当前参考切片后的第k个当前查询切片重新作为所述当前参考切片，将所述当前参考切片前的第k个当前查询切片中病灶的修正位置、所述当前参考切片后的第k个当前查询切片中病灶的修正位置重新作为所述当前参考切片中病灶的预设位置，将下一循环重新作为所述当前循环，重复上述步骤，直到所述目标影像中病灶的区域面积小于预设阈值，所述区域面积根据所述当前参考切片中病灶的预设位置确定；

其中，所述病灶检测模型是基于样本目标影像以及样本病灶标注结果训练得到的。

根据本发明提供一种基于目标影像的病灶检测方法，所述将所述当前参考切片、所述当前参考切片中病灶的预设位置、所述当前查询切片和所述当前查询切片中病灶的初始位置，输入至病灶检测模型的提取模块，获取所述当前查询切片中病灶的预测位置，具体包括：

所述预测位置具体包括边缘预测位置、区域预测位置和综合预测位置，相应地，将所述当前参考切片和所述当前查询切片之间的关联特征输入到所述提取模块的边缘解码器，获取所述边缘预测位置；