[发明专利]一种图像识别方法及装置

说明书

技术领域

本发明涉及医疗影像领域，尤其涉及一种图像识别方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

肺结节是肺部常见病之一，肺结节向恶性发展，将会转变为肺部恶性肿瘤。由于肺癌的致死率较高，而在肺部恶性肿瘤形成早期就及时进行治疗，则有着较高的治愈率。因此及早发现肺部结节对防止恶性肿瘤的形成起着至关重要的作用。

随着计算机断层成像技术的发展，高分辨的CT设备能够更精准的进行成像，这对肺结节的识别奠定了基础。目前，疑似肺结节区域图像识别技术已经在实验和临床条件下进行了应用。通常，疑似肺结节区域图像识别方法主要包含以下步骤：图像预处理，即对重建图像进行滤波平滑等操作，降低图像噪声；肺实质分割，为了减少图像识别的计算量和误差，通常还要进行肺实质分割，以提取出完整肺部组织；疑似肺结节的选取，为了提高图像识别的速度，通常并不是在整个肺部区域内进行结节的判断，而是先要提取出疑似结节的感兴趣区域(RegionsofInterest，ROI)；疑似肺结节区域图像识别，将提取出的疑似肺结节区域作为输入，进行判断。传统的疑似肺结节区域图像的识别方法，往往需要人为的选定肺结节的某些特征，例如肺结节的形状、亮度、纹理等，根据这些特征编制算法来识别肺结节。但是人为选定的特征并不一定具有代表性，可能有些肺结节并不符合某些选定的特征，因此在进行图像识别的过程中，这些不符合人为选定的特征的肺结节可能就无法识别出来，导致误诊，威胁到病人的生命。

另外，肺结节分为很多种类型，为了识别特定类型的肺结节，可能需要特定的算法进行识别，而这种特定的算法只适用于对应类型的肺结节，对于其他类型的肺结节则无法识别，因此普适性较低。

发明内容

为了解决现有技术存在的技术问题，本发明提供了一种图像识别方法及装置，提高了疑似肺结节区域图像识别的准确率，且普适性较高。

本发明实施例提供一种图像识别方法，所述方法包括：

获取训练图像集，所述训练区域集包括肺结节区域图像和非肺结节区域图像；

构造深度卷积神经网络，以携带有肺结节标识的肺结节区域图像和携带有非肺结节标识的非肺结节区域图像为输入训练所述深度卷积神经网络；

根据训练得到的所述深度卷积神经网络构建测试网络；

获取疑似肺结节区域图像，并将疑似肺结节区域图像输入至所述测试网络，以得到所述疑似肺结节区域图像中是否具有肺结节的判断结果，实现对疑似肺结节区域图像的识别。

优选的，所述获取训练图像集包括：

获取包含有肺结节的图像，所述包含有肺结节的图像中的肺结节区域得到标注；

根据所述标注的肺结节区域图像提取预设大小的肺结节区域图像；

从包含有肺结节的图像的其余区域图像或从没有包含肺结节的图像中提取预设大小的非肺结节区域图像。

优选的，所述根据所述标注的肺结节区域提取预设大小的肺结节区域图像包括：

若所述标注的肺结节区域的大小在第一预设大小范围内，则根据所述标注的肺结节区域图像提取第一预设大小的肺结节区域图像；

若所述标注的肺结节区域的大小在第二预设大小范围内，则根据所述标注的肺结节区域图像提取第二预设大小的肺结节区域图像；

所述从包含有肺结节的图像的其余区域或从没有包含肺结节的图像中提取预设大小的非肺结节区域图像包括：

从包含有肺结节的图像的其余区域图像或从没有包含肺结节的图像中提取所述第一预设大小的非肺结节区域图像和所述第二预设大小的非肺结节区域图像；

所述构造深度卷积神经网络，以携带有肺结节标识的肺结节区域图像和携带有非肺结节标识的非肺结节区域图像为输入训练所述深度卷积神经网络包括：

构造第一深度卷积神经网络，以携带有肺结节标识的第一预设大小的肺结节区域图像和携带有非肺结节标识的第一预设大小的非肺结节区域图像为输入训练所述第一深度卷积神经网络；

构造第二深度卷积神经网络，以携带有肺结节标识的第二预设大小的肺结节区域图像和携带有非肺结节标识的第二预设大小的非肺结节区域图像为输入训练所述第二深度卷积神经网络；

所述根据训练得到的所述深度卷积神经网络构建测试网络包括：

根据训练得到的所述第一深度卷积神经网络构建第一测试网络；

根据训练得到的所述第二深度卷积神经网络构建第二测试网络；