[发明专利]计算机视觉识别肿瘤的方法和装置

权利要求书

1.计算机视觉识别肿瘤的方法，其特征在于，包括以下步骤：

读取医疗检测图像并将其解析为三维体图像；

通过数据特征比较识别正常组织与结节；

对结节特征数据进行提取；

通过数据特征比较判断结节类型。

2.根据权利要求1所述的计算机视觉识别肿瘤的方法，其特征在于所述的医疗检测图像是多层CT图像。

3.根据权利要求1所述的计算机视觉识别肿瘤的方法，其特征在于所述的肿瘤识别是肺部结节的识别和判断。

4.根据权利要求1所述的计算机视觉识别肿瘤的方法，其特征在于所述的肿瘤识别是判断结节是否是纯磨玻璃结节、部分实性磨玻璃、纯实性磨玻璃中的一种或几种。

5.根据权利要求1所述的计算机视觉识别肿瘤的方法，其特征在于所述读取医疗检测图像并将其解析为三维体图像过程还包括对图像进行预处理的过程。

6.根据权利要求5所述的计算机视觉识别肿瘤的方法，其特征在于所述图像预处理包括对所述三维体图像进行灰度不均匀校正、图像去除噪点等预处理的一种或几种。

7.根据权利要求1所述的计算机视觉识别肿瘤的方法，其特征在于所述的方法还包括对预处理后的CT图像进行肺实质分割的步骤。

8.根据权利要求7所述的计算机视觉识别肿瘤的方法，其特征在于所述肺实质分割利用基本阈值分割算法。

9.根据权利要求1所述的计算机视觉识别肿瘤的方法，其特征在于所述的方法还包括采用特征提取的方法标注特定点，之后利用动态区域增长算法结合阈值筛选，通过算法生成气管和支气管。

10.根据权利要求1所述的计算机视觉识别肿瘤的方法，其特征在于所述的方法还包括利用形态学开闭运算算法以及动态区域增长算法，对肺部边缘的小结节进行识别、分割。

11.根据权利要求1所述的计算机视觉识别肿瘤的方法，其特征在于所述的对结节特征数据进行提取是通过深度学习提取被判断为结节的特征。

12.根据权利要求11所述的计算机视觉识别肿瘤的方法，其特征在于所述的视觉识别肿瘤的方法还包括将经过深度学习得出的结节的三维特征输出用于构建直观的结节三维模型。

13.根据权利要求1所述的计算机视觉识别肿瘤的方法，其特征在于所述的通过数据特征比较判断结节类型是采用支持向量机处理，对结节的要素进行分类提取，从而判断结节的类型。

14.计算机视觉识别肿瘤的装置，其特征在于包括：

从图形处理器中读取并解析医学图像的模块；

对图像进行分割的图像分割模块；

对被认为是结节的分割图块进行特征提取的深度学习模块；

对从数据库中正常器官组织数据和各类结节特征数据进行提取的特征提取模块；

对从深度学习模块取得的结节特征数据以及特征提取模块提取的特征数据进行对比判断分类的向量机支持模块。

15.根据权利要求14所述的计算机视觉识别肿瘤的方法，其特征在于所述的读取并解析医学图像的模块是一个CT图像处理系统，包括：图像处理服务器，其包括CPU、图形处理器以及医学图像信息读写模块。

16.根据权利要求14所述的计算机视觉识别肿瘤的方法，其特征在于所述的装置还包括图像预处理模块对图像进行灰度不均匀校正、图像去除噪点等预处理中的一种或几种。