[发明专利]计算机视觉识别肿瘤的方法和装置

说明书

本发明提供了计算机视觉识别肿瘤的方法和装置，涉及医学图像识别领域，该方法包括：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。本发明大大减轻了医生的工作量，能够高效率无遗漏地识别可能恶化的肿瘤结节，并且形成直观的三维模型，为肿瘤的早期诊断和提供正确的治疗方案提供了直观可靠的科学依据。

技术领域

本发明涉及医学图像识别领域，尤其涉及计算机视觉识别肿瘤的方法和装置。

背景技术

CT(Computed Tomography,即电子计算机断层扫描)是一种功能齐全的病情探测仪器，它是电子计算机X线断层扫描技术简称。CT的工作程序是这样的：它根据人体不同组织对X线的吸收与透过率的不同，应用灵敏度极高的仪器对人体进行测量，然后将测量所获取的数据输入电子计算机，电子计算机对数据进行处理后，就可摄下人体被检查部位的断面或立体的图像，发现体内任何部位的细小病变。

CT是用X线束对人体某部一定厚度的层面进行扫描，由探测器接收透过该层面的X线，转变为可见光后，由光电转换变为电信号，再经模拟/数字转换器(analog/digitalconverter)转为数字，输入计算机处理。图像形成的处理有如对选定层面分成若干个体积相同的长方体，称之为体素(voxel)。扫描所得信息经计算而获得每个体素的X线衰减系数或吸收系数，再排列成矩阵，即数字矩阵(digitalmatrix)，数字矩阵可存贮于磁盘或 光盘中。经数字/模拟转换器(digital/analogconverter)把数字矩阵中的每个数字转为由黑到白不等灰度的小方块，即像素(pixel)，并按矩阵排列，即构成CT图像。所以，CT图像是重建图像。每个体素的X线吸收系数可以通过不同的数学方法算出。CT图像又是层面图像，常用的是横断面，为了显示整个器官，需要多个连续的层面图像。

肺癌是对人类健康和生命威胁最大的恶性肿瘤之一。在我国，肺癌已成为恶性肿瘤首位死亡原因。如果肺癌能被早期诊断及治疗，患者5年生存率将从14％上升到49％。而作为肺癌早期诊断重要指标的肺部小结节检测就成为整个诊断流程中非常重要的一个环节。目前肺部小结节的CT鉴别诊断是放射科医生日常医疗工作中常面临的难题，现有肺部肿瘤影像学诊断是依据CT成像原理拍摄的图像，根据病灶图像形态表现和解剖学关系及医生以往的诊断经验而推断的结论。而现用于胸部诊断的CT肺部扫描多为二维黑白图像，对于一些特殊部位，医生很难通过观看图像来准确判断是否存在小结节，因此容易造成漏诊误诊。

发明内容

有鉴于此，本发明实施例的目的在于提供一种计算机视觉识别肿瘤的方法，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。

其中，所述的医疗检测图像是多层CT图像。所述的肿瘤识别是肺部结节的识别和判断，即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。

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，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。

该方法还包括对预处理后的CT图像进行肺实质分割的步骤。所述肺实质分割利用基本阈值分割算法。

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。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。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。

本发明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。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。