[发明专利]一种肺叶中病灶的定位装置

说明书

本发明提供了一种肺叶中病灶的定位装置，标注所述基准图像中肺叶的关键点，将已标注关键点的基准图像输入待训练的卷积神经网络中，对所述卷积神经网络进行训练，所得神经网络能够高质量的自动定位肺部CT影像的关键点位置。获得关键点位置后，该方法及装置进而能自动将肺部病灶坐标映射到预先制作的肺部三维模型中的坐标，确定病灶在肺部的具体肺叶肺段。

技术领域

本发明涉及医学影像技术领域，尤其是涉及一种肺叶中病灶的定位装置。

背景技术

当前，肺癌作为全球第一大癌症，发病率逐年提升。肺癌的生存率与首次确诊时所处的病程阶段高度相关，肺癌影像学诊断是发现早期肺癌的重要手段,目前智能医疗是推动我国卫生事业和健康产业发展、更好地保障人民健康的重要内容，智能医疗将辅助我们更加合理地配置医疗资源。随着人口老龄化的到来，解决医疗便捷问题。因此将大数据驱动的人工智能应用于早期肺癌影像诊断中,通过机器辅助医生，提高诊疗效率，缓解超负荷状态，降低漏诊及误诊,提升医生诊疗质量，不仅可以挽救无数患者的生命，而且对于缓解医疗资源和医患矛盾也有重大意义。

现有技术中，通过图像识别方式识别肺部CT图像中的病灶，能够识别出病灶在CT图像中的位置，但是并没有方法知道病灶所处的具体肺叶肺段，无法生成完整有效的报告。

发明内容

有鉴于此，本发明的目的在于提供一种肺叶中病灶的定位装置，以缓解了现有图像识别装置对CT图像进行处理准确度不高的技术问题。

第一方面，本发明实施例提供了一种肺叶中病灶的定位方法，其该方法包括：

通过CT扫描仪获取肺叶的横断面图和冠状面图；

将所述冠状面图输入训练好的第一卷积神经网络中，将所述横断面图输入训练好的第二卷积神经网络中，获得所述冠状面图和横断面图上肺叶关键点的位置；

根据所述肺叶关键点的位置建立第一三维坐标系，以确定病灶在第一三维坐标系中的位置，在已有的三维肺叶模型中标注关键点，建立第二三维坐标系，将病灶在第一三维坐标系中的位置映射到第二三维坐标系，以在三维肺叶模型中确定所述病灶的位置；

所述第一卷积神经网络和第二卷积神经网络的训练过程，包括：

从已有的肺叶的横断面图和冠状面图中选取基准图像，分别为横断面基准图像和冠状面基准图像；

获取所述基准图像中的肺叶位置；

根据所获取的肺叶位置，标注所述基准图像中肺叶的关键点，将已标注关键点的基准图像输入待训练的卷积神经网络中，对所述卷积神经网络进行训练，直到所述卷积神经网络的模型收敛为止；输入所述冠状面基准图像训练而成的即为第一卷积神经网络，输入所述横断面基准图像训练而成的即为第二卷积神经网络。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述将已标注关键点的示例图像输入待训练的卷积神经网络中，对所述卷积神经网络进行训练的步骤中，包括：

将已标注关键点的示例图像从所述卷积神经网络的输入层输入，卷积层和池化层提取上述图像的特征值，然后从输出层输出，上述特征值在分类器进行分类，获取所述卷积神经网络通过判断得出的属性信息，通过比较算法计算得到上述图像特征值的损失值；并利用这个损失值来调节所述卷积神经网络中的权重。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述冠状面图由多张不同位置的横断面图通过多平面重建技术合成。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，根据所获取的肺叶位置，标注所述基准图像中肺叶的关键点的步骤之后，所述方法还包括：根据基准图像的肺叶位置和所述肺叶的关键点，对基准图像进行处理。