[发明专利]肺结节的判定方法、装置和实现装置

权利要求书

1.一种肺结节的判定方法，其特征在于，所述方法包括：

获取CT图像和所述CT图像中可疑区域的位置信息；

对所述CT图像进行图像增强处理；

根据所述位置信息，从处理后的所述CT图像中提取出所述可疑区域的区域图像数据；

将所述区域图像数据进行归一化处理；

将处理后的所述区域图像数据输入至预先建立的肺结节判定模型中，根据输出结果判定所述可疑区域是否为肺结节；其中，所述肺结节判定模型通过3D卷积神经网络训练而成。

2.根据权利要求1所述的方法，其特征在于，所述对所述CT图像进行图像增强处理的步骤，包括：

将所述CT图像中，每层图像数据输入至预先建立的肺部区域识别模型中，识别出所述CT图像中的肺部区域；其中，所述肺部区域识别模型通过U-net神经网络训练而成；

将所述CT图像中每个像素位置的CT值，转换成对应的像素值；

对所述肺部区域中，每层图像数据的所述像素值进行直方图增强处理，获得对应的非线性映射；

采用所述非线性映射，对所述CT图像中，每层图像数据的所述像素值进行映射变换，获得变换后的所述CT图像。

3.根据权利要求2所述的方法，其特征在于，所述肺部区域识别模型的训练过程具体包括：

获取设定数量的CT图像和对应的标注信息；所述标注信息包括所述CT图像中，每层图像数据中的肺部区域；

建立U-net神经网络的网络结构；

将所述CT图像和对应的标注信息输入至所述网络结构中进行训练，生成所述肺部区域识别模型。

4.根据权利要求2所述的方法，其特征在于，所述将所述区域图像数据进行归一化处理的步骤，包括：

将所述区域图像数据归一化为预设边长的正方体数据。

5.根据权利要求1所述的方法，其特征在于，所述肺结节判定模型的训练过程具体包括：

获取设定数量的CT图像和对应的标注信息；所述标注信息包括所述CT图像中，肺结节和非结节的位置信息；

对所述CT图像进行图像增强处理；

根据所述标注信息，从处理后的所述CT图像中提取出所述肺结节和所述非结节的区域图像数据；

将所述区域图像数据进行归一化处理；

建立3D卷积神经网络的网络结构；

将处理后的区域图像数据和对应的标注信息输入至所述网络结构中进行训练，生成所述肺结节判定模型。

6.根据权利要求1所述的方法，其特征在于，所述根据输出结果判定所述可疑区域是否为肺结节的步骤，包括：

判断输出结果是否超出设定的阈值范围；如果是，确定所述可疑区域为肺结节。

7.一种肺结节的判定装置，其特征在于，所述装置包括：

图像信息获取模块，用于获取CT图像和所述CT图像中可疑区域的位置信息；

图像增强模块，用于对所述CT图像进行图像增强处理；

数据提取模块，用于根据所述位置信息，从处理后的所述CT图像中提取出所述可疑区域的区域图像数据；

归一化模块，用于将所述区域图像数据进行归一化处理；

肺结节判定模块，用于将处理后的所述区域图像数据输入至预先建立的肺结节判定模型中，根据输出结果判定所述可疑区域是否为肺结节；其中，所述肺结节判定模型通过3D卷积神经网络训练而成。

8.根据权利要求7所述的装置，其特征在于，所述图像增强模块，还用于：

将所述CT图像中，每层图像数据输入至预先建立的肺部区域识别模型中，识别出所述CT图像中的肺部区域；其中，所述肺部区域识别模型通过U-net神经网络训练而成；

将所述CT图像中每个像素位置的CT值，转换成对应的像素值；

对所述肺部区域中，每层图像数据的所述像素值进行直方图增强处理，获得对应的非线性映射；

采用所述非线性映射，对所述CT图像中，每层图像数据的所述像素值进行映射变换，获得变换后的所述CT图像。

9.根据权利要求7所述的装置，其特征在于，所述肺结节判定模块，还用于：

判断输出结果是否超出设定的阈值范围；如果是，确定所述可疑区域为肺结节。

10.一种肺结节的判定实现装置，其特征在于，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器执行所述机器可执行指令以实现权利要求1至6任一项所述的方法。