[发明专利]肺结节检测模型训练方法和装置、肺结节检测方法和装置

权利要求书

1.一种肺结节检测模型训练方法，其特征在于，所述肺结节检测模型至少包括基于2DFaster R-CNN网络的候选生成器和基于3D CNN网络的FPR模型；所述肺结节检测模型训练方法，包括：

对CT灰度图像进行堆叠，其中，将连续层叠的M层CT灰度图像按照预设策略堆叠生成一层紧凑图像；M的取值为正整数；

将所述紧凑图像、所述紧凑图像中存在的实际肺结节的标注，输入到所述候选生成器，进行收敛训练，输出候选区域与对候选区域的判断，分别为背景区域、肺结节候选区域和假阳性候选区域；其中，所述标注包括肺结节的位置和直径；

将所述候选生成器输出的肺结节候选区域与所述标注对比，分出肺结节候选区域与假阳性候选区域，输入所述FPR模型，进行收敛训练，分类输出肺结节和假阳性，以及根据分类输出的肺结节的位置中心向实际肺结节的位置中心移动的向量回归出平移矢量，以便检测时进行平移矢量的预测，根据预测的平移矢量，将预测的肺结节的位置中心向实际肺结节的位置中心移动。

2.根据权利要求1所述的方法，其特征在于，所述将所述紧凑图像、所述紧凑图像中存在的实际肺结节的标注，输入到所述候选生成器，进行收敛训练，输出候选区域与对候选区域的判断，分别为背景区域、肺结节候选区域和假阳性候选区域，包括：

将所述紧凑图像、所述紧凑图像中存在的实际肺结节的标注，输入到所述候选生成器，进行第一阶段的收敛训练，分类输出背景区域和肺结节候选区域；

收集所述候选生成器进行第一阶段的收敛训练输出的肺结节候选区域中的假阳性候选区域，并获取假阳性候选区域的位置；

将所述紧凑图像、所述紧凑图像中存在的实际肺结节的标注、假阳性候选区域的位置，输入到所述候选生成器，进行第二阶段的收敛训练，输出背景区域、肺结节候选区域和假阳性候选区域。

3.根据权利要求1所述的方法，其特征在于，所述2D Faster R-CNN网络包括RPN子网络和2D Fast R-CNN子网络；

所述将所述紧凑图像、所述紧凑图像中存在的实际肺结节的标注，输入到所述候选生成器，进行收敛训练，包括：

将所述紧凑图像输入到所述RPN子网络，进行收敛训练，输出候选区域及候选区域包含肺结节的概率评分；

将概率评分大于预设概率评分阈值的候选区域，输入到所述2D Fast R-CNN子网络进行收敛训练。

4.根据权利要求1所述的方法，其特征在于，所述将连续层叠的M层CT灰度图像按照预设策略堆叠生成一层紧凑图像，包括：

计算连续层叠的M层CT灰度图像的对应像素点的灰度值的平均值，将对应像素点的灰度值的平均值，作为紧凑图像的对应像素点的灰度值。

5.根据权利要求4所述的方法，其特征在于，所述候选生成器具有R通道、G通道和B通道；

所述将所述紧凑图像，输入到所述候选生成器，包括：

将3层连续的所述紧凑图像，分别输入到所述候选生成器的R通道、G通道和B通道。

6.根据权利要求5所述的方法，其特征在于，所述将3层连续的所述紧凑图像，分别输入到所述候选生成器的R通道、G通道和B通道之前，该方法，还包括将所述紧凑图像放大预设倍数。

7.根据权利要求1所述的方法，其特征在于，所述将候选生成器输出的肺结节候选区域与所述标注对比，分出肺结节候选区域与假阳性候选区域，输入FPR模型，包括：

将候选生成器输出的肺结节候选区域与标注对比，分出肺结节候选区域与假阳性候选区域；

针对肺结节候选区域：将一个候选区域转换成一个3D立方体，输入到所述FPR模型；或者将连续分布且相邻之间的距离小于预设距离阈值的多个候选区域合并，得到一个合并的候选区域，输入到所述FPR模型；

针对假阳性候选区域：将一个候选区域转换成一个3D立方体，输入到所述FPR模型；或者将连续分布且相邻之间的距离小于预设距离阈值的多个候选区域合并，得到一个合并的候选区域，输入到所述FPR模型。