[发明专利]一种分析肺结节的方法及装置

权利要求书

1.一种分析肺结节的方法，其特征在于，所述方法包括：

获取患者的肺部电子计算机断层扫描CT图像；

确定所述患者的肺结节在所述患者的肺部CT图像中的位置，并从所述患者的肺部CT图像中提取得到所述患者的肺结节图像；其中，所述肺部CT图像和所述肺结节图像均为三维图像；

采用预设特征提取神经网络模型对所述患者的肺结节图像进行特征提取，得到所述患者对应的特征向量；所述预设特征提取神经网络模型的参数是通过对所述多个患者的肺结节图像进行训练得到的；

将所述患者对应的特征向量输入预设分类神经网络模型，并得到所述预设分类神经网络模型输出的所述患者患有的肺结节的分析结果；其中，所述预设分类神经网络模型的参数是通过对多个患者对应的特征向量、每个患者患有的肺结节的已知结果进行训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述预设分类神经网络模型为预设征象分类神经网络模型；所述预设分类神经网络模型的参数是通过对多个患者对应的特征向量、每个患者患有的肺结节的征象进行训练得到的；

所述预设分类神经网络模型输出的所述患者患有的肺结节的分析结果为所述患者患有的肺结节的征象。

3.根据权利要求2所述的方法，其特征在于，所述预设分类神经网络模型的参数是通过对多个患者对应的特征向量、每个患者患有的肺结节的已知结果进行训练得到的，包括：

将所述多个患者对应的特征向量输入到初始的征象分类神经网络模型，得到每个患者患有的肺结节的预测征象；

根据所述每个患者患有的肺结节的预测征象以及每个患者患有的肺结节的实际征象，进行反向训练，生成所述预设征象分类神经网络模型。

4.根据权利要求2所述的方法，其特征在于，将所述患者对应的特征向量输入预设分类神经网络模型，并得到所述预设分类神经网络模型输出的所述患者患有的肺结节的分析结果，包括：

将所述患者对应的特征向量输入预设分类神经网络模型，得到多个预设征象对应的置信度；

针对第一预设征象对应的置信度，若所述第一预设征象对应的置信度大于预设阈值，则将所述第一预设征象作为所述患者患有的肺结节的征象；所述第一预设征象为所述多个预设征象中的任一征象。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述征象包括分叶征象、毛刺征象、空泡征象、胸膜牵拉征象中的任意一项。

6.一种分析肺结节的装置，其特征在于，所述装置包括：

获取单元，用于获取患者的肺部电子计算机断层扫描CT图像；

处理单元，用于确定所述患者的肺结节在所述患者的肺部CT图像中的位置，并从所述患者的肺部CT图像中提取得到所述患者的肺结节图像；其中，所述肺部CT图像和所述肺结节图像均为三维图像；

所述处理单元，还用于采用预设特征提取神经网络模型对所述患者的肺结节图像进行特征提取，得到所述患者对应的特征向量；所述预设特征提取神经网络模型的参数是通过对所述多个患者的肺结节图像进行训练得到的；以及将所述患者对应的特征向量输入预设分类神经网络模型，并得到所述预设分类神经网络模型输出的所述患者患有的肺结节的分析结果；其中，所述预设分类神经网络模型的参数是通过对多个患者对应的特征向量、每个患者患有的肺结节的已知结果进行训练得到的。

7.根据权利要求6所述的装置，其特征在于，所述预设分类神经网络模型为预设征象分类神经网络模型；所述预设分类神经网络模型的参数是通过对多个患者对应的特征向量、每个患者患有的肺结节的征象进行训练得到的；

所述预设分类神经网络模型输出的所述患者患有的肺结节的分析结果为所述患者患有的肺结节的征象。

8.根据权利要求7所述的装置，其特征在于，所述处理单元具体用于：

将所述多个患者对应的特征向量输入到初始的征象分类神经网络模型，得到每个患者患有的肺结节的预测征象；

根据所述每个患者患有的肺结节的预测征象以及每个患者患有的肺结节的实际征象，进行反向训练，生成所述预设征象分类神经网络模型。