[发明专利]图像融合的恶性肺结节识别方法、装置、设备及存储介质

说明书

本发明公开了一种图像融合的恶性肺结节识别方法、装置、设备及存储介质，方法包括：对获取的至少一组肺部CT图像进行预处理；对预处理后的每组肺部CT图像进行融合处理，以获得融合图像；根据每组肺部CT图像的结节位置的标签，对所述融合图像中的结节部分进行标注；以及使用标注后的所述融合图像对构建的卷积神经网络进行训练，以使用训练完成的卷积神经网络识别CT图像中恶性肺结节的位置。使用本发明，能够自动准确的识别出肺部CT图像中的恶性肺结节，降低误诊的概率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像融合的恶性肺结节识别方法、装置、设备及存储介质。

背景技术

根据调查，恶性肺结节的出现大致有四种可能：第一，因为肺炎引发的肺结节，急性的肺炎难以愈合，会使得肺部出现一定的结节；第二，因为肺部感染所引发的肺结节，例如出现肺结核可能产生肺结节；第三，因为肺部出现严重外伤而引发的肺结节，例如肺部被戳破可引起肺结节；第四，因为长期吸烟，或者长期吸收被污染的空气而引起的肺结节。

肺结节具有很大可能恶化为肺癌，由于我国二三线城市医院设备匮乏，并且医生经验不足，而对于肺结节的判断也依赖于医生的专业水平，因此，这加大了对于肺结节误诊的可能性。因此，提高肺结节检测准确率，根据CT图像对结节检测的自动化设备辅助医生诊断显得十分重要。

发明内容

针对上述问题，本发明实施例的目的在于提供一种图像融合的恶性肺结节识别方法、装置、设备及存储介质，能够根据CT图像自动对肺结节进行准确检测，从而降低误诊的概率。

本发明实施例提供了一种图像融合的恶性肺结节识别方法，包括：

对获取的至少一组肺部CT图像进行预处理；

对预处理后的每组肺部CT图像进行融合处理，以获得融合图像；

根据每组肺部CT图像的结节位置的标签，对所述融合图像中的结节部分进行标注；以及

使用标注后的所述融合图像对构建的卷积神经网络进行训练，以使用训练完成的卷积神经网络识别CT图像中恶性肺结节的位置。

优选地，所述预处理包括采用高斯滤波使所述肺部CT图像整体线性平滑，提高对比度，从而能更加清晰显示肺结节特征。

优选地，所述对预处理后的每组肺部CT图像进行融合处理，以获得融合图像具体包括：

为所述一组肺部CT图像中的每张肺部CT图像赋予预设的比重；

根据每张肺部CT图像的比重，对一组肺部CT图像中的所有图像进行融合叠加，以生成融合图像。

优选地，每组肺部CT图像包括第一肺部CT图像、第二肺部CT图像以及第三肺部CT图像；其中，所述第一肺部CT图像与所述第三肺部CT图像为结节的边缘部分切片图像；所述第二肺部CT图像为结节中心切片图像；所述第一肺部CT图像与所述第三肺部CT图像的比重为0.25；所述第二肺部CT图像的比重分别为0.5。

优选地，所述卷积神经网络的具体结构为：

第一层，卷积层，卷积核大小为使用64个大小为3×3×3的卷积核，对输入的融合图像做步长为1的卷积；

第二层，卷积层，卷积核大小为使用64个大小为3×3×64的卷积核，对输入的数据做步长为1的卷积；

第三层，最大池化层，对第二层输入到第三层的数据做池化区间为2×2，步长为2的池化操作；

第四层，卷积层，卷积核大小为使用128个大小为3×3×64的卷积核，对输入的数据做步长为1的卷积；

第五层，卷积层，卷积核大小为使用128个大小为3×3×128的卷积核，对输入的数据做步长为1的卷积；