[发明专利]肺结节属性特征信息的提取方法及系统

权利要求书

1.一种肺结节属性特征信息的提取方法，其特征在于，该方法包括：

获取目标信息，所述目标信息是根据待分析的肺结节CT图生成的；

采用预设特征提取深度学习模型对所述目标信息进行特征提取，得到第一特征信息，其中，所述预设特征提取深度学习模型的参数是通过对多个所述肺结节CT图进行训练得到的，所述第一特征信息表征低维度像素特征；

采用预设数据挖掘算法对所述目标信息进行特征提取，得到第二特征信息，其中，所述预设数据挖掘算法是根据对所述肺结节CT图进行关联分析得到的，所述第二特征信息表征高维度的语义信息特征；

根据所述第一特征信息和所述第二特征信息进行融合处理，并根据融合后的特征生成维度矢量；

将所述维度矢量输入至目标分类器中，得到所述目标信息的肺结节属性特征信息，所述肺结节属性特征信息表征肺结节润侵性的分级信息。

2.根据权利要求1所述的方法，其特征在于，所述获取目标信息，包括：

获取目标患者的肺部电子计算机断层扫描CT图像；

在所述目标患者的肺部电子计算机断层扫描CT图像中提取肺结节图像，得到目标信息。

3.根据权利要求1所述的方法，其特征在于，所述预设特征提取深度学习模型包括卷积层、池化层和全连接层，其中，所述卷积层用来学习输入的所述肺结节CT图的特征映射，所述池化层用来减少所述深度学习模型的计算复杂度，所述全连接层用来对学习得到的特征映射进行格式转换，使得获得的特征信息能够被所述目标分类器进行识别。

4.根据权利要求1所述的方法，其特征在于，采用预设数据挖掘算法对所述目标信息进行特征提取，得到第二特征信息，包括：

采用预设数据挖掘算法对所述目标信息进行特征提取，获得初始特征信息，所述初始特征信息包括形状特征、强度特征、纹理特征和高阶特征；

对所述初始特征进行特征选择，并对选择后的初始特征进行特征分析，获得第二特征信息。

5.根据权利要求3所述的方法，其特征在于，所述根据所述第一特征信息和所述第二特征信息进行融合处理，并根据融合后的特征生成维度矢量，包括：

利用所述全连接层对所述第一特征信息进行处理，获得包含N个值的一维特征矢量；

利用所述预设数据挖掘算法对所述第二特征信息进行编码，生成包括M个值得一维矢量；

根据通道级别对所述包含N个值的一维特征矢量和所述包括M个值得一维矢量进行组合叠加，生成维度矢量，所述维度矢量为M+N个值大小的一维矢量，其中，N和M为数值不同的正整数。

6.根据权利要求4所述的方法，其特征在于，所述特征分析包括相关性分析、聚类分析和主成分分析中的一种或多种。

7.一种肺结节属性特征信息的提取系统，其特征在于，该系统包括：

信息获取单元，用于获取目标信息，所述目标信息是根据待分析的肺结节CT图生成的；

第一提取单元，用于采用预设特征提取深度学习模型对所述目标信息进行特征提取，得到第一特征信息，其中，所述预设特征提取深度学习模型的参数是通过对多个所述肺结节CT图进行训练得到的，所述第一特征信息表征低维度像素特征；

第二提取单元，用于采用预设数据挖掘算法对所述目标信息进行特征提取，得到第二特征信息，其中，所述预设数据挖掘算法是根据对所述肺结节CT图进行关联分析得到的，所述第二特征信息表征高维度的语义信息特征；

矢量生成单元，用于根据所述第一特征信息和所述第二特征信息进行融合处理，并根据融合后的特征生成维度矢量；

分类单元，用于将所述维度矢量输入至目标分类器中，得到所述目标信息的肺结节属性特征信息，所述肺结节属性特征信息表征肺结节润侵性的分级信息。

8.根据权利要求7所述的系统，其特征在于，所述获取信息获取单元，包括：

图像获取子单元，用于获取目标患者的肺部电子计算机断层扫描CT图像；

图像提取子单元，用于在所述目标患者的肺部电子计算机断层扫描CT图像中提取肺结节图像，得到目标信息。