[发明专利]病灶区域检测方法、装置、设备及存储介质

说明书

本发明公开了一种病灶区域检测方法、装置、设备及存储介质，所述方法包括：对肺图像进行肺叶分割处理，得到肺叶分割图像；基于所述肺叶分割图像的图像特征，得到所述图像特征中的特征点对应的注意力特征；利用所述注意力特征对所述肺叶分割图像进行病灶预测处理，得到所述肺叶分割图像中的病灶区域。本发明能够提升病灶区域的检测精度。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种病灶区域检测方法、装置、设备及存储介质。

背景技术

近年来，人工智能和医学影像的结合，可以为医疗诊断提供极大的便利性，通过人工智能技术手段，可以从医学影像中确定出病灶位置。但是，现有技术中，对病灶区域进行检测时，通常直接根据提取的图像特征对病灶区域直接进行分类预测，然而，提取的图像特征包括除病灶特征以外的特征，若采用上述方式进行病灶区域预测，会造成病灶区域检测的精度较低。

发明内容

本发明的主要目的在于提供一种病灶区域检测方法、装置、设备及存储介质，旨在解决现有直接根据提取的图像特征对病灶区域直接进行分类预测，病灶区域检测的精度较低的问题。

为实现上述目的，第一方面，本发明提供一种病灶区域检测方法，包括：

对肺图像进行肺叶分割处理，得到肺叶分割图像；

基于所述肺叶分割图像的图像特征，得到所述图像特征中的特征点对应的注意力特征；

利用所述注意力特征对所述肺叶分割图像进行病灶预测处理，得到所述肺叶分割图像中的病灶区域。

可选地，所述基于所述肺叶分割图像的图像特征，得到所述图像特征中的特征点对应的注意力特征，包括：

对所述肺叶分割图像的图像特征进行第一卷积处理，获得多个基准注意力特征，所述基准注意力特征中的元素为与所述图像特征中各特征点对应的基准注意力；

对所述图像特征进行第二卷积处理，获得注意力系数矩阵，所述注意力系数矩阵中的元素为与所述图像特征内各所述特征点对应的基准注意力系数，并且所述注意力系数矩阵的通道数与所述基准注意力特征的数量相同；

利用所述注意力系数矩阵、所述图像特征、各所述基准注意力特征，确定各所述特征点的注意力特征。

可选地，所述利用所述注意力系数矩阵、所述图像特征、各所述基准注意力特征，确定各所述特征点的注意力特征，包括：

基于所述图像特征与各所述基准注意力特征，获得与各基准注意力特征对应的基准特征向量，所述基准特征向量由所述图像特征和所述基准注意力特征中对应元素的乘积之和得到；

利用所述注意力系数矩阵与各所述基准特征向量，得到各所述特征点的注意力特征。

可选地，所述利用所述注意力系数矩阵与各所述基准特征向量，得到各所述特征点的注意力特征，包括：

分别利用各所述基准特征向量与注意力系数矩阵相乘，得到针对各个基准特征向量的乘积矩阵；

将针对各基准特征向量的乘积矩阵中相同特征点的乘积值相加，得到该特征点的注意力特征。

可选地，所述利用所述注意力特征对所述肺叶分割图像进行病灶预测处理，得到所述肺叶分割图像中的病灶区域，包括：

利用所述注意力特征，得到肺叶分割图像中的预测病灶区域的掩码信息，所述掩码信息包括所述预测病灶区域内的像素点的掩码值；

基于所述掩码信息中的所述掩码值，形成椎体结构；

对所述椎体结构进行优化处理，得到优化后的病灶区域，所述优化后的病灶区域与病灶形状匹配。