[发明专利]一种基于深度学习的肝脏肿块辅助鉴别方法

权利要求书

1.一种基于深度学习的肝脏肿块辅助鉴别方法，其特征在于，包括以下步骤：

S1：提供一影像采集装置，获取肝脏区域目标位置的实时动态增强影像；

其中，所述影像采集装置包括采集单元、判别单元，判别单元与采集单元信息交互；采集单元从所述实时动态增强影像中提取出实时肝脏区域位置信息并发送至判别单元，判别单元中预设有目标肝脏区域位置信息并供判别单元调用；

判别单元将实时肝脏区域位置信息与目标肝脏区域位置信息进行匹配判别，若实时肝脏区域位置信息与目标肝脏区域位置信息匹配，则进入步骤S2，若实时肝脏区域位置信息与目标肝脏区域位置信息不匹配，则输出影像采集异常警示结果；

并且，提供一采集信息输出判别装置、一采集信息输入判别装置；

采集信息输出判别装置用于判别所述采集单元输出端的实时肝脏区域位置信息是否正常；采集信息输入判别装置用于判别所述判别单元输入端的实时肝脏区域位置信息是否正常；

若采集信息输出判别装置判别出所述采集单元输出端的实时肝脏区域位置信息异常，则影像采集装置判定所述采集单元的输出端故障；

若采集信息输出判别装置判别出所述采集单元输出端的实时肝脏区域位置信息正常，采集信息输入判别装置判别出所述判别单元输入端的实时肝脏区域位置信息异常，则影像采集装置判定所述采集单元的输出端与所述判别单元的输入端之间的通信故障；

若采集信息输出判别装置判别出所述采集单元输出端的实时肝脏区域位置信息正常，采集信息输入判别装置判别出所述判别单元输入端的实时肝脏区域位置信息正常，则影像采集装置判定所述判别单元的输入端故障；

S2：提供一数据存储装置，存储所述影像采集装置采集的肝脏区域目标位置历史动态增强影像的肝脏肿块特征；

S3：提供一数据分析装置，在所述数据分析装置中，将所述实时动态增强影像和所述肝脏肿块特征输入至肝脏肿块鉴别CNN模型，通过肝脏肿块鉴别CNN模型判断所述实时动态增强影像的肝脏区域是否存在可能性肝脏肿块，若存在，则直接进入步骤S4，不存在，则结束；

S4：在所述数据分析装置中，判断所述实时动态增强影像肝脏区域的可能性肝脏肿块属于早中晚期的何种程度，并对可能性肝脏肿块在所述实时动态增强影像中进行识别定位，从而获得可能性肝脏肿块的鉴别结果；

S5：在所述数据分析装置中，进行鉴别结果的检验：

重复M次步骤S1-步骤S4，若M次可能性肝脏肿块的鉴别结果均相同，则进入步骤S6，否则，所述数据分析装置输出鉴别异常警示结果，其中，M为根据实际需求设定的正整数；

S6：提供一数据输出装置，输出可能性肝脏肿块程度和可能性肝脏肿块在所述实时动态增强影像中的位置；

步骤S1中，所述实时动态增强影像为：

当影像采集装置固定架设，且患者位于标准检测位置时；

在同一时刻获取患者在四个方向上的正面肝脏区域影像、背面肝脏区域影像、左面肝脏区域影像、右面肝脏区域影像；

将上述的正面肝脏区域影像、背面肝脏区域影像、左面肝脏区域影像、右面肝脏区域影像作图像融合，从而得到所述实时动态增强影像；

步骤S2中，肝脏区域目标位置历史动态增强影像的肝脏肿块特征为：

调取历史动态增强影像中同一时刻的正面肝脏区域影像、背面肝脏区域影像、左面肝脏区域影像、右面肝脏区域影像；

分别获取所述正面肝脏区域影像、背面肝脏区域影像、左面肝脏区域影像、右面肝脏区域影像中的四个历史肝脏肿块特征；

将四个历史肝脏肿块特征作特征数据融合，从而得到肝脏区域目标位置历史动态增强影像的肝脏肿块特征；

步骤S3中，肝脏肿块鉴别CNN模型判断所述实时动态增强影像的肝脏区域是否存在可能性肝脏肿块如下：

将所述四个不同时刻获取的实时动态增强影像分别输入至四个ResNet模型；

输出四个固定维度的隐式表达；

从隐式表达到结果判断之间采用两个全连接层进行对应；

将其中两个时刻的隐式表达连接成两倍固定维度向量，并应用两个全连接层来得出四个输出结果的判断；

将另外两个时刻的隐式表达作相同操作；

对八个输出结果的判断求平均，得到最终的判断；

步骤S3中，所述数据分析装置中配置有相互独立的主判断单元和副判断单元，所述主判断单元和所述副判断单元均用于执行肝脏肿块鉴别CNN模型判断所述实时动态增强影像的肝脏区域是否存在可能性肝脏肿块操作，且所述主判断单元和所述副判断单元同时运行；

其中，当所述主判断单元得出的判断结果与所述副判断单元相同时，则进入步骤S4，否则，所述数据分析装置输出肝脏肿块鉴别CNN模型判断异常警示结果。