[发明专利]CT影像的处理方法、装置、设备、存储介质和程序产品

说明书

本公开提供一种CT影像的处理方法、装置、设备、存储介质和程序产品，涉及深度学习技术、AI医疗技术，包括：在计算机体层摄影CT影像中确定肺实质区域，并根据肺实质区域在CT影像中裁剪出初始肺实质图像；对初始肺实质图像进行处理，得到病灶分割掩膜；对初始肺实质图像进行处理，得到初始肺实质图像中的预测病灶区域；根据病灶分割掩膜和预测病灶区域确定目标病灶区域，以及与目标病灶区域对应的目标病灶掩膜，其中，目标病灶掩膜位于目标病灶区域内。这种实施方式中，通过分割、检测两种方式识别病灶区域，并融合这两种识别结果得到目标病灶区域，以及目标病灶区域内部的目标病灶掩膜，降低漏检发生的概率。

技术领域

本公开涉及人工智能技术中的深度学习技术、AI医疗技术，尤其涉及一种CT影像的处理方法、装置、设备、存储介质和程序产品。

背景技术

近年来，深度学习(Deep Learning,DL)和卷积神经网络(Convolutional neuralnetworks,CNNs)被广泛应用。将深度学习技术和卷积神经网络应用在医疗领域时，能够辅助医疗人员对计算机体层摄影(CT影像)进行分析。

一种应用场景中，可以预先训练用于识别肺部病灶的模型，将CT影像输入该模型中，输出CT影像中的病灶区域。但是，这种实现方案中，漏检可能性较大，导致遗漏真实的病灶区域。

发明内容

本公开提供了一种CT影像的处理方法、装置、设备、存储介质和程序产品，用于更准确的在CT影像中识别可能存在病灶的区域。

根据本公开的第一方面，提供了一种计算机体层摄影的处理方法，包括：

在所述计算机体层摄影CT影像中确定肺实质区域，并根据所述肺实质区域在所述CT影像中裁剪出初始肺实质图像；其中，所述初始肺实质图像中包括所述肺实质区域；

对所述初始肺实质图像进行处理，得到病灶分割掩膜，所述病灶分割掩膜用于表征所述初始肺实质图像中的病变位置；对所述初始肺实质图像进行处理，得到所述初始肺实质图像中的预测病灶区域；

根据所述病灶分割掩膜和所述预测病灶区域确定目标病灶区域，以及与所述目标病灶区域对应的目标病灶掩膜，其中，所述目标病灶掩膜位于所述目标病灶区域内，所述目标病灶掩膜用于表征所述初始肺实质图像中的病变位置。

根据本公开的第二方面，提供了一种计算机体层摄影的处理装置，包括：

肺实质确定单元，用于在所述计算机体层摄影CT影像中确定肺实质区域，并根据所述肺实质区域在所述CT影像中裁剪出初始肺实质图像；其中，所述初始肺实质图像中包括所述肺实质区域；

分割单元，用于对所述初始肺实质图像进行处理，得到病灶分割掩膜，所述病灶分割掩膜用于表征所述初始肺实质图像中的病变位置；

检测单元，用于对所述初始肺实质图像进行处理，得到所述初始肺实质图像中的预测病灶区域；

融合单元，用于根据所述病灶分割掩膜和所述预测病灶区域确定目标病灶区域，以及与所述目标病灶区域对应的目标病灶掩膜，其中，所述目标病灶掩膜位于所述目标病灶区域内，所述目标病灶掩膜用于表征所述初始肺实质图像中的病变位置。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如第一方面所述的方法。