实性结节分割、占比确定及医学图像智能分析方法和系统与流程
本公开涉及医学图像智能分析,尤其涉及一种实性结节分割、占比确定及医学图像智能分析方法和系统。
背景技术:
1、实性结节是指在影像学检查(如ct、超声等)中发现的、内部充满实性组织而非囊性或液体填充的异常肿块,实性结节可出现在身体多个器官,如肺、甲状腺、乳腺、肝脏等。
2、实性结节由实质组织构成,密度较高,能遮盖其下方的血管和支气管影,通常呈圆形或椭圆形,边界可能清晰或模糊,取决于良恶性。对于较小且无明显恶性征象的实性结节,通常建议定期复查ct,观察结节变化。若实性结节较大、形态可疑或随访中出现变化,可能需进行增强ct、pet-ct、穿刺活检等检查以明确性质。
3、实性结节占比(consolidation-to-tumor ratio,ctr)是指结节中实性成分的最大径与整个结节最大径的比值,用于衡量结节中实性成分所占的比例。具体计算方法为:ctr = 实性部分长径 ÷ 结节长径。例如,一个结节长径为20毫米,其中实性部分长径为8毫米,那么结节对应的ctr为0.4。ctr是评估结节恶性风险的重要指标之一,ctr越高,结节的恶性风险通常也越高。
4、然而,目前需要人工地分割实性结节且人工地确定实性结节占比,造成了医生工作量巨大及造成后续不能进一步对手术、部分实性肺腺癌中淋巴结转移预测等技术问题。
技术实现思路
1、本公开提出了一种实性结节分割、占比确定及医学图像智能分析方法和系统的技术方案。
2、根据本公开的一方面,提供了一种实性结节分割方法,包括:构建预设部位训练图像集中每套预设部位训练图像的结节及在所述结节内实性结节对应的二类别混合位置掩码训练图像;利用所述二类别混合位置掩码训练图像、所述实性结节对应的实性结节边缘掩码训练图像及对应的预设部位训练图像,对所述预设深度学习分割网络进行训练,得到实性结节分割模型;基于所述实性结节分割模型,对待分割预设部位图像进行实性结节分割。
3、优选地,所述构建预设部位训练图像集中每套预设部位训练图像的结节及在所述结节内实性结节对应的二类别混合位置掩码训练图像,包括:分别提取所述预设部位训练图像集中每套预设部位训练图像的结节对应的第一掩码数值的结节掩码训练图像及在所述结节内实性结节对应的第二掩码数值的实性结节掩码训练图像;按照所述实性结节掩码训练图像中实性结节位置,将所述第二掩码数值映射至所述结节掩码训练图像中结节位置内,以构建二类别混合位置掩码训练图像。
4、优选地,确定所述实性结节对应的实性结节边缘掩码训练图像,包括:分别对所述预设部位训练图像集中每套预设部位训练图像对应的实性结节掩码训练图像进行腐蚀操作,得到实性结节掩码腐蚀训练图像;对所述实性结节掩码训练图像及所述实性结节掩码腐蚀训练图像执行像素级的减法操作,确定所述实性结节对应的实性结节边缘掩码训练图像。
5、优选地,所述利用所述二类别混合位置掩码训练图像、所述实性结节对应的实性结节边缘掩码训练图像及对应的预设部位训练图像,对所述预设深度学习分割网络进行训练,得到实性结节分割模型,包括:在利用所述二类别混合位置掩码训练图像及其对应的预设部位训练图像对所述预设深度学习分割网络进行训练过程中,得到二类别混合位置掩码图像;利用预设实性结节边缘编码器,分别对所述二类别混合位置掩码图像中的实性结节分割掩码图像对应的实性结节边缘掩码图像及所述实性结节边缘掩码训练图像进行编码,得到第一边缘编码特征图及第二边缘编码特征图;计算所述二类别混合位置掩码图像及其对应的实性结节边缘掩码训练图像的第一损失及计算所述第一边缘编码特征图与所述第二边缘编码特征图的第二损失,得到实性结节分割模型。
6、优选地,所述构建预设实性结节边缘编码器,包括:利用所述实性结节对应的实性结节边缘掩码训练图像及其对应的实性结节边缘训练图像,构建预设实性结节边缘编码器。
7、优选地,所述利用所述实性结节对应的实性结节边缘掩码训练图像及其对应的实性结节边缘训练图像,构建预设实性结节边缘编码器,包括:提取所述预设部位训练图像集中每套预设部位训练图像对应的实性结节边缘训练图像;利用所述实性结节边缘训练图像及其对应的实性结节边缘掩码训练图像,对预设下采样卷积网络进行训练,得到预设实性结节边缘编码器。
8、优选地,所述提取所述预设部位训练图像集中每套预设部位训练图像对应的实性结节边缘训练图像,包括:对所述预设部位训练图像集中每套预设部位训练图像对应的实性结节边缘掩码训练图像及其对应的预设部位训练图像执行像素级的乘法操作,提取实性结节边缘训练图像。
9、根据本公开的一方面,提供了一种实性结节占比确定方法,包括:利用如上述实性结节分割方法,对所述待分割预设部位图像进行节及在所述结节内实性结节分割,得到结节分割掩码图像及实性结节分割掩码图像;基于所述结节分割掩码图像及所述实性结节分割掩码图像,确定在所述结节内实性结节的占比。
10、根据本公开的一方面,提供了一种医学图像智能分析方法,包括:利用如上述实性结节占比确定方法,确定胸部医学图像的实性结节占比;基于包括所述实性结节占比对应的待选择预设结节定量图像学特征,进行结节相关的预设胸部疾病进行预测。
11、优选地,所述基于包括所述实性结节占比对应的待选择预设结节定量图像学特征,进行结节相关的预设胸部疾病进行预测,包括:对所述基于包括所述实性结节占比对应的待选择预设结节定量图像学特征进行特征选择,得到预设胸部疾病对应的预设结节定量图像学特征;基于所述预设胸部疾病对应的预设结节定量图像学特征,进行结节相关的预设胸部疾病进行预测。
12、优选地,所述待选择预设结节定量图像学特征,还包括:结节长径、结节边缘是否清晰、结节形态、结节棘突征、结节分叶征、结节空气支气管征、结节空泡征的一种或几种。
13、根据本公开的一方面,提供了一种实性结节分割系统,包括:构建单元,用于构建胸部医学训练图像集中每套胸部医学训练图像的结节及在所述结节内实性结节对应的二类别混合位置掩码训练图像;选练单元,用于利用所述二类别混合位置掩码训练图像、所述实性结节对应的实性结节边缘掩码训练图像及对应的胸部医学训练图像,对所述预设深度学习分割网络进行训练,得到实性结节分割模型;分割单元,用于基于所述实性结节分割模型,对待分割胸部医学图像进行实性结节分割。
14、根据本公开的一方面,提供了一种实性结节分割系统,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述实性结节分割方法。
15、根据本公开的一方面,提供了一种实性结节分割系统,包括:计算机可读存储介质,其上存储有计算机程序/指令和比特流,该计算机程序/指令被处理器执行时实现上述实性结节分割方法生成所述比特流。
16、根据本公开的一方面,提供了一种实性结节分割系统,包括:计算机程序产品,所述计算机程序产品配置有计算机程序/指令,该计算机程序/指令被处理器执行时实现上述实性结节分割方法。
17、根据本公开的一方面,提供了一种实性结节占比确定系统,包括:构建单元,用于构建胸部医学训练图像集中每套胸部医学训练图像的结节及在所述结节内实性结节对应的二类别混合位置掩码训练图像;选练单元,用于利用所述二类别混合位置掩码训练图像、所述实性结节对应的实性结节边缘掩码训练图像及对应的胸部医学训练图像,对所述预设深度学习分割网络进行训练,得到实性结节分割模型;分割单元,用于基于所述实性结节分割模型,对所述待分割胸部医学图像进行节及在所述结节内实性结节分割,得到结节分割掩码图像及实性结节分割掩码图像;确定单元,用于基于所述结节分割掩码图像及所述实性结节分割掩码图像,确定在所述结节内实性结节的占比。
18、根据本公开的一方面,提供了一种实性结节占比确定系统,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述实性结节占比确定方法。
19、根据本公开的一方面,提供了一种实性结节占比确定系统,包括:计算机可读存储介质,其上存储有计算机程序/指令和比特流,该计算机程序/指令被处理器执行时实现上述实性结节占比确定方法生成所述比特流。
20、根据本公开的一方面,提供了一种实性结节占比确定系统,包括:计算机程序产品,所述计算机程序产品配置有计算机程序/指令,该计算机程序/指令被处理器执行时实现上述实性结节占比确定方法。
21、根据本公开的一方面,提供了一种医学图像智能分析方系统,包括:构建单元,用于构建胸部医学训练图像集中每套胸部医学训练图像的结节及在所述结节内实性结节对应的二类别混合位置掩码训练图像;选练单元,用于利用所述二类别混合位置掩码训练图像、所述实性结节对应的实性结节边缘掩码训练图像及对应的胸部医学训练图像,对所述预设深度学习分割网络进行训练,得到实性结节分割模型;分割单元,用于基于所述实性结节分割模型,对所述待分割胸部医学图像进行节及在所述结节内实性结节分割,得到结节分割掩码图像及实性结节分割掩码图像;确定单元,用于基于所述结节分割掩码图像及所述实性结节分割掩码图像,确定在所述结节内实性结节的占比;分析单元,用于基于包括所述实性结节占比对应的待选择预设结节定量图像学特征,进行结节相关的预设胸部疾病进行预测。
22、根据本公开的一方面,提供了一种医学图像智能分析方系统,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述医学图像智能分析方法。
23、根据本公开的一方面,提供了一种医学图像智能分析方系统,包括:计算机可读存储介质,其上存储有计算机程序/指令和比特流,该计算机程序/指令被处理器执行时实现上述医学图像智能分析方法生成所述比特流。
24、根据本公开的一方面,提供了一种医学图像智能分析方系统,包括:计算机程序产品,所述计算机程序产品配置有计算机程序/指令,该计算机程序/指令被处理器执行时实现上述医学图像智能分析方法。
25、在本公开实施例中,本公开提出了一种实性结节分割、占比确定及医学图像智能分析方法和系统的技术方案,以解决现有需要人工地分割实性结节或人工地确定实性结节占比造成的医生工作量巨大及造成后续不能进一步对手术、部分实性肺腺癌中淋巴结转移预测等技术问题中的至少一个技术问题。
26、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
27、根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com