结节空气支气管征确定及医学图像分析方法和系统与流程

本公开涉及医学图像分析，尤其涉及一种结节空气支气管征确定及医学图像分析方法和系统。

背景技术：

1、结节空气支气管征是指在肺结节或肿块内部，可见含气的支气管分支影。这一征象的出现，提示支气管与结节或肿块存在密切关系。

2、某些肿瘤（如肺腺癌）可能沿支气管壁生长，包绕支气管，但支气管管腔仍保持通畅，从而在结节内形成空气支气管征。这种情况下，支气管可能表现为走行僵硬、扭曲或管径逐渐变细，最终被肿块截断。肺部炎症（如肺炎、结核等）可能导致局部肺组织实变，但支气管仍保持通畅，从而在实变区域形成空气支气管征。此时，支气管形态通常较为规则，无明显扭曲或狭窄。部分良性结节（如炎性假瘤、错构瘤等）也可能出现空气支气管征，但相对较少见。这类病变通常对支气管的侵犯较轻，支气管形态改变不明显。

3、然而，现有技术往往是人工地确定结节空气支气管，在结节空气支气管征确定过程中存在主观性过强、缺少智能地确定结节空气支气管征对应的技术方案，造成了医生工作量巨大及造成后续不能进一步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。

技术实现思路

1、本公开提出了一种结节空气支气管征确定及医学图像分析方法和系统的技术方案。

2、根据本公开的一方面，提供了一种空气支气管征确定方法，包括：提取胸部医学图像中肺野上结节对应的结节掩码图像及肺野气管掩码图像；根据所述结节掩码图像中每个结节对应的位置坐标及所述肺野气管掩码图像中气管对应的位置坐标之间的位置关系，确定是否存在结节空气支气管征。

3、优选地，提取胸部医学图像中肺野上结节对应的肺野结节掩码图像，包括：利用基于深度学习分割网络构建的预设结节分割模型，对所述胸部医学图像进行结节分割，提取胸部医学图像中肺野上结节对应的肺野结节掩码图像。

4、优选地，在所述基于深度学习分割网络构建的预设结节分割模型，对所述胸部医学图像进行结节分割之前，包括：利用预设数目的胸部医学图像及其对应的结节掩码训练图像，对预设深度学习分割网络进行训练，得到基于深度学习分割网络构建的预设结节分割模型。

5、优选地，在所述对预设深度学习分割网络进行训练之前，包括：利用分割标注软件，对预设数目的胸部医学图像进行结节勾画，得到对应的结节掩码训练图像。

6、优选地，提取胸部医学图像中肺野上结节对应的肺野气管掩码图像，包括：利用基于深度学习分割网络构建的预设气管分割模型，对所述胸部医学图像进行气管分割，提取胸部医学图像中肺野上气管对应的气管掩码图像。

7、优选地，在所述基于深度学习分割网络构建的预设气管分割模型，对所述胸部医学图像进行气管分割之前，包括：利用预设数目的胸部医学图像及其对应的气管掩码训练图像，对预设深度学习分割网络进行训练，得到基于深度学习分割网络构建的预设气管分割模型。

8、优选地，在所述对预设深度学习分割网络进行训练之前，包括：利用分割标注软件，对预设数目的胸部医学图像进行气管勾画，得到对应的气管掩码训练图像。

9、优选地，提取胸部医学图像中肺野上结节对应的肺野气管掩码图像，包括：利用所述胸部医学图像对应的肺野掩码图像，从所述胸部医学图像提取肺野图像；利用基于深度学习分割网络构建的预设气管分割模型，对所述肺野图像进行气管分割，提取肺野图像对应的肺野气管掩码图像。

10、优选地，所述利用所述胸部医学图像对应的肺野掩码图像，从所述胸部医学图像提取肺野图像，包括：对所述胸部医学图像与其对应的肺野掩码图像执行像素级的乘法操作，从所述胸部医学图像提取肺野图像。

11、优选地，所述根据所述结节掩码图像中每个结节对应的位置坐标及所述肺野气管掩码图像中气管对应的位置坐标之间的位置关系，确定是否存在结节空气支气管征，包括：分别确定所述结节掩码图像中每个结节对应的位置坐标是否与所述野气管掩码图像中气管对应的位置坐标存在相同位置坐标；若存在，则相同位置坐标对应的结节存在结节空气支气管征。

12、优选地，所述分别确定所述结节掩码图像中每个结节对应的位置坐标是否与所述野气管掩码图像中气管对应的位置坐标存在相同位置坐标，包括：分别将所述结节掩码图像中每个结节对应的位置坐标映射至所述肺野气管掩码图像，得到所述每个结节对应的第一映射位置坐标；分别确定所述每个结节对应的第一映射位置坐标是否与所述野气管掩码图像中气管对应的位置坐标存在相同位置坐标；或，将所述肺野气管掩码图像映射至每个结节对应的结节掩码图像，得到肺野气管对应的第二映射位置坐标；分别确定所述肺野气管对应的第二映射位置坐标是否与每个结节对应的位置坐标存在相同位置坐标。

13、优选地，所述结节空气支气管征确定方法，还包括：若不存在，则确定所述结节掩码图像中每个结节对应的位置坐标及所述肺野气管掩码图像中气管对应的位置坐标之间的临近关系；基于所述临近关系，确定是否存在结节空气支气管征。

14、优选地，所述确定所述结节掩码图像中每个结节对应的位置坐标及所述肺野气管掩码图像中气管对应的位置坐标之间的临近关系，包括：对所述结节掩码图像中每个结节进行边缘检测，得到所述每个结节对应的结节边缘掩码图像；根据所述每个结节对应的结节边缘掩码图像中结节边缘位置坐标确定所述每个结节一侧的第一肺野气管掩码及所述每个结节另一侧的第二肺野气管掩码；基于所述第一肺野气管掩码及所述第二肺野气管掩码，确定所述结节掩码图像中每个结节对应的位置坐标及所述肺野气管掩码图像中气管对应的位置坐标之间的临近关系。

15、优选地，所述基于所述临近关系，确定是否存在结节空气支气管征，包括：若所述第一肺野气管掩码及所述第二肺野气管掩码符合气道对应的解剖学结构，则确定存在结节空气支气管征。

16、根据本公开的一方面，提供了一种医学图像分析方法，包括：包括：利用如上述结节空气支气管征确定方法，确定胸部医学图像是否存在结节空气支气管征；基于包括所述是否存在结节空气支气管征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。

17、优选地，所述基于包括所述是否存在结节空气支气管征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是否存在结节空气支气管征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。

18、优选地，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、结节空泡征的一种或几种。

19、优选地，确定所述结节形态，包括：确定所述胸部医学图像的结节掩码图像中每个结节对应的结节掩码处理图像；分别提取所述每个结节对应的结节掩码处理图像中结节掩码线对应的多个结节掩码位置坐标；分别对所述每个结节对应的多个结节掩码位置坐标进行拟合或重构，确定所述每个结节对应的结节形态。

20、根据本公开的一方面，提供了一种结节空气支气管征确定系统，包括：提取单元，用于提取胸部医学图像中肺野上结节对应的结节掩码图像及肺野气管掩码图像；确定单元，用于根据所述结节掩码图像中每个结节对应的位置坐标及所述肺野气管掩码图像中气管对应的位置坐标之间的位置关系，确定是否存在结节空气支气管征。

21、根据本公开的一方面，提供了一种结节空气支气管征确定系统，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，以执行上述结节空气支气管征确定方法。

22、根据本公开的一方面，提供了一种结节空气支气管征确定系统，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结节空气支气管征确定方法生成所述比特流。

23、根据本公开的一方面，提供了一种结节空气支气管征确定系统，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结节空气支气管征确定方法。

24、根据本公开的一方面，提供了一种医学图像分析系统，包括：提取单元，用于提取胸部医学图像中肺野上结节对应的结节掩码图像及肺野气管掩码图像；确定单元，用于根据所述结节掩码图像中每个结节对应的位置坐标及所述肺野气管掩码图像中气管对应的位置坐标之间的位置关系，确定是否存在结节空气支气管征；预测单元，用于基于包括所述是否存在结节空气支气管征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。

25、根据本公开的一方面，提供了一种医学图像分析系统，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分析方法。

26、根据本公开的一方面，提供了一种医学图像分析系统，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分析方法生成所述比特流。

27、根据本公开的一方面，提供了一种医学图像分析系统，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分析方法。

28、在本公开实施例中，本公开提出了一种结节空气支气管征确定及医学图像分析方法和系统的技术方案，以解决结节空气支气管征确定存在主观性过强、缺少智能地确定结节空气支气管征造成的医生工作量巨大及造成后续不能进一步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。

29、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。

30、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。