[发明专利]基于深度神经网络的肺结节良恶性检测方法及装置

说明书

本发明公开一种基于深度神经网络的肺结节良恶性检测方法及装置，能够提高肺结节良恶性判断的准确度。所述方法包括：S1、获取用户一次X线计算机断层摄影扫描的所有医学图像，根据扫描的间隔，利用所述所有医学图像构建立体图形；S2、将肺结节的位置、所述立体图形以及所述用户的属性信息输入预设的深度神经网络模型，得到所述用户的肺结节为良性的概率以及所述用户的肺结节为恶性的概率，其中，所述用户的属性信息包括所述用户的肺结节的直径，所述深度神经网络模型的输出层神经元增加了置信度权重，所述置信度权重基于所述用户的属性信息确定。

技术领域

本发明涉及医学领域，具体涉及一种基于深度神经网络的肺结节良恶性检测方法及装置。

背景技术

基于深度神经网络的计算机辅助诊断可以准确的检测肺结节以及进行良恶性判断。但由于神经网络自身限制，现有方法对输出结果不能给出有效的置信度，导致对肺结节良恶性判断不准确。

发明内容

针对现有技术存在的缺陷，本发明提供一种基于深度神经网络的肺结节良恶性检测方法及装置。

一方面，本发明实施例提出一种基于深度神经网络的肺结节良恶性检测方法，包括：

S1、获取用户一次X线计算机断层摄影扫描的所有医学图像，根据扫描的间隔，利用所述所有医学图像构建立体图形；

S2、将肺结节的位置、所述立体图形以及所述用户的属性信息输入预设的深度神经网络模型，得到所述用户的肺结节为良性的概率以及所述用户的肺结节为恶性的概率，其中，所述用户的属性信息包括所述用户的肺结节的直径，所述深度神经网络模型的输出层神经元增加了置信度权重，所述置信度权重基于所述用户的属性信息确定。

另一方面，本发明实施例提出一种基于深度神经网络的肺结节良恶性检测装置，包括：

建立单元，用于获取用户一次X线计算机断层摄影扫描的所有医学图像，根据扫描的间隔，利用所述所有医学图像构建立体图形；

计算单元，用于将肺结节的位置、所述立体图形以及所述用户的属性信息输入预设的深度神经网络模型，得到所述用户的肺结节为良性的概率以及所述用户的肺结节为恶性的概率，其中，所述用户的属性信息包括所述用户的肺结节的直径，所述深度神经网络模型的输出层神经元增加了置信度权重，所述置信度权重基于所述用户的属性信息确定。

本发明实施例提供的基于深度神经网络的肺结节良恶性检测方法及装置，将人工对肺结节良恶性诊断的临床经验知识，即肺结节的直径作为先验，在神经网络的输出层神经元增加置信度权重，从而能够提高肺结节良恶性判断的准确度。

附图说明

图1是本发明基于深度神经网络的肺结节良恶性检测方法一实施例的流程示意图；

图2是本发明基于深度神经网络的肺结节良恶性检测装置一实施例的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参看图1，本实施例公开一种基于深度神经网络的肺结节良恶性检测方法，包括：

S1、获取用户一次X线计算机断层摄影(CT)扫描的所有医学图像，根据扫描的间隔，利用所述所有医学图像构建立体图形；