[发明专利]病灶检测装置及其方法

说明书

本发明提供一种病灶检测装置及其方法。在此方法中，先取得医疗图像。决定目标病灶的大小及滑动窗口，此滑动窗口的边长至少为目标病灶的两倍边长。通过滑动窗口滑动扫描医疗图像，此滑动窗口每次滑动距离不大于目标病灶的边长。基于扫描结果取得兴趣范围。基于机器学习技术识别兴趣范围，再进行聚合病灶候选及多重尺寸聚合以确定病灶位置。藉此，能有效提升运算时间，更能提升检测精确度。

技术领域

本发明涉及一种医疗图像检测，尤其涉及一种病灶检测装置及其方法。

背景技术

现今临床上已广泛使用电脑辅助检测(Computer Aided Detection；CADe)系统来自动识别肿瘤、肿块或钙化点等病灶，以辅助医生诊疗的判断。然而，现今的电脑辅助检测技术仍存在许多缺点，例如，高伪阳性的风险等精准度问题、及检测效率问题，且精准度及检测效率往往不能兼顾。例如，为了提高检测精准度，现有电脑辅助检测可能会将不同兴趣区域(Region of Interest，ROI)、或兴趣体积(Volume of Interest，VOI)重叠范围提高，但却造成ROI或VOI数量过多，从而拖慢检测速度。由此可知，有必要改善针对医疗图像的病灶检测技术。

发明内容

有鉴于此，本发明提供一种病灶检测装置及其方法，提供更有效率的滑动检测技术，并有效提升检测精准度。

本发明的病灶检测方法，其包括下列步骤。取得医疗图像。决定目标病灶的大小及滑动窗口，此滑动窗口的边长至少为目标病灶的两倍边长。通过滑动窗口滑动扫描医疗图像，此滑动窗口每次滑动距离不大于目标病灶的边长。基于扫描结果取得兴趣范围。识别兴趣范围以确定病灶位置。

在本发明的一实施例中，上述识别兴趣范围以确定病灶位置包括下列步骤。识别兴趣范围以决定病灶候选。将病灶候选中相距小于相异门槛值的病灶候选聚合成一群组。

在本发明的一实施例中，上述识别兴趣范围以决定病灶候选包括下列步骤。通过机器学习技术自兴趣范围决定病灶候选。

在本发明的一实施例中，上述识别兴趣范围以确定病灶位置之后，还包括下列步骤。调整目标病灶大小。依据调整的目标病灶的大小再次扫描医疗图像。依据不同大小的目标病灶的扫描结果来确定病灶位置。

本发明的病灶检测装置，其包括存储器及处理器。存储器记录数个模块及医疗图像。处理器耦接存储器，且存取并载入存储器所记录的那些模块。那些模块包括兴趣范围取出模块、及病灶确认模块。兴趣范围取出模块取得医疗图像，决定目标病灶的大小及滑动窗口，通过滑动窗口滑动扫描医疗图像，并基于扫描结果取得兴趣范围，此滑动窗口的边长至少为目标病灶的两倍边长，且滑动窗口每次滑动距离不大于目标病灶的边长。而病灶确认模块识别识别范围以确定病灶位置。

在本发明的一实施例中，上述的滑动窗口的边长是滑动距离的两倍。

在本发明的一实施例中，上述的那些模块包括病灶识别模块及候选聚合模块。病灶识别模块识别兴趣范围以决定病灶候选。候选聚合模块将病灶候选中相距小于相异门槛值的病灶候选聚合成一群组。

在本发明的一实施例中，上述的病灶识别模块通过机器学习技术自兴趣范围决定病灶候选。

在本发明的一实施例中，上述的那些模块还包括多重尺寸聚合模块，其调整目标病灶的大小，而兴趣范围取出模块依据调整的目标病灶的大小再次扫描医疗图像，多重尺寸聚合模块并依据不同大小的目标病灶的识别结果，使病灶确认模块确定病灶位置。

基于上述，本发明实施例设定的滑动窗口大小及滑动距离，相较于现有兴趣区域取出仅移动一像素的效率更高，且结合机器学习、候选聚合、多重尺寸聚合等技术进一步提升检测精确度。

为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合附图作详细说明如下。

附图说明