[发明专利]一种确定肺结节密度的方法及装置

说明书

本发明公开了一种确定肺结节密度的方法及装置。所述方法包括：从患者的肺部CT图像中提取得到肺结节图像后，可以采用预设特征提取神经网络模型对所述患者的肺结节图像进行特征提取，并得到所述患者对应的特征向量；进一步地，可将患者对应的特征向量输入预设密度分类神经网络模型，从而得到所述预设密度分类神经网络模型输出的所述患者患有的肺结节对应的肺结节密度。由于以上模型均是通过对大量数据进行训练得到的，从而使得通过模型得到的结果较为合理，且具有一定的科学依据。相比于传统的医生诊断的方式而言，能够降低因医生水平差异导致的诊断误差率，从而提高确定肺结节密度的准确性。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种确定肺结节密度的方法及装置。

背景技术

肺结节是一种非干酪样坏死的上皮肉芽肿病变。肺结节有良性和恶性之分，良性的肺结节可以自行缓解，对人体的危害相对较小；恶性的肺结节容易引起功能损害、肺广泛纤维化，甚至导致肺癌，对人体的危害极大。目前，对肺结节的良恶性情况可以根据肺结节密度来确定。

现有技术中，医生在确定肺结节密度时，往往是通过观察胸部影像，这种诊断方法需要医生人为地进行判断，效率较低，且容易受到地区医疗水平以及医生个人经验水平的影响，准确性较低。

基于此，目前亟需一种确定肺结节密度的方法，以提高确定肺结节密度的效率和准确性。

发明内容

本发明实施例提供一种确定肺结节密度的方法及装置，以提高确定肺结节密度的效率和准确性。

本发明实施例提供一种确定肺结节密度的方法，所述方法包括：

获取患者的肺部电子计算机断层扫描(Computed Tomography，CT)图像；

确定所述患者的肺结节在所述患者的肺部CT图像中的位置，并从所述患者的肺部CT图像中提取得到所述患者的肺结节图像；其中，所述肺部CT图像和所述肺结节图像均为三维图像；

采用预设特征提取神经网络模型对所述患者的肺结节图像进行特征提取，得到所述患者对应的特征向量；所述预设特征提取神经网络模型的参数是通过对所述多个患者的肺结节图像进行训练得到的；

将所述患者对应的特征向量输入预设密度分类神经网络模型，并得到所述预设密度分类神经网络模型输出的所述患者患有的肺结节对应的肺结节密度；其中，所述预设的密度分类神经网络模型的参数是通过对多个患者对应的特征向量、每个患者患有的肺结节对应的肺结节密度进行训练得到的。

如此，本发明实施例采用预设特征提取神经网络模型，并结合预设密度分类神经网络来对肺结节密度进行分析，由于以上模型均是通过对大量数据进行训练得到的，从而使得通过模型得到的结果较为合理，且具有一定的科学依据。相比于传统的医生诊断的方式而言，能够降低因医生水平差异导致的诊断误差率，从而提高确定肺结节密度的准确性；进一步地，由神经网络模型对肺结节进行分析，能够大大提高确定肺结节密度的效率。

在一种可能的实现方式中，将所述患者对应的特征向量输入预设密度分类神经网络模型，并得到所述预设密度分类神经网络模型输出的所述患者患有的肺结节对应的肺结节密度，包括：

将所述患者对应的特征向量输入预设密度分类神经网络模型，得到多个预设肺结节密度对应的置信度；

将所述多个预设肺结节密度对应的置信度中置信度最高的预设肺结节密度作为所述患者患有的肺结节对应的肺结节密度。

在一种可能的实现方式中，所述预设的密度分类神经网络模型的参数是通过对多个患者对应的特征向量、每个患者患有的肺结节对应的肺结节密度进行训练得到的，包括：

将所述多个患者对应的特征向量输入到初始的密度分类神经网络模型，得到每个患者患有的肺结节对应的预测肺结节密度；