[发明专利]一种基于先验知识的医学图像淋巴结检测方法

说明书

本发明公开了一种基于先验知识的医学图像淋巴结检测方法，涉及医学影像的处理分析技术领域，包括如下步骤：数据准备与标定、数据预处理、关键帧定位模型的构建、关键区域提取和淋巴结检测模型构建；本发明由两个级联的深度神经网络模型构成：关键帧定位深度神经网络模型和淋巴结检测深度神经网络模型。本发明还提出了两种先验知识：用于关键帧定位模型的关键帧空间先验知识和用于淋巴结检测模型的淋巴结锚点尺度先验知识。通过这两种先验知识，可以有效提升CT关键帧定位的准确性以及淋巴结检测的效果。

技术领域

本发明涉及医学影像的处理分析技术领域，更具体的是涉及基于先验知识的医学图像淋巴结检测方法技术领域。

背景技术

计算机断层扫描(CT)是目前肺癌最常用的检查方法，计算机断层扫描(CT)是一种快速，无痛的过程，可捕获腹部的清晰图像，被广泛用于帮助诊断和监测结直肠癌的治疗。盆腔淋巴结是临床常用判断结直肠癌转移的重要影像学指标。在传统诊疗过程中，经验丰富的放射科医生会逐层读取所有CT扫描图像找到淋巴结以备诊断。

然而，由于人体盆腔结构复杂存在大量的小血管、小淋巴结，使读片的过程耗时、费力且严重依赖医生的主观经验。但是现有的计算机断层扫描(CT)存在以下缺点：

当人工判读腹部增强CT影像学资料时，盆腔淋巴结的识别常存在漏诊、误诊等情况，极大延误结直肠癌患者诊治的黄金时限，严重影响患者的预后结果及生存质量。而且，全人工判读腹部增强CT，人力成本投入大，极大程度上受限于临床放射科医生的读片经验、有效专注时间、平均读片时长等多种因素的差异和影响。CT影像学报告结果准确性不一，报告及时性较差，对于需要及时准确监测和报告盆腔侧方淋巴结肿大及转移的临床工作形成了较大的局限性，继而延误后续相关诊疗活动的开展，降低预后结局。

总的来说：结直肠癌高发，通过腹部医学图像对检测淋巴结并进行定性，进行胃肠淋巴结清扫，对于结直肠癌的诊断和治疗极具临床意义。但是，人工读片成本大，且漏诊误诊率高，研发一种加快医生读片的医学图像淋巴结检测方法显得十分必要。

发明内容

本发明的目的在于：为了解决如何利用计算机在多分辨率CT图像中自动、高效、准确地定位医生感兴趣的关键区域，并在该关键区域内检测淋巴结的技术问题，本发明提供一种基于先验知识的医学图像淋巴结检测方法。

本发明为了实现上述目的具体采用以下技术方案：

一种基于先验知识的医学图像淋巴结检测方法，包括如下步骤：

步骤1、数据准备与标定：把CT影像数据从医院数据系统导入以及数据的标定，数据的标定需要两种标签：CT影像的关键帧位置和淋巴结位置，CT影像的关键帧包含启始帧和终止帧；

步骤2、数据预处理：把经过步骤1标定的数据进行预处理，预处理包括归一化CT值和归一化CT尺寸；

步骤3、关键帧定位模型的构建：设计关键帧定位模型的网络结构，采用步骤1中标定了关键帧位置且经过步骤2预处理的CT影像来训练关键帧定位模型，使用关键帧空间位置先验知识提高关键帧定位效果，以及输出关键帧；

步骤4、关键区域提取：基于步骤3的关键帧结果，提取位于启始帧和终止帧之间的关键区域，并进行预处理以适应淋巴结检测模型的需要；

步骤5、淋巴结检测模型构建：基于步骤4中提取出的关键区域，设计淋巴结检测模型的网络结构，提取步骤1中CT影像的启始帧和终止帧之间的关键帧范围，经过步骤2预处理来训练淋巴结检测模型，使用淋巴结锚点尺度先验知识提高淋巴结的检测效果，以及输出预测的淋巴结节信息，淋巴结节信息包括中心点三维坐标以及淋巴结的直径大小；

步骤6，使用步骤3中的关键帧定位模型、步骤5中的淋巴结检测模型对输入的CT影像数据进行关键帧定位、关键区域提取、淋巴结检测，输出预测的淋巴结节信息。