[发明专利]基于transform注意力机制的肺结节检测方法及装置

说明书

本发明涉及一种基于transform注意力机制的肺结节检测方法及装置，所述方法包括以下步骤：获取3D肺部图像，对所述3D肺部图像进行预处理；构建Transformer自注意力机制的肺结节检测模型；输入所述3D肺部图像至训练和测试后的所述肺结节检测模型；利用所述肺结节检测模型对所述3D肺部图像进行结节检测，输出肺结节候选区域；消除所述肺结节候选区域的非结节区域，得到肺结节检测结果；本发明实现对肺部图像的肺结节自动检测，灵敏度高，准确性强，效率高。

技术领域

本发明涉及医学图像处理技术领域，更具体地说，涉及一种基于transform注意力机制的肺结节检测方法及装置。

背景技术

肺癌是癌症死亡的主要原因，因此早期发现和治疗至关重要。判断肺部是否存在肺结节是判定癌症的一项有力指标。目前，可以借助胸部薄层(thin－section，CT)图像，判断是否存在肺结节，这大大增加了医生的工作量。为减轻医生的负担，实现对CT图像中肺结节的自动识别已成为非常关键的技术，目前的肺结节检测技术中，基于卷积神经网络(ConvolutionalNeuralNetwork，CNN)识别CT图像中的肺结节，但是由于肺结节的变化多样，有各种大小，各种形状，并且CT图像中存在很多容易跟肺结节混淆的物体，导致检测灵敏度不高且检测的结果中的假阳性较高。

发明内容

本发明的目的在于提出一种基于transform注意力机制的肺结节检测方法及装置，以解决现有技术中肺部图像的肺结节自动识别的灵敏度不高，检测结果不准确的问题。

本发明的上述技术目的是通过以下技术方案得以实现的：

在第一方面，本申请实施例提供了一种基于transform注意力机制的肺结节检测方法，所述方法包括以下步骤：

获取3D肺部图像，对所述3D肺部图像进行预处理；

构建Transformer自注意力机制的肺结节检测模型；

输入所述3D肺部图像至训练和测试后的所述肺结节检测模型；

利用所述肺结节检测模型对所述3D肺部图像进行结节检测，输出肺结节候选区域；

消除所述肺结节候选区域的非结节区域，得到肺结节检测结果。

在其中一些实施例中，所述构建Transformer自注意力机制的肺结节检测模型之前，还包括：

获取原始数据集，并对所述原始数据集进行预处理；

利用预处理后的原始数据集对肺结节检测模型进行训练和测试。

在其中一些实施例中，所述预处理包括：数据清洗、图像翻转、颜色变换、去均值、归一化、标准化中的至少一种。

在其中一些实施例中，所述对所述3D肺部图像进行预处理，包括：

对所述3D肺部图像进行灰度化处理，得到灰度图像。

在其中一些实施例中，所述利用所述肺结节检测模型对所述3D肺部图像进行结节检测，输出肺结节候选区域，包括：

对所述灰度图像进行堆叠，其中，将连续层叠的M层所述灰度图像按照预设策略堆叠生成一层紧凑图像；M的取值为正整数；

将所述紧凑图像、所述紧凑图像中存在的实际肺结节的标注，输入到所述候选生成器，进行收敛训练，输出候选区域与对候选区域的判断，分别为背景区域、肺结节候选区域和假阳性候选区域；其中，所述标注包括肺结节的位置和直径；

将所述候选生成器输出的肺结节候选区域与所述标注对比，分出肺结节候选区域与假阳性候选区域，得到肺结节候选区域并输出。

在其中一些实施例中，所述消除所述肺结节候选区域的非结节区域，得到肺结节检测结果，包括：