[发明专利]一种肺结节检出模型的优化方法、装置、设备及存储介质

说明书

本公开提供了一种肺结节检出模型的优化方法、装置、设备及存储介质，通过患者的临近检查历史信息和当前检查影像，确定所述当前检查影像的多个肺结节候选区域；将所述当前检查影像输入肺结节检出模型，获得所述当前检查影像的多个肺结节特征；基于各个位置上的肺结节候选区域和肺结节特征之间的关系，调整所述肺结节检出模型检出的各个肺结节特征的概率阈值，优化肺结节检出模型，能够有效提高肺结节检出模型的准确性，降低出错概率。

技术领域

本公开涉及医疗图像处理领域，尤其涉及一种肺结节检出模型的优化方法、装置、设备及存储介质。

背景技术

目前基于CT(Computed Tomography，电子计算机断层扫描)影像的肺结节检出方法均为单例图像检出方法，即只以本次CT扫描得到的影像作为输入图像，再利用肺结节检出技术来识别肺结节。

现有主流的肺结节检出技术均为基于深度学习和神经网络的技术。该类技术的共同特点是，其检出结果会受到输入图像的影响而发生变化。例如，针对同一个明确结节，同一个检出模型，将输入图像中的结节区域像素平移1个像素后，其检出分数就会发生轻微波动。而对于同一个病人、同一次检查、不同次的扫描，由于病人姿态变化造成肺部发生形变，导致CT图像的变化远大于平移一个像素的变化，因此其模型检出分数就会产生更大波动，导致模型检出概率的准确性降低。

发明内容

本公开提供了一种肺结节检测模型的优化方法、装置、设备及存储介质，以至少解决现有技术中存在的以上技术问题。

根据本公开的第一方面，提供了一种肺结节检出模型的优化方法，所述方法包括：

通过患者的临近检查历史信息和当前检查影像，确定所述当前检查影像的多个肺结节候选区域；

将所述当前检查影像输入肺结节检出模型，获得所述当前检查影像的多个肺结节特征；

基于各个位置上的肺结节候选区域和肺结节特征之间的关系，调整所述肺结节检出模型检出的各个肺结节特征的概率阈值。

在一可实施方式中，所述临近检查历史信息包括临近检查影像，所述通过患者的临近检查历史信息和当前检查影像，确定所述当前检查影像的多个肺结节候选区域，包括：

将所述临近检查影像作为第一目标临近检查影像；

将所述第一目标临近检查影像和所述当前检查影像输入肺部配准模型，确定所述第一目标临近检查影像和所述当前检查影像的第一肺部坐标映射关系；

将所述第一目标临近检查影像输入所述肺结节检出模型，确定所述第一目标临近检查影像的肺结节特征区域；

根据所述第一目标临近检查影像的肺结节特征区域和所述第一肺部坐标映射关系，确定所述当前检查影像的肺结节候选区域，并将所述肺结节候选区域扩大至第一预设尺寸的范围。

在一可实施方式中，所述临近检查历史信息不包括临近检查影像，所述通过临近检查历史信息和当前检查影像，确定所述当前检查影像的肺结节候选区域，包括：

调取所述临近检查历史信息中的临近检查结果；

通过所述临近检查结果与标准肺影像，确定第二目标临近检查影像的肺结节特征区域；

将所述标准肺影像和所述当前检查影像输入所述肺部配准模型，确定所述标准肺影像和所述当前检查影像的第二肺部坐标映射关系；

根据所述第二目标临近检查影像的肺结节特征区域和所述第二肺部坐标映射关系，确定所述当前检查影像的肺结节候选区域，并将所述肺结节候选区域扩大至第二预设尺寸的范围。

在一可实施方式中，所述基于各个位置上的肺结节候选区域和肺结节特征之间的关系，调整所述肺结节检出模型检出的各个肺结节特征的概率阈值，包括：