[发明专利]一种肺结节生长预测方法和计算机设备

权利要求书

1.一种肺结节生长预测方法，其特征在于，应用于肺结节生长预测模型，所述肺结节生长预测模型包括编码器、级联convLSTM网络、解码器和分类器；所述肺结节生长预测方法包括：

获取同一人体在不同时间点的若干肺部CT图像，并对所述若干肺部CT图像进行标注，得到若干标注图像；

将所述若干标注图像输入所述编码器，得到若干初始特征图像；

将所述若干初始特征图像输入所述级联convLSTM网络，得到若干初始预测特征图像；

将所述若干初始预测特征图像输入所述解码器，得到若干候选预测特征图像；

基于所述若干候选预测特征图像和所述分类器得到若干预测图像，其中，所述若干预测图像各自分别对应不同的时间点，且每张预测图像对应的时间点均晚于获取的所述若干肺部CT图像的任意一张图像对应的时间点；

所述级联convLSTM网络包括若干级联的convLSTM模块，所述若干初始预测特征图像包括若干精细预测特征图像和若干粗略预测特征图像，所述若干级联的convLSTM模块与所述若干精细预测特征图像一一对应；

所述级联convLSTM网络包括级联的第一convLSTM模块、第二convLSTM模块和第三convLSTM模块，所述若干精细预测特征图像包括：第一精细预测特征图像、第二精细预测特征图像和第三精细预测特征图像，所述若干粗略预测特征图像包括：若干第一粗略预测特征图像和第二粗略预测特征图像；所述将所述若干初始特征图像输入所述级联convLSTM网络，得到若干初始预测特征图像，具体包括：

将所述若干初始特征图像输入所述第一convLSTM模块，得到第一精细预测特征图像和若干第一粗略预测特征图像；

将所述第一精细预测特征图像和所述若干初始特征图像输入所述第二convLSTM模块，得到第二精细预测特征图像和第二粗略预测特征图像；

将所述第一精细预测特征图像、所述第二精细预测特征图像和所述若干初始特征图像输入所述第三convLSTM模块，得到第三精细预测特征图像。

2.根据权利要求1所述的肺结节生长预测方法，其特征在于，所述编码器包括依次连接的：第一卷积模块、第一激活模块、第一池化层、第二卷积模块、第二激活模块和第二池化层；所述将所述若干标注图像输入所述编码器，得到若干初始特征图像，具体包括：

对于每张标注图像，将该标注图像输入所述第一卷积模块，得到第一图像；

将所述第一图像输入所述第一激活模块，得到第一激活图像；

将所述第一激活图像输入所述第一池化层，得到第一池化图像；

将所述第一池化图像输入所述第二卷积模块，得到第二图像；

将所述第二图像输入所述第二激活模块，得到第二激活图像；

将所述第二激活图像输入所述第二池化层，得到该标注图像对应的初始特征图像。

3.根据权利要求1所述的肺结节生长预测方法，其特征在于，所述解码器包括：第一上采样模块、第三激活模块、第三卷积模块、第二上采样模块、第四激活模块和第四卷积模块；所述将所述若干初始预测特征图像输入所述解码器，得到若干候选预测特征图像，具体包括：

对于每张初始预测特征图像，将该初始预测特征图像输入所述第一上采样模块，得到第一上采样图像；

将所述第一上采样图像输入所述第三激活模块，得到第三激活图像；

将所述第三激活图像输入所述第三卷积模块，得到第三图像；

将所述第三图像输入所述第二上采样模块，得到第二上采样图像；

将所述第二上采样图像输入所述第四激活模块，得到第四激活图像；

将所述第四激活图像输入所述第四卷积模块，得到该初始预测特征图像对应的候选预测特征图像。

4.根据权利要求1所述的肺结节生长预测方法，其特征在于，所述基于所述若干候选预测特征图像和所述分类器得到若干预测图像，具体包括：

对于每张候选预测特征图像，将该候选预测特征图像进行降维处理，得到该候选预测特征图像对应的热图；

基于所述若干候选预测特征图像各自分别对应的热图确定热图序列；

将所述热图序列输入所述分类器，得到若干预测图像。