申请/专利权人：中山仰视科技有限公司

申请日：2021-07-28

公开（公告）日：2024-03-29

公开（公告）号：CN113506289B

主分类号：G16H30/00

分类号：G16H30/00;G06T7/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.11.02#实质审查的生效;2021.10.15#公开

摘要：本发明涉及图像识别技术领域，涉及一种利用双流网络进行肺结节假阳性分类的方法。包括获取患者肺部的CT原始图像并进行预处理获取光流图像、搭建双流网络模型、将CT单张切片导入空间流神经网络获取图像的RGB特征、将光流图像导入时间流神经网络获取图像的光流特征、进行特征融合、输出分类结果等步骤。本发明设计采用光流法对同一切片位置不同采样时间点的图片进行特征提取，可以降低肺结节识别的假阳性比例，减轻人工的工作量，提高检测判断的工作效率及准确度；通过搭建双流网络模型，采用卷积神经网络分别对单独CT切片和光流图像进行特征提取和分类，再对不同模型得到的特征结果进行融合，从而可以对肺结节进行更精确的识别判断。

主权项：1.一种利用双流网络进行肺结节假阳性分类的方法，其特征在于：包括如下步骤：S1、对患者进行胸部CT检查，获取患者肺部的CT原始图像，对原始图像进行预处理，并获取肺部CT切片的光流图像；S2、搭建双流网络模型，模型包括2D的卷积并行的空间流神经网络和时间流神经网络；S3、将原始图像中的CT单张切片导入空间流神经网络中，通过空间信息特征网络及空间注意力机制，获取图像的RGB特征；S4、将从原始图像中获取的光流图像导入时间流神经网络中，通过序列特征抽取网络及通道注意力机制，获取图像的光流特征；S5、将提取到的RGB特征与光流特征进行特征融合；S6、输出双流网络模型对肺结节检测分类结果，结果包括肺结节、血管、气管及其他假阳性结节等；所述S1中，对原始图像进行预处理的方法包括如下步骤：S1.1、对患者进行胸部CT检查，在患者肺部位置进行连续取样，获取肺部的立体图像；S1.2、对获取的单张CT切片图像进行筛选，筛除结构不清晰的CT切片图片；S1.3、将同一切片位置的CT切片图片按连续取样的顺序进行排序；S1.4、对同一切片位置的若干连续取样的CT切片图片进行像素运动分析，获取各像素的光流矢量，进而获取该切片位置的光流信息图像；所述S1.4中，获取CT切片图片各像素的光流矢量的计算表达式如下：假设一个像素在连续取样的CT单张切片上的光强度不变，该像素的光强度为Ix,y,t，当该像素移动了dx,dy的距离到下一连续采样的CT单张切片，连续采样的两张CT单张切片之间的间隔时间为dt，则：Ix,y,t＝Ix+dx,y+dy,t+dt1将式1右端进行泰勒展开，得： 其中ε代表二阶无穷小项，可忽略不计，再将式2代入式1后同除dt，可得： 设u，v分别为光流分别沿x轴和y轴的速度矢量，得： 令分别表示图像中像素点的灰度沿X，Y，T方向的偏导数，综上，式3可以写为：Ixu+Iyv+It＝05其中，Ix，Iy，It均可由图像数据求得，而u，v即为所求光流矢量；所述S3中，获取图像的RGB特征的方法包括如下步骤：S3.1、将CT单张切片导入双流网络模型的空间流神经网络中；S3.2、CT单张切片依次经过空间信息特征网络的LSTM网络层、全连接层、Softmax分类层的卷积运算；S3.3、将卷积运算后的提取出的空间信息特征导入到DynamicCapacityNetworks的空间注意力模型中；S3.4、通过低性能的子网络对全图进行处理，定位感兴趣区域；S3.5、通过高性能的子网络对感兴趣区域进行精细化处理，从而获取清晰准确的RGB特征。

全文数据：

权利要求：

百度查询： 中山仰视科技有限公司 一种利用双流网络进行肺结节假阳性分类的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD