申请/专利权人：山东师范大学

申请日：2021-07-27

公开（公告）日：2024-04-19

公开（公告）号：CN113744183B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/774

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2021.12.21#实质审查的生效;2021.12.03#公开

摘要：本发明提供一种肺结节检测方法及系统，属于图像识别技术领域，包括：获取待检测的肺部CT扫描图像；对获取的进行待检测的肺部CT扫描图像重采样、归一化以及对掩码进行膨胀操作处理；利用训练好的检测模型，对处理后的待检测的肺部CT扫描图像进行处理，获取检测结果；所述检测结果包括待检测的肺部CT扫描图像是否存在肺结节，以及肺结节的标定位置和区域大小；所述训练好的检测模型，为利用训练集训练得到；所述训练集包括多张肺部CT扫描图像，以及标注图像中肺结节位置和区域的标签。本发明实现了对肺结节区域的准确检测，提高了检测效率，保证了检测质量，提高了辅助医生进行疾病诊断的稳定性和效率。

主权项：1.一种肺结节检测方法，其特征在于，包括：获取待检测的肺部CT扫描图像；对获取的进行待检测的肺部CT扫描图像重采样、归一化以及对掩码进行膨胀操作处理；利用训练好的检测模型，对处理后的待检测的肺部CT扫描图像进行处理，获取检测结果；所述检测结果包括待检测的肺部CT扫描图像是否存在肺结节，以及肺结节的标定位置和区域大小；所述训练好的检测模型，为利用训练集训练得到；所述训练集包括多张肺部CT扫描图像，以及标注图像中肺结节位置和区域的标签；训练所述检测模型包括：对原始强化肺部CT扫描图像进行重采样、归一化以及对掩码进行膨胀操作，提取肺部区域，并进行肺结节位置和区域的标注，得到训练集；基于训练集对构建的基础网络进行训练，结合损失函数，使用SGD优化算法，对基础网络参数进行优化，直至输出的预测值与真实值之间的差异最小，得到训练好的检测模型；使用损失函数是来评价网络模型输出的锚框交并比的预测值与真实值之间的差异，损失函数定义为：L＝Lcls+p*Lreg；其中，Lcls表示分类损失，Lcls＝-α1-ptγlogpt，p*＝1代表阳性样本，p*＝0代表阴性样本；p是正样本的分类输出概率，当是真实类标签y＝1时，pt＝p，否则pt＝1-p，α是焦点损失的平衡因子，γ是可调的聚焦参数；Lreg表示回归损失函数；回归损失函数被定义为：Lreg＝∑kSGk，Pk；其中，S·是平滑损失函数，Gk表示参数化的真实值，即 Pk表示相应参数化的预测值： 其中，xa,ya,za表示锚的实际空间位置，ra表示锚的半径，k表示最小尺寸的序号；xg,yg,zg表示锚的标注空间位置。

全文数据：

权利要求：

百度查询： 山东师范大学 肺结节检测方法及系统

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