CN119515820A 基于人工智能的ct图像病灶检测方法和系统 （徐州医科大学附属医院）

基于人工智能的CT图像病灶检测方法和系统本发明提供一种基于人工智能的CT图像病灶检测方法和系统，涉及医学图像处理技术领待定肿瘤病灶区域并确定待定肿瘤病灶区域的第二位置信息；根据第二位置信息和门脉期图化执行复杂的筛选及评估过程，降低误判的概2根据所述第一位置信息和所述动脉期图像，从多个待定病灶区域中筛选根据所述第二位置信息和所述门脉期图像，对所述待定肿瘤病灶在所述动脉期图像中，根据所述第一位置信息，确定与平扫CT图确定待定区域的形心，并以所述待定区域的形心为中根据所述病灶中心区域中像素点的像素值、所述第一肝脏背景区和na均为正；将所述待定肿瘤病灶区域的位置信息确定为所3根据所述第二位置信息，在所述门脉期图像中，确定与所述待确定所述待分类病灶区域的形心，并以所述待分类病灶区域的形根据所述第二肝脏背景区域中像素点的像素值和所述待分类病灶中心区域中像素点在除所述第一普通病灶区域之外的待分类病灶区域的边缘上均匀设置多个第一标记根据所述第一标记线段上的像素点的像素值，对除所述第一普通病灶将所述第一普通病灶区域和所述第二普通病灶区域确定为所述普通和ns均为正整数；4获得除所述第一普通病灶区域之外的待分类病灶区域中，第u个待分类病灶区域的分)为第u个待分类病灶区域的第h个第一标记线段上的第g个)为第u个待分类病灶区域的第h个第一标记线段上的第g个像素点的像素值，为第u个待分类病灶区域的第h个第一标记线段的方向向量，为第u个待分类病灶区域的第h个第一标记为第u个待分类病灶区域的第h个第一标记线段上的像素点的数量，Hu为第u个待分类病灶将分类评分大于或等于预设分类阈值的待分类病灶区域确定为评分小于预设分类阈值的待分类病灶区域确定为第二普通病灶根据所述肿瘤病灶区域在所述门脉期图像中的位置信息，确定所述延根据所述第二标记线段上的像素点的像素值，确定所述肿瘤病灶区域的警示级别评pp个肿瘤区域的第q个第二标记线段上的第f个像素点的像素值，为第p个肿瘤区域的第q5确定第p个肿瘤区域的第q个第二标记线段上的不为0的包膜序号的数如果第p个肿瘤区域的第q个第二标记线段上的不为0的包膜序号如果所述第p个肿瘤区域的第q个第二标记线段满足第p个肿瘤区域的第q个第二标记将穿越包膜的第二标记线段的数量与第p个肿瘤区域中的第二标记线段的总数之比确将各个肿瘤区域的警示评分的最大值确定为所述警示级9.一种用于执行如权利要求1_8中任一项所述的方法的基于人工智能的CT图像病灶检检测模块，用于通过图像检测模型，确定所述平扫CT图像中的筛选模块，用于根据所述第一位置信息和所述动脉期图像分类模块，用于根据所述第二位置信息和所述门脉期图像，警示级别评分模块，用于根据所述肿瘤病灶区域和所述延迟期图像6[0003]公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理[0009]根据所述第二位置信息和所述门脉期图像，对所述待定7图像中的动脉期图像来筛选病灶，从而筛选出其中存在肿瘤的嫌疑的待定肿瘤病灶区域，脏组织的供血方式，在门脉期图像中的多个待分类病灶区域中确定出第一普通病灶区域，[0022]图1示例性地示出根据本发明实施例的基于人工智能的CT图像病灶检测方法的流8[0026]图1示例性地示出根据本发明实施例的基于人工智能的CT图像病灶检测方法的流9增强CT图像来确定每个待定病灶区域中的定病灶区域中筛选出待定肿瘤病灶区域，并确定所述待定肿瘤病灶区域的第二位置信息，i个病灶中心区域中的第j个像素点的像素值，ni为第i个病灶中心i素点的像素值的平均差距。为腹主动脉所在区域中各个像素点的平均像素区域的像素点的像素值的平均差距大于第i个病灶中心区域与第一肝脏背景区域的像素点s个待分类病灶中心区域中的第v个像素点的像素值，ns为第s个待个待分类病灶中心区域中的各个像素点的像素值的平均值，为第二肝脏背景区域中的各个像素点的像素值的平均值，为第s个待分类病灶中心区域中的各个像素点的像素值的平均值与第二肝脏背景区域中的各个像域中的各个像素点的像素值的平均值与第二肝脏背景区域中的各个像素点的像素值的平)为第u个待分类病灶区域的第h个第一标记线段上的第g个像)为第u个待分类病灶区域的第h个第一标记线段上的第g个像素点的像素值，为第u个待分类病灶区域的第h个第一标记线段的方向向量，为第u个待分类病灶区域的第h个第一标记为第u个待分类病灶区域的第h个第一标记线段上的像素点的数量，Hu为第u个待分类病灶设分类阈值的待分类病灶区域确定为第二普通病灶区域。为梯度的模，可用于表示第一标记线段上瘤组织区域的边界或者穿越肿瘤组织与肝脏组织的边界的次数，公式(3)则对该次数取平[0067]根据本发明的一个实施例，可基于肿瘤病灶区域在所述门脉期图像中的位置信为第p个肿瘤区域的第q个第二标记线段上的第f个像素点的)为第p个肿瘤区域的第q个第二标记线段上的第f个像素点的像素值，为第p个肿瘤区域的第q个第二标记线段的方向向为第p个肿瘤区域的第q个第二标记线段上的果第p个肿瘤区域的第q个第二标记线段上的不为0的包膜序号的数量等于2，则根据公式为第p个肿瘤区域的第q个第二标记线段上的不为0的包膜序号中的一为第p个肿瘤区域的第q个第二标记线段上的不为0的包膜序号中的另一＜Fpnp.q为第p个肿瘤区域的第q个第二标记线段的像素点的数量；如果所述第p个肿瘤区域的第q个第二标记线段满足第p个肿瘤区域的第q个第二标记线段第二标记线段的数量；将穿越包膜的第二标记线段的数量与第p个肿瘤区域中的第二标记线段的总数之比确定为第p个肿瘤区域的警示评分；将各个肿瘤区域的警示评分的最大值个像素点至第二标记线段上的第一个包膜序号对应的像素点之间的像素点的像素值的平均值小于第二标记线段上的第二个个包膜序号对应的像素且小于第二标记线段上的第一个包膜序号对应如果某个第二标记线段符合公式(5)所描述的第二标记线段的数量，该数量与第p个肿瘤区域中的第二标记线段的总数之比可用于描述第二标记线段上像素点的像素值的梯度来确定第二标记线段是否穿