用于3D图像的异常图像筛查方法、装置、设备及存储介质制造方法及图纸

本申请实施例属于人工智能领域，涉及一种异常图像筛查方法、装置、设备及存储介质，该方法包括：接收病灶筛查请求，病灶筛查请求至少携带有原始图像信息以及与原始图像信息相对应的病灶预测结果；创建与病灶预测结果相对应的感受性曲线数据；获取与感受性曲线数据相对应的高阈值数据；获取与感受性曲线数据相对应的低阈值数据；基于高阈值数据、低阈值数据以及原始图像信息的连通性对病灶预测结果进行筛选操作，获得病灶筛选结果；输出病灶筛选结果。此外，本发明专利技术还涉及区块链技术，病灶筛选结果可存储于区块链中。本申请不仅有效的兼顾病灶漏检和假阳性引入问题，而且还利用了图像相邻层间病灶相关性信息，可以起到对网络学习方式的补充和优化。

【技术实现步骤摘要】
用于3D图像的异常图像筛查方法、装置、设备及存储介质
本申请涉及人工智能
，尤其涉及一种用于3D图像的异常图像筛查方法、装置、计算机设备及存储介质。
技术介绍
随着高性能计算的产生和信息计算的飞速发展，利用AI技术实现在医学影像上的智能诊辅，已是当前一大热点。现有一种异常图像筛查方法，通过对单一图像的分析处理，在DR，眼底彩照等2D图像模态大量使用，因为每次检查只能产生单个2D图像，也因此，应用于此类数据的算法的最优化的参数选择上，通常采用人工经验或者ROC曲线等方式进行参数确定，从而实现异常图像的筛查检测目的。然而，传统的异常图像筛查方法普遍不适用于CT，MRI，PET等3D图像模态。
技术实现思路
本申请实施例的目的旨在解决传统的异常图像筛查方法普遍不适用于CT，MRI，PET等3D图像模态的问题。为了解决上述技术问题，本申请实施例提供一种用于3D图像的异常图像筛查方法，采用了如下所述的技术方案：接收病灶筛查请求，所述病灶筛查请求至少携带有原始图像信息以及与所述原始图像信息相对应的病灶预测结果；创建与所述病灶预测结果相对应的感受性曲线数据；获取与所述感受性曲线数据相对应的高阈值数据；获取与所述感受性曲线数据相对应的低阈值数据；基于所述高阈值数据、低阈值数据以及所述原始图像信息的连通性对所述病灶预测结果进行筛选操作，获得病灶筛选结果；输出所述病灶筛选结果。为了解决上述技术问题，本申请实施例还提供一种用于3D图像的异常图像筛查装置，采用了如下所述的技术方案：请求接收模块，用于接收病灶筛查请求，所述病灶筛查请求至少携带有原始图像信息以及与所述原始图像信息相对应的病灶预测结果；曲线创建模块，用于创建与所述病灶预测结果相对应的感受性曲线数据；高阈值获取模块，用于获取与所述感受性曲线数据相对应的高阈值数据；低阈值获取模块，用于获取与所述感受性曲线数据相对应的低阈值数据；筛选结果获取模块，用于基于所述高阈值数据、低阈值数据以及所述原始图像信息的连通性对所述病灶预测结果进行筛选操作，获得病灶筛选结果；筛选结果输出模块，用于输出所述病灶筛选结果。为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：包括存储器和处理器；所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述的用于3D图像的异常图像筛查方法的步骤。为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的用于3D图像的异常图像筛查方法的步骤。与现有技术相比，本申请实施例主要有以下有益效果：基于3D图像模态的图像相邻层间病灶相关性信息，本申请实施例提供的用于3D图像的异常图像筛查方法不仅有效的兼顾病灶漏检和假阳性引入问题，而且还利用了图像相邻层间病灶相关性信息，可以起到对网络学习方式的补充和优化；相比通过3D神经网络-+学习相邻层间病灶相关性信息，本专利技术并不受限于显存，运行速度，扫描层厚，和医生使用习惯等多种因素，具有较好的可推广性和可用性；本申请实施例是可以接在任意病灶检测网络后，作为对网络输出结果的简单补充，因此具有普适性和即插即用的优点。附图说明为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例一提供的用于3D图像的异常图像筛查方法的实现流程图；图2是本专利技术实施例一提供的获取病灶预测结果的实现流程图；图3是图1中步骤S103的一种具体实施方式的流程图；图4是图1中步骤S104的一种具体实施方式的流程图；图5是本专利技术实施例二提供的用于3D图像的异常图像筛查装置的结构示意图；图6是本专利技术实施例二提供的病灶预测结果获取模块的结构示意图；图7是本图5中高阈值获取模块的一种具体实施方式的结构示意图；图8是本图5中低阈值获取模块的一种具体实施方式的结构示意图；图9是本专利技术实施例三提供的计算机设备的的结构示意图。具体实施方式除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。为了使本
的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。实施例一参考图1，示出了本专利技术实施例一提供的用于3D图像的异常图像筛查方法的实现流程图，为了便于说明，仅示出与本专利技术相关的部分。在步骤S101中，接收病灶筛查请求，所述病灶筛查请求至少携带有原始图像信息以及与所述原始图像信息相对应的病灶预测结果。在本专利技术实施例中，原始图像信息用于表示实例的医学影像，在本专利技术实施例中，主要指的是以3D图像模态形式的医学图像，作为示例，例如CT，MRI，PET等，每次检查能产生一个序列的图像，其不同层面图像信息不仅存在连续性而且内容也具有高相关性。在本专利技术实施例中，以脑CT中蛛网膜下腔出血为例，其病灶主要出现在蛛网膜下腔，而蛛网膜下腔又分布于CT序列中不同层面上，因此，在现实阅片过程中，医生通常不会仅凭某一图像层面出现可疑病灶就下定论，而往往是通过查看分析其相邻层面信息来做进一步诊断，区分真假病灶。这也进一步说明了3D图像模态的图像相邻层间病灶相关性信息对于病灶诊断的重要性。在本专利技术实施例中，病灶预测结果指的是将上述原始图像信息输入至训练好的病灶预测模型中进行病灶预测，从而得到的预测结果，具体包括真阳性(TP)、假阳性(FP)、真阴性(TN)、假阴性(FN)以及其相对应的置信度。在步骤S102中，创建与所述病灶预测结果相对应的感受性曲线数据。在本专利技术实施例中，感受性曲线，即接受者操作特性曲线，目前在临床诊断性实验中，用于正常值临界点的合理选择，其横坐标用FPR表示，代表预测的阳性实例中实际为阴性的实例数占所有阴性本文档来自技高网...

【技术保护点】
1.一种用于3D图像的异常图像筛查方法，其特征在于，包括下述步骤：/n接收病灶筛查请求，所述病灶筛查请求至少携带有原始图像信息以及与所述原始图像信息相对应的病灶预测结果；/n创建与所述病灶预测结果相对应的感受性曲线数据；/n获取与所述感受性曲线数据相对应的高阈值数据；/n获取与所述感受性曲线数据相对应的低阈值数据；/n基于所述高阈值数据、低阈值数据以及所述原始图像信息的连通性对所述病灶预测结果进行筛选操作，获得病灶筛选结果；/n输出所述病灶筛选结果。/n

【技术特征摘要】
1.一种用于3D图像的异常图像筛查方法，其特征在于，包括下述步骤：
接收病灶筛查请求，所述病灶筛查请求至少携带有原始图像信息以及与所述原始图像信息相对应的病灶预测结果；
创建与所述病灶预测结果相对应的感受性曲线数据；
获取与所述感受性曲线数据相对应的高阈值数据；
获取与所述感受性曲线数据相对应的低阈值数据；
基于所述高阈值数据、低阈值数据以及所述原始图像信息的连通性对所述病灶预测结果进行筛选操作，获得病灶筛选结果；
输出所述病灶筛选结果。


2.如权利要求1所述的用于3D图像的异常图像筛查方法，其特征在于，在所述接收病灶筛查请求的步骤之前，还包括下述步骤：
读取系统数据库，在所述系统数据库中获取训练图像信息以及与所述训练图像信息相对应的训练预测结果；
将所述训练图像信息以及训练预测结果输入至深度神经网络模型进行模型训练操作，得到病灶预测模型；
接收用户终端发送的病灶预测请求，所述病灶预测请求至少携带有所述原始图像信息；
将所述原始图像信息输入至所述病灶预测模型进行病灶预测操作，获得所述病灶预测结果。


3.如权利要求1所述的用于3D图像的异常图像筛查方法，其特征在于，所述获取与所述感受性曲线数据相对应的高阈值数据的步骤，包括下述步骤：
获取与所述感受性曲线数据相对应的最佳临界点，所述最佳临界点表示为：
P＝max(TPR-FPR)
P＝max(TPR*(1-FPR))
其中，P表示为所述感受性曲线上最近左上角的点，TPR表示为预测的阳性实例中实际为阳性的实例数占所有阳性实例的比例，FPR表示为预测的阳性实例中实际为阴性的实例数占所有阴性实例数的比例；
将所述最佳临界点作为所述高阈值数据。


4.如权利要求1所述的用于3D图像的异常图像筛查方法，其特征在于，所述获取与所述感受性曲线数据相对应的低阈值数据的步骤，包括下述步骤：
基于最小二乘法对所述感受性曲线进行方程拟合操作，获得曲线坐标方程：
y＝f(x)；
其中，f(x)表示为拟合后的曲线坐标方程；
获取与所述曲线坐标方程相对应的曲率，所述曲率表示为：



其中，y＝f(x)，K表示该ROC曲线在横坐标为X位置的曲率；
将曲率趋近于0或者曲率变化较小的点作为所述低阈值数据。


5.一种用于3D图像的异常图像筛查装置，其特征在于，所述装置包括：
请求接收模块，用于接收病灶筛查请求，所述病灶筛查请求至少携带有原始图像信息以及与所述...

【专利技术属性】
技术研发人员：陈凯星，周鑫，吕传峰，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44