(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210783099.1 (22)申请日 2022.06.27 (71)申请人 点内 （上海） 生物科技有限公司 地址 200050 上海市长 宁区延安西路13 03 号万众大厦5 03室 (72)发明人 匡开铭　张沥　杨健程　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 金银花 (51)Int.Cl. G06V 20/64(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种肺段识别方法及装置 (57)摘要 本申请提供了一种肺段识别方法及装置， 该 方法包括通过对待处理的3D医学图像进行至少 两次不同信息层级的特征提取， 确定至少两个不 同的特征图， 针对3D医学图像中任一体素点， 从 至少两个不同的特征图中确定与体素点的位置 坐标匹配的至少两个不同的特征向量， 将至少两 个不同的特征向量 以及体素点的位置坐标进行 拼接处理， 得到体素点的位置坐标对应的融合编 码， 通过对体素点的位置坐标对应的融合编码进 行识别， 确定体素点所属的肺段类型。 如此， 该方 案通过在每个位置坐标对应的融合编码中包含 该位置坐标， 以此利用全局的位置关系特征进行 肺段的识别， 从而可针对任意分辨率大小的输入 3D医学图像进行处理而更为精准地识别出体素 点所属的肺段类型。 权利要求书3页 说明书18页 附图6页 CN 115240184 A 2022.10.25 CN 115240184 A 1.一种肺段识别方法， 其特 征在于， 包括： 获取待处 理的3D医学图像； 通过特征提取模型， 对所述3D医学图像进行至少两次不同信息层级的特征提取， 确定 至少两个不同的特 征图； 针对所述3D医学图像 中任一体素点， 从所述至少两个不同的特征图中确定与所述体素 点的位置坐标匹配的至少两个不同的特 征向量； 将所述至少两个不同的特征向量以及所述体素点的位置坐标进行拼接处理， 得到所述 体素点的位置坐标对应的融合编码； 通过多层感知模型， 对所述体素点的位置坐标对应的融合编码进行识别， 确定所述体 素点所属的肺段类型。 2.如权利要求1所述的方法， 其特征在于， 在对所述3D医学图像进行至少两次不同信 息 层级的特 征提取之前， 还 包括： 针对所述3D医学图像中任一体素点， 基于设定的体素值调整范围， 若所述体素点的体 素值小于所述设定的体素值调整 范围内的最小值， 则将所述体素点的体素值调整至所述最 小值， 若所述体素点的体素值大于所述设定的体素值调整范围内的最大值， 则将所述体素 点的体素值调整至所述 最大值， 从而得到调整后的3D医学图像； 对所述调整后的3D医学图像 中各体素点的体素值进行归一化处理， 得到归一化后的3D 医学图像。 3.如权利要求1所述的方法， 其特征在于， 所述特征提取模型包括依次串联处理的m个 特征提取子模型； 每个特征提取子模型所提取出的图像信息特征不相同； 第i特征提取子模 型提取出的图像信息特征的信息层级高于第i ‑1特征提取子模型提取出的图像信息特征的 信息层级； 对所述3D医学图像进行至少两次不同信 息层级的特征提取， 得到所述至少两个不同的 特征图， 包括： 针对第j特征提取子模型， 将第j ‑1特征提取子模型的输出结果输入至所述第j特征提 取子模型进行特征提取， 得到所述第j特征提取子模型对应的特征图； 所述第j特征提取子 模型为所述m个特 征提取子模型中除位于起始位置的特 征提取子模型之外的任一个； 其中， 位于起始位置的特征提取子模型用于对所述3D医学图像进行特征提取， 得到位 于起始位置的特 征提取子模型对应的特 征图。 4.如权利要求3所述的方法， 其特征在于， 每个特征提取子模型包括n个依次串联处理 的卷积子模块以及一个第一下采样层； 其中， 所述卷积子模块包括卷积层、 归一化层以及非 线性激活函数层； 第k个卷积 子模块的输出结果作为第k +1个卷积 子模块的输入数据； 第n个 卷积子模块的输出结果作为所述第一下采样层的输入数据； 所述第一下采样层用于处理所 述第一下采样层的输入数据得到该 特征提取子模型对应的特 征图。 5.如权利要求3所述的方法， 其特征在于， 每个特征提取子模型包括n个并联处理的卷 积子模块以及一个第二下采样层； 其中， 所述卷积子模块包括卷积层、 归一化层以及非线性 激活函数层； 所述n个并联处理的卷积子模块的输出结果的加权平均值用于作为所述第二 下采样层的输入数据； 所述第二下采样层用于处理所述第二下采样层的输入数据得到该特 征提取子模型对应的特 征图。权　利　要　求　书 1/3 页 2 CN 115240184 A 26.如权利要求1所述的方法， 其特征在于， 针对所述3D医学图像中任一体素点， 从所述 至少两个不同的特征图中确定与所述体素点的位置坐标匹配的至少两个不同的特征向量， 包括： 针对每个特征图， 通过线性插值算法， 确定所述特征图中所述体素点的位置坐标对应 的特征向量， 从而确定与所述体素点的位置坐标匹配的至少两个不同的特 征向量。 7.如权利要求1所述的方法， 其特征在于， 通过多层感知模型， 对所述体素点的位置坐 标对应的融合编码进行识别， 确定所述体素点所属的肺段类型， 包括： 将所述体素点的位置坐标对应的融合编码输入至多层感知模型进行识别， 得到所述体 素点属于各肺段类型的概 率； 将所述各肺段类型中最大的概 率对应的肺段类型确定为所述体素点所属的肺段类型。 8.如权利要求1所述的方法， 其特征在于， 通过下述方式确定特征提取模型和多层感知 模型： 获取3D医学图像样本集； 针对每个3D医学图像样本， 从所述3D医学图像样本中随机选取p个位于连续的坐标空 间内的样本体素点； 所述3D医学图像样本中每 个样本体素点标注有肺段类型； 将所述p个位于连续的坐标空间内的样本体素点形成的图像输入至初始的特征提取模 型进行至少两次不同信息层级的特征提取， 得到至少两个不同的样本特征图， 并针对所述p 个位于连续的坐标空间内的样本体素点中每个样本体素点， 从所述至少两个不同的样本特 征图中确定出与所述样本体素点的位置坐标匹配的至少两个不同的样本特 征向量； 将所述至少两个不同的样本特征向量以及所述样本体素点的位置坐标进行拼接处理， 得到所述体素点的位置坐标对应的样本融合编码， 并通过初始的多层感知模型， 对所述样 本体素点的位置坐标对应的样本融合编 码进行识别， 确定所述样本体素点所属的预测肺 段 类型； 通过所述样本体素点所属的预测肺段类型和所述样本体素点所属的标注肺段类型， 调 整所述初始的特征提取模型和所述初始的多层感知模型， 直至满足训练终止条件为止， 从 而得到特 征提取模型和多层感知模型。 9.如权利要求8所述的方法， 其特征在于， 通过所述样本体素点所属的预测肺段类型和 所述样本体素点所属的标注肺段类型， 调整 所述初始的特征提取模型和所述初始的多层感 知模型， 包括： 通过第一损失函数， 确定所述样本体素点所属的预测肺段类型与所述样本体素点所属 的标注肺段类型之间的第一损失函数值， 并通过第二损失函数， 确定所述样本体素点所属 的预测肺段类型与所述样本体素点所属的标注 肺段类型之间的第二损失函数值； 根据所述第一损失函数值和所述第二损失函数值， 确定融合损失函数值； 通过所述融合损失函数值调整所述初始的特 征提取模型和所述初始的多层感知模型。 10.一种肺段识别装置， 其特 征在于， 包括： 获取单元， 用于获取待处 理的3D医学图像； 处理单元， 用于通过特征提取模型， 对所述3D医学图像进行至少两次不同信息层级的 特征提取， 确定至少两个不同的特征图； 针对所述3D医学图像中任一体素点， 从所述至少两 个不同的特征图中确定与所述体素点的位置坐标匹配的至少两个不同的特征向量； 将所述权　利　要　求　书 2/3 页 3 CN 115240184 A 3