(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 202210468602.4 (22)申请日 2022.04.29 (71)申请人 深圳技术大学 地址 518000 广东省深圳市坪 山区石井街 道兰田路3 002路 申请人 东北大学 (72)发明人 曾楠嵘　杨英健　李玮　郭英委　 段文馨　刘洋　陈梓然　王世聪　 邓兴广　康雁　 (74)专利代理 机构 北京中强智尚知识产权代理 有限公司 1 1448 专利代理师 吕梦雪 (51)Int.Cl. G06T 7/11(2017.01) G06V 10/26(2022.01)G06V 10/40(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 肺图像的处理方法及 装置、 电子设备和存储 介质 (57)摘要 本公开涉及一种肺图像的处理方法及 装置、 电子设备和存储介质。 本公开实施例可实现。 其 中， 所述的肺图像的处理方法， 包括： 获取待处理 的肺图像， 并对所述肺图像进行肺区域分割， 得 到肺实质图像； 分别提取所述肺实质图像的组学 特征及卷积特征； 及， 分别基于所述肺图像对应 的慢阻肺分级标签， 对所述组学特征及所述卷积 特征进行特征选择， 得到选择的影像组学特征及 选择的卷积特征； 对所述选择的影像组学特征及 所述选择的卷积特征进行第一融合操作， 得到第 一融合特征； 并基于所述第一融合特征及预设分 类器， 对慢阻肺进行分级。 加入的卷积特征， 通过 对影像组学特征及卷积特征进行融合， 以提升慢 阻肺进行分级的准确性及分类 器的分类性能。 权利要求书2页 说明书14页 附图3页 CN 115063433 A 2022.09.16 CN 115063433 A 1.一种肺图像的处 理方法， 其特 征在于， 包括： 获取待处 理的肺图像， 并对所述肺图像进行肺区域分割， 得到肺实质图像； 分别提取所述肺实质图像的组学特征及卷积特征； 及， 分别基于所述肺图像对应的慢 阻肺分级标签， 对所述组学特征及所述卷积特征进行特征选择， 得到选择 的影像组学特征 及选择的卷积特 征； 对所述选择的影像组学特征及所述选择的卷积特征进行第 一融合操作， 得到第 一融合 特征； 并基于所述第一融合特 征及预设 分类器， 对慢阻肺进行分级。 2.根据权利要求1所述的肺图像的处理方法， 其特征在于， 在所述对所述选择的影像组 学特征及所述选择的卷积特 征进行第一融合操作， 得到第一融合特 征之前， 还 包括： 根据所述肺实质图像的组学特征， 构建影像组学特征图； 并对所述影像组学特征图进 行卷积处理， 得到组学 卷积特征； 对所述组学卷积特征及所述肺实质图像的组学特征进行第 二融合操作， 得到第 二融合 特征； 对所述第二融合特 征及所述选择的卷积特 征进行第一融合操作， 得到第一融合特 征。 3.根据权利要求2所述的肺图像的处理方法， 其特征在于， 所述并对所述影像组学特征 图进行卷积处理， 得到组学卷积特征； 及对所述组学卷积特征及所述肺实质图像的组学特 征进行第二融合操作， 得到第二融合特 征的方法， 包括： 获取所述选择的影像组学特征对应的第一数目； 对所述影像组学特征图进行卷积处 理， 得到所述第一数目的组学 卷积特征； 对所述组学卷积特征及所述肺实质图像的组学特征进行相加操作， 得到第二融合特 征。 4.根据权利要求2或3所述的肺图像的处理方法， 其特征在于， 所述对所述第二融合特 征及所述选择的卷积特征进 行第一融合操作， 得到第一融合特征的方法， 包括： 对所述第二 融合特征及所述选择的卷积特 征进行向量 拼接， 得到第一融合特 征。 5.根据权利要求2 ‑4任一项所述的肺图像的处理方法， 其特征在于， 所述根据所述肺实 质图像的组学 特征， 构建影 像组学特征图的方法， 包括： 将所述组学特征中的1个特征作为基础特征， 所述组学特征中的其余特征分别与所述 基础特征做差， 得到影 像组学特征向量； 同理， 分别将所述组学特征中的剩余特征作为基础特征， 得到对应的影像组学特征向 量； 将所有的所述影 像组学特征向量进行拼接， 得到影 像组学特征图。 6.根据权利要求1 ‑5任一项所述的肺图像的处理方法， 其特征在于， 所述对所述选择的 影像组学特征及所述选择的卷积特 征进行第一融合操作， 得到第一融合特 征的方法， 包括： 对所述选择的影像组学特征及所述选择的卷积特征进行向量拼接， 得到第一融合特 征； 以及/或， 所述分别基于所述肺图像对应的慢阻肺分级标签， 对所述组学特征及所述卷积特征进 行特征选择， 得到 选择的影 像组学特征及选择的卷积特 征的方法， 包括： 获取影像组学选择模型；权　利　要　求　书 1/2 页 2 CN 115063433 A 2基于所述影像组学选择模型， 分别通过建立所述慢阻肺分级标签及对应的所述组学特 征及所述卷积特征 的关系， 对所述组学特征及所述卷积特征进行特征选择， 得到选择 的影 像组学特征及选择的卷积特 征。 7.根据权利要求1 ‑6任一项所述的肺图像的处理方法， 其特征在于， 所述基于所述第一 融合特征及预设 分类器， 对慢阻肺进行分级的方法， 包括： 获取设定比例； 基于所述设定比例对所有所述肺图像对应的第一融合进行划分， 得到训练集及验证 集； 利用所述训练集对所述预设 分类器进行训练； 利用所述验证集对训练后的预设 分类器进行验证， 进 而对慢阻肺进行分级。 8.一种肺图像的处 理装置， 其特 征在于， 包括： 分割单元， 用于获取待处理的肺图像， 并对所述肺图像进行肺区域分割， 得到肺实质图 像； 特征提取及选择单元， 用于分别提取所述肺实质图像的组学特征及卷积特征； 及， 分别 基于所述肺图像对应的慢阻肺分级标签， 对所述组学特征及所述卷积特征进行特征选择， 得到选择的影 像组学特征及选择的卷积特 征； 特征融合及 分级单元， 对所述选择的影像组学特征及所述选择的卷积特征进行第 一融 合操作， 得到第一融合特 征； 并基于所述第一融合特 征及预设 分类器， 对慢阻肺进行分级。 9.一种电子设备， 其特 征在于， 包括： 处理器； 用于存储处理器可执行指令的存 储器； 其中， 所述处理器被配置为调用所述存储器存储的指令， 以执行权利要求1至7中任意 一项所述的肺图像的处 理方法。 10.一种计算机可读存储介质， 其上存储有计算机程序指令， 其特征在于， 所述计算机 程序指令被处 理器执行时实现权利要求1至7中任意 一项所述的肺图像的处 理方法。权　利　要　求　书 2/2 页 3 CN 115063433 A 3