一种医学图像处理方法、系统、设备、存储介质技术方案

本发明专利技术公开了一种医学图像处理方法、系统、设备、存储介质，一方面通过病灶图像获取多个第一异常概率，另一方面通过医学图像和病灶图像获取多个第二异常概率，再根据多个第一异常概率、多个第二异常概率和不同的权重系数按照不同图像异常程度获取医学图像属于不同图像异常程度的最终概率，并将最大的最终概率的图像异常程度作为医学图像的图像异常程度，实现对医学图像的异常程度进行分析，克服现有技术中存在对病理图像处理、分析依靠肉眼，效率低下的技术问题。

A Medical Image Processing Method, System, Equipment and Storage Media

The invention discloses a medical image processing method, system, equipment and storage medium. On the one hand, multiple first abnormal probabilities are acquired from the lesion image, on the other hand, multiple second abnormal probabilities are acquired from the medical image and the lesion image, and then medicine is acquired according to multiple first abnormal probabilities, multiple second abnormal probabilities and different weight coefficients according to different image abnormal degrees. The image belongs to the final probability of different degree of image abnormality, and the maximum degree of image abnormality of the final probability is regarded as the degree of image abnormality of medical image, which can realize the analysis of the degree of abnormality of medical image, and overcome the technical problem of low efficiency in the existing technology of pathological image processing and analysis relying on the naked eye.

【技术实现步骤摘要】
一种医学图像处理方法、系统、设备、存储介质
本专利技术涉及图像处理领域，尤其是一种医学图像处理方法、系统、设备、存储介质。
技术介绍
过去的几十年期间糖尿病的高速增长引起了各界的关注，糖尿病引起的疾病的指数增长已成为当前医疗保健行业面临的巨大挑战。而且不幸的是，患有糖尿病引起的疾病的患者数量仍然以惊人的速度持续增长。还有更让人担忧的是，仅有大约70％的患者意识到他们患有这种疾病。从医学角度来看，糖尿病被认为是许多健康问题和后期障碍的基础，即糖尿病会引起一系列的病变和并发症，包括：导致严重心脏病，糖尿病性视网膜病变(DR)和肾脏问题等。DR是最常见的糖尿病并发症之一，它被认为是失明的最主要原因之一。研究表明，无论人口数量或社会经济背景如何，世界各个地区的糖尿病问题都在以惊人的速度增长。此外，一项研究显示，由于发展中国家的生活条件和治疗设施存在缺陷，所以近75％的DR患者属于发展中国家，而且DR患者的失明可能性比没有患有DR的人几乎高25倍。但是当前缺少糖尿病视网膜病变的医学专家，世界上大部分的DR患者不能及时得到有效的病变检测和治疗，大部分患者只有当视网膜病变已经发展到治疗变得高度复杂且有时几乎不可行的程度时才能意识到寻求治疗。然而，DR在初始阶段治愈率可以达到90％，因此及早发现DR并且得到有效治疗能都大大降低DR导致失明的风险。所以，DR检测技术显得尤为重要，医学图像分析是目前引起科学家和医师极大兴趣的研究领域之一。DR可以分为两大类即非增殖性糖尿病视网膜病变(NPDR)以及增殖性视网膜病变(PDR)。NPDR有三个亚类：轻度NPDR，中度NPDR和重度NPDR。非增殖型为病变早期，病变局限于视网膜内，表现为微血管瘤、出血、硬性和软性渗出物、视网膜动脉和静脉病变。增殖型病变至少有部分伸延超过内界膜，出现新生血管是增殖型的标志。DR的病灶详细描述如下：(1)微动脉瘤微动脉瘤代表了视网膜损伤最原始的可感知迹象，视网膜血管的异常通透性导致微动脉瘤的形成。在医学图像上，它是小的，圆形的，并且具有通常在黄斑周期的暗红色斑点。微动脉瘤可以看作是一个红点，边缘锐利，尺寸大小在20μm到200μm之间，近似于光盘大小的8.25％。(2)硬性渗出物与微动脉瘤不同，硬渗出物是脂蛋白和其他一些蛋白质从视网膜血管中漏出所形成的。在视觉上，它看起来像小的白色或黄白色沉积物，具有明显的边缘。硬性渗出物通常以环状形式的形式组织，通常在视网膜外层中出现。硬性渗出物通常是不规则的并且有光泽的，并且发现的位置接近微动脉瘤或视网膜水肿的边缘。(3)软性渗出物一般而言，软性渗出物是由于小动脉闭塞而形成的。流向视网膜的血流量减少导致视网膜神经纤维层(RNFL)缺血，最终影响轴浆流，从而在视网膜神经节细胞轴突上积累轴浆碎片。这种积聚可以像RNFL中的蓬松白色病变一样可视化，这通常被称为软性渗出物。(4)出血出血由于弱血管的渗漏而发生，出血的病灶在于具有不同密度和不均匀边缘的红点形式，且它是在125μm的范围内被发现的。从广义上讲，出血分为两类：火焰和斑点印迹出血，其中第一种类型起源于毛细血管前小动脉并出现在神经纤维上。第二种类型斑点印迹出血是圆形的并且小于微动脉瘤。斑点印迹出血可以出现在不同水平的视网膜上，但是，它大多数情况下会出现在毛细血管的经脉末端。(5)新血管形成新血管形成通常表示出现在视网膜内表面上的新血管的非典型出现。新血管很细小并且反复渗入玻璃体腔，这会降低视觉能力并使其显着模糊，最终导致失明。(6)黄斑水肿黄斑水肿被鉴定为视网膜的肿胀部分，其通常由于异常视网膜毛细血管的渗透性而发生。黄斑水肿导致黄斑周围的液体或其他溶质泄漏且严重影响视力。因此，现有技术中，针对包括糖尿病性视网膜病变(DR)在内的病变患者，仅依靠医生人眼通过观察病理图像判断是否发生病变以及病变程度，依靠肉眼观察、分析图像非常占用时间和精力，而且效率低下，不同医生的判断还存在差异性，这一问题亟待解决。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的是提供一种医学图像处理方法、系统、设备、存储介质，用于提高对医学图像的处理、分析效率。本专利技术所采用的技术方案是：第一方面，本专利技术提供一种医学图像处理方法，包括以下步骤：病灶图像获取步骤，根据医学图像提取病灶图像；得分生成步骤，根据所述病灶图像获取多个病灶得分，所述病灶得分为所述病灶图像属于不同图像异常程度的第一异常概率；第二异常概率获取步骤，根据所述医学图像和所述病灶图像获取所述医学图像的多个第二异常概率，所述第二异常概率为所述医学图像属于不同图像异常程度的概率；分类步骤，根据多个所述第一异常概率、多个所述第二异常概率和不同的权重系数按照不同图像异常程度获取所述医学图像属于不同图像异常程度的最终概率，并将最大的所述最终概率的图像异常程度作为所述医学图像的图像异常程度。进一步地，所述医学图像包括眼底照片。进一步地，所述病灶图像获取步骤包括：根据所述医学图像和分割神经网络获取多种病灶掩模图像；根据所述病灶掩模图像和所述医学图像获取多种所述病灶图像。进一步地，所述得分生成步骤包括：分别提取多种所述病灶图像的病灶特征，所述病灶特征包括颜色或形状；拼接多个所述病灶特征并将其输入第一机器学习分类算法获取多个所述病灶得分。进一步地，所述第二异常概率获取步骤包括：根据所述医学图像、多种所述病灶图像和第二机器学习分类算法获取所述医学图像的多个第二异常概率。进一步地，所述图像异常程度包括正常、轻度第一异常、中度第一异常、重度第一异常和第二异常。进一步地，所述第一异常概率的权重系数为0.2，所述第二异常概率的权重系数为0.8。第二方面，本专利技术提供一种医学图像处理系统，包括：病灶图像获取单元，用于根据医学图像提取病灶图像；得分生成单元，用于根据所述病灶图像获取多个病灶得分，所述病灶得分为所述病灶图像属于不同图像异常程度的第一异常概率；第二异常概率获取单元，用于根据所述医学图像和所述病灶图像获取所述医学图像的多个第二异常概率，所述第二异常概率为所述医学图像属于不同图像异常程度的概率；分类单元，用于根据多个所述第一异常概率、多个所述第二异常概率和不同的权重系数按照不同图像异常程度获取所述医学图像属于不同图像异常程度的最终概率，并将最大的所述最终概率的图像异常程度作为所述医学图像的图像异常程度。第三方面，本专利技术提供一种医学图像处理设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的医学图像处理方法。第四方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行所述的医学图像处理方法。本专利技术的有益效果是：本专利技术一方面通过病灶图像获取多个第一异常概率，另一方面通过医学图像和病灶图像获取多个第二异常概率，再根据多个第一异常概率、多个第二异常概率和不同的权重系数按照不同图像异常程度获取医学图像属于不同图像异常程度的最终概率，并将最大的最终概率的图像异常程度作为医学图像的图像异常程度，实现对医学图像的异常本文档来自技高网...

【技术保护点】
1.一种医学图像处理方法，其特征在于，包括以下步骤：病灶图像获取步骤，根据医学图像提取病灶图像；得分生成步骤，根据所述病灶图像获取多个病灶得分，所述病灶得分为所述病灶图像属于不同图像异常程度的第一异常概率；第二异常概率获取步骤，根据所述医学图像和所述病灶图像获取所述医学图像的多个第二异常概率，所述第二异常概率为所述医学图像属于不同图像异常程度的概率；分类步骤，根据多个所述第一异常概率、多个所述第二异常概率和不同的权重系数按照不同图像异常程度获取所述医学图像属于不同图像异常程度的最终概率，并将最大的所述最终概率的图像异常程度作为所述医学图像的图像异常程度。

【技术特征摘要】
1.一种医学图像处理方法，其特征在于，包括以下步骤：病灶图像获取步骤，根据医学图像提取病灶图像；得分生成步骤，根据所述病灶图像获取多个病灶得分，所述病灶得分为所述病灶图像属于不同图像异常程度的第一异常概率；第二异常概率获取步骤，根据所述医学图像和所述病灶图像获取所述医学图像的多个第二异常概率，所述第二异常概率为所述医学图像属于不同图像异常程度的概率；分类步骤，根据多个所述第一异常概率、多个所述第二异常概率和不同的权重系数按照不同图像异常程度获取所述医学图像属于不同图像异常程度的最终概率，并将最大的所述最终概率的图像异常程度作为所述医学图像的图像异常程度。2.根据权利要求1所述的医学图像处理方法，其特征在于，所述医学图像包括眼底照片。3.根据权利要求1所述的医学图像处理方法，其特征在于，所述病灶图像获取步骤包括：根据所述医学图像和分割神经网络获取多种病灶掩模图像；根据所述病灶掩模图像和所述医学图像获取多种所述病灶图像。4.根据权利要求3所述的医学图像处理方法，其特征在于，所述得分生成步骤包括：分别提取多种所述病灶图像的病灶特征，所述病灶特征包括颜色或形状；拼接多个所述病灶特征并将其输入第一机器学习分类算法获取多个所述病灶得分。5.根据权利要求3所述的医学图像处理方法，其特征在于，所述第二异常概率获取步骤包括：根据所述医学图像、多种所述病灶图像和第二机器学习分类算法获取所述医学图像的多个第二异常概率。6.根据权利要求1至5任一项所述的...

【专利技术属性】
技术研发人员：徐勇，罗笑玲，蒲志辉，牟丽莎，胡吉英，
申请(专利权)人：哈尔滨工业大学深圳，深圳市第二人民医院，
类型：发明
国别省市：广东,44