医学图像处理方法、装置、存储介质及计算机设备制造方法及图纸

本申请涉及一种医学图像处理方法、装置、存储介质及计算机设备，在对医学图像进行处理时，在检测到第一层级图像结构包含异常征象时，继续对该第一层级图像结构所包含的第二层级图像结构进行异常征象检测，即按照由高层级向低层级的顺序，对各图像结构进行异常征象检测，从而可以使得异常检测更全面；另外，基于检测结果确定包含异常征象的目标图像结构，然后通过至少一种分类模型进行异常分类，从而可以提高异常分类结果的准确性，从而可以得到可靠的异常类别信息以支持医生进行进一步的诊断，有助于医生进行后期的准确确诊。

Medical image processing methods, devices, storage media and computer equipment

【技术实现步骤摘要】
医学图像处理方法、装置、存储介质及计算机设备
本申请涉及图像处理
，特别是涉及一种医学图像处理方法、装置、存储介质及计算机设备。
技术介绍
随着医学成像技术的飞速发展，产生了各种医学扫描图像，如PET(PositronEmissionComputedTomography，正电子发射型计算机断层显像)图像、CT(ComputedTomography，电子计算机断层扫描)图像、MRI(MagneticResonanceImaging，磁共振成像)图像等。医学图像是医生诊断的重要参考依据，因此，为了提高诊断效率，医学图像的自动化处理具有重要意义。现有技术中，在自动进行医学图像的处理时，所采用的模型通常是单病种模型，即只能检测单种病况，然而，通过现有的医学图像处理模型得到的图像处理结果存在漏检的风险，因此无法得到可靠的检测数据以支持医生进行进一步的诊断，从而不利于后期的准确确诊。
技术实现思路
基于此，有必要针对现有技术存在的问题，提供一种检测更全面以支持后期准确确诊的医学图像处理方法、装置、存储介质及计算机设备。一种医学图像处理方法，包括：获取待处理的医学图像，所述医学图像至少包含第一层级图像结构以及第二层级图像结构，其中，第一层级高于第二层级；通过检测模型对所述第一层级图像结构进行异常征象检测，得到第一检测结果；当所述第一检测结果为所述第一层级图像结构包含异常征象时，通过所述检测模型对所述第一层级图像结构所包含的第二层级图像结构进行异常征象检测，得到第二检测结果；基于所述第二检测结果，或者，基于所述第一检测结果以及所述第二检测结果，确定包含异常征象的目标图像结构；通过至少一种分类模型对包含所述目标图像结构的图像进行异常分类，得到所述医学图像对应的异常类别信息。一种医学图像处理装置，包括：图像获取模块，用于获取待处理的医学图像，所述医学图像至少包含第一层级图像结构以及第二层级图像结构，其中，第一层级高于第二层级；图像结构检测模块，用于通过检测模型对所述医学图像中的第一层级图像结构进行异常征象检测，得到第一检测结果；当所述第一检测结果为所述第一层级图像结构包含异常征象时，通过所述检测模型对所述第一层级图像结构所包含的第二层级图像结构进行异常征象检测，得到第二检测结果；目标结构确定模块，用于基于所述第二检测结果，或者，基于所述第一检测结果以及所述第二检测结果，确定包含异常征象的目标图像结构；异常分类模块，用于通过至少一种分类模型对包含所述目标图像结构的图像进行异常分类，得到所述医学图像对应的异常类别信息。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。一种计算机可读存储介质，其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上述方法的步骤。上述医学图像处理方法、装置、存储介质及计算机设备，获取待处理的医学图像，医学图像至少包含第一层级图像结构以及第二层级图像结构，其中，第一层级高于第二层级；通过检测模型对第一层级图像结构进行异常征象检测，得到第一检测结果；当第一检测结果为第一层级图像结构包含异常征象时，通过检测模型对第一层级图像结构所包含的第二层级图像结构进行异常征象检测，得到第二检测结果；基于第二检测结果，或者，基于第一检测结果以及第二检测结果，确定包含异常征象的目标图像结构；通过至少一种分类模型对包含目标图像结构的图像进行异常分类，得到医学图像对应的异常类别信息。在本申请中，在对医学图像进行处理时，在检测到第一层级图像结构包含异常征象时，继续对该第一层级图像结构所包含的第二层级图像结构进行异常征象检测，即按照由高层级向低层级的顺序，对各图像结构进行异常征象检测，从而可以使得异常检测更全面；另外，基于检测结果确定包含异常征象的目标图像结构，然后通过至少一种分类模型进行异常分类，从而可以提高异常分类结果的准确性，从而可以得到可靠的异常类别信息以支持医生进行进一步的诊断，有助于医生进行后期的准确确诊。附图说明图1为一个实施例中医学图像处理方法的流程示意图；图2为另一个实施例中医学图像处理方法的流程示意图；图3为又一个实施例中医学图像处理方法的流程示意图；图4为一个实施例中某目标对象肺部医学图像的实例图；图5为一个实施例中通过至少一种分类模型对包含目标图像结构的图像进行异常分类，得到医学图像对应的异常类别信息的流程示意图；图6为再一个实施例中医学图像处理方法的流程示意图；图7为一个实施例中医学图像处理方法的应用实例图；图8为一个实施例中医学图像处理装置的结构示意图；图9为另一个实施例中医学图像处理装置的结构示意图；图10为又一个实施例中医学图像处理装置的结构示意图；图11为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。在一个实施例中，如图1所示，提供一种医学图像处理方法，以该方法应用于可以进行医学图像处理的处理器为例进行解释说明，该方法主要包括以下步骤：步骤S100，获取待处理的医学图像。其中，医学图像包含不同层级的图像结构，不同层级具体是指图像结构的范围等级不同。例如，医学图像至少包含第一层级图像结构以及第二层级图像结构，其中，第一层级高于第二层级；可选地，医学图像还可以包含第三层级图像结构，第三层级低于第二层级，本申请对图像结构的层级数量不作具体限定。具体地，以某一目标对象的医学图像为例，最高层级的图像结构为该目标对象的整体结构，例如人体整体；随后的下一层级可以是按照身体部位划分的图像结构，例如头部、上身部、下身部、脚部等；再随后的下一层级可以是按照具体的器官组织划分的图像结构，例如，对于上身部，下一层级的图像结构包括心脏、肺部等；再随后的下一层级可以是按照器官组织的内部结构划分的图像结构，例如，对于肺部，下一层级的图像结构包括左上叶、左下叶、右上叶、右中叶、右下叶等。低层级的图像结构在对应的高层级图像结构的范围内，单个高层级的图像结构可以是同时包含多个低层级的图像结构。本步骤中，处理器可以通过对医学扫描设备采集到的扫描数据进行图像重建和校正，从而得到待处理的医学图像。当然，医学图像也可以预先重建和校正好，存储在存储器中，当需要对其进行处理时，处理器直接从存储器中读取医学图像。当然，处理器也可以从外部设备中获取医学图像。比如，将待处理的医学图像存储在云端，当需要进行处理操作时，处理器从云端获取该待处理的医学图像。此外，外部设备也可以是外部的存储介质等，本实施例对获取医学图像的获取方式不做限定。可以理解，医疗图像具体可以是单模态图像，如PET(PositronEmissionComputedTomog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：/n获取待处理的医学图像，所述医学图像至少包含第一层级图像结构以及第二层级图像结构，其中，第一层级高于第二层级；/n通过检测模型对所述第一层级图像结构进行异常征象检测，得到第一检测结果；/n当所述第一检测结果为所述第一层级图像结构包含异常征象时，通过所述检测模型对所述第一层级图像结构所包含的第二层级图像结构进行异常征象检测，得到第二检测结果；/n基于所述第二检测结果，或者，基于所述第一检测结果以及所述第二检测结果，确定包含异常征象的目标图像结构；/n通过至少一种分类模型对包含所述目标图像结构的图像进行异常分类，得到所述医学图像对应的异常类别信息。/n

【技术特征摘要】
1.一种医学图像处理方法，其特征在于，包括：
获取待处理的医学图像，所述医学图像至少包含第一层级图像结构以及第二层级图像结构，其中，第一层级高于第二层级；
通过检测模型对所述第一层级图像结构进行异常征象检测，得到第一检测结果；
当所述第一检测结果为所述第一层级图像结构包含异常征象时，通过所述检测模型对所述第一层级图像结构所包含的第二层级图像结构进行异常征象检测，得到第二检测结果；
基于所述第二检测结果，或者，基于所述第一检测结果以及所述第二检测结果，确定包含异常征象的目标图像结构；
通过至少一种分类模型对包含所述目标图像结构的图像进行异常分类，得到所述医学图像对应的异常类别信息。


2.根据权利要求1所述的方法，其特征在于，所述基于所述第二检测结果，或者，基于所述第一检测结果以及所述第二检测结果，确定包含异常征象的目标图像结构包括：
基于所述第二检测结果，确定包含异常征象的第二层级图像结构为所述目标图像结构；
或者，基于所述第一检测结果以及所述第二检测结果，确定包含异常征象的第一层级图像结构以及包含异常征象的第二层级图像结构为所述目标图像结构。


3.根据权利要求1所述的方法，其特征在于，在确定包含异常征象的目标图像结构之后，在通过至少一种分类模型对包含所述目标图像结构的图像进行异常分类之前，还包括：
通过分割模型对所述包含异常征象的目标图像结构进行分割，得到所述包含所述目标图像结构的图像。


4.根据权利要求1所述的方法，其特征在于，在确定包含异常征象的目标图像结构之后，在通过至少一种分类模型对包含所述目标图像结构的图像进行异常分类之前，还包括：
提取所述医学图像中的图像特征；
分别设定各所述图像特征对应的注意力权值，其中，包含异常征象的目标图像结构的注意力权值大于不包含异常征象的图像结构的注意力权值；
基于各所述图像特征以及对应的注意力权值，得到所述包含所述目标图像结构的图像。


5.根据权利要求1所述的方法，其特征在于，所述至少一种分类模型包括多个用于进行异常分类的分类网络；
所述通过至少一种分类模型对包含所述目标图像结构的图像进行异常分类，得...

【专利技术属性】
技术研发人员：薛忠，曹晓欢，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31