【技术实现步骤摘要】
图像处理方法及装置，分类模型的训练方法及装置
本专利技术涉及图像处理
，具体涉及一种图像处理方法及装置，分类模型的训练方法及装置。
技术介绍
CT检查是众多医学影像诊断技术中的一种，通过CT检查可以获得平扫CT和增强CT。由于平扫CT和增强CT的应用场景不同，以及众多基于CT的疾病辅助诊断方法和装置对于是否是增强CT都有着明确的判别需求，因此快速准确的区分平扫CT和增强CT是众多医学辅助应用的前提。一般区分平扫CT和增强CT的方法是通过报告或者胶片上的标志来实现。如果是增强CT，之前一定有平扫CT，医护人员书写报告时，会有[增强后/静脉注入造影剂]等描述；片子如果是增强的，片子上会有[+C]的字样，一般在图像正下方，也有的在左/右上角的信息里。如果知道主动脉在哪里，也可以通过肉眼观察主动脉、静脉管腔内是否是高亮信号来确定。然而，以上方法的缺点是无法大批量自动的实现平扫CT和增强CT的区分，且可能存在人为失误导致标记写错、漏写等。
技术实现思路
有鉴于此，本申请的实施例致力于提供一种图像处理方...
【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n获取CT医学图像，其中，所述CT医学图像为动脉期的增强CT医学图像，静脉期的增强CT医学图像或平扫CT医学图像；/n根据所述CT医学图像，通过分类模型，获取所述CT医学图像为所述动脉期的增强CT医学图像，所述静脉期的增强CT医学图像或所述平扫CT医学图像的分类结果，其中，所述分类模型用于确定所述CT医学图像的类别。/n
【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
获取CT医学图像，其中，所述CT医学图像为动脉期的增强CT医学图像，静脉期的增强CT医学图像或平扫CT医学图像；
根据所述CT医学图像，通过分类模型，获取所述CT医学图像为所述动脉期的增强CT医学图像，所述静脉期的增强CT医学图像或所述平扫CT医学图像的分类结果，其中，所述分类模型用于确定所述CT医学图像的类别。
2.根据权利要求1所述的方法，其特征在于，还包括：
将所述CT医学图像转换为灰度图像，以获得所述CT医学图像对应的灰度直方图。
3.根据权利要求2所述的方法，其特征在于，所述根据所述CT医学图像，通过分类模型，获取所述CT医学图像为所述动脉期的增强CT医学图像，所述静脉期的增强CT医学图像或所述平扫CT医学图像的分类结果，包括：
计算所述CT医学图像对应的灰度直方图的灰度值大于预设灰度阈值的像素的个数；
根据所述像素的个数，通过所述分类模型，获取所述分类结果。
4.根据权利要求2所述的方法，其特征在于，所述根据所述CT医学图像，通过分类模型，获取所述CT医学图像为所述动脉期的增强CT医学图像，所述静脉期的增强CT医学图像或所述平扫CT医学图像的分类结果，包括：
计算所述CT医学图像对应的灰度直方图的均值、方差、熵以及能量中的至少一种；
根据所述均值、所述方差、所述熵以及所述能量中的至少一种，通过分类模型，获取所述分类结果。
5.根据权利要求1至4中任一项所述的方法，其特征在于，当所述CT医学图像为肺部CT医学图像时，所述获取CT医学图像，包括：
根据原始CT医学图像，通过分割模型，获得肺实质图像；
基于所述肺实质图像，确定所述CT医学图像。
6.根据权利要求5所述的方法，其特征在于，所述基于所述肺实质图像，确定所述CT医学图像，包括：
根据所述肺实质图像，通过凸包算法，得到包含心脏和肺实质的所述CT医学图像。
7.根据权利要求5所述的方法，其特征在于，还包括：
获取与肺部CT样本图像的肺实质连通域对应的肺实质属性特征，其中，所述肺实质属性特征包括所述肺实质连通域的物理体积、所述肺实质连通域的中心点的CT值、所述肺实质连通域的外接形状的长与宽的比例、所述肺实质连通域的物理高度以及所述肺实质连通域的物理宽度中的至少一种；
根据所述肺实质属性特征，训练SVM分类器，以生成所述分割模型，其中，所述分割模型用于对所述肺部CT样本图像进行分割，以分割出所述肺实质，
其中，所述根据原始CT医学图像，通过分割模型，获得肺实质图像，包括：
获取与所述原始CT医学图像的肺实质连通域对应的肺实质属性特征；
根据所述肺实质属性特征，通过所述分割模型，获得所述肺实质图像。
8.一种分类模型的训练方法，其特征在于，包括：
获取不同类型的CT样本图像，所述不同类型的CT样本图像包括具有第一标签的动脉期的增强CT样本图像，具有第二标签的静脉期的增强CT样本图像，以及具有...
【专利技术属性】
技术研发人员：钏兴炳，邹彤，王瑜，李新阳，王少康，陈宽，
申请(专利权)人：推想医疗科技股份有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。