医学影像处理模型训练方法、医学影像处理方法及装置制造方法及图纸

本发明专利技术涉及一种医学影像处理模型训练方法、医学影像处理方法及装置，根据先验医学影像训练出包括了神经网络分割模型和神经网络分类模型的医学影像处理模型。基于此，通过医学影像处理模型的训练，在对待处理医学影像的处理中，可通过医学影像处理模型提前对待处理医学影像完成分割，降低待处理医学影像的干扰因素。同时，还可通过医学影像处理模型对待处理医学影像进行分类概率预测，预测待处理医学影像对应的医学信息分类概率，降低医护工作的负担以利于提高医护工作的效率。

【技术实现步骤摘要】
医学影像处理模型训练方法、医学影像处理方法及装置
本专利技术涉及图像处理
，特别是涉及一种医学影像处理模型训练方法、医学影像处理方法及装置。
技术介绍
医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程。一般地，医学影像包含以下两个相对独立的研究方向：医学成像系统和医学影像处理。其中，在医院成像系统完成了图像成像后，需要对图像进行进一步处理，以便于后续如医学诊断或数据加工等相关处理。目前，传统的医学影像处理主要是针对图像特性本身的处理，例如对医学影像进行图像增强以便于医护人员观察或对医学影像进行数据压缩以便于跨域传输等。医学影像处理在图像层面上大大便利了医护工作的开展复杂度。但是，医学影像在成像过程中，由于人体个体差异天然导致大量客观干扰因素。以对肺部进行成像胸部X光为例，由于成像对象的个体差异，获取到的肺部图像大小不一，以现有的模板把肺部图像分割出来可能会由于个体差异导致分割不准确。同时，由于医学影像表征的大部分健康信息可根据图像直观确定，但医护人员在分析每份医学影像时仍需要一一分析本文档来自技高网...

【技术保护点】
1.一种医学影像处理模型训练方法，其特征在于，包括步骤：/n获取先验医学影像以及所述先验医学影像的先验分割影像，获得先验医学影像数据集和先验分割影像数据集；/n根据所述先验医学影像数据集和所述先验分割影像数据集建立第一神经网络，以训练神经网络分割模型；/n为所述先验分割影像标注医学信息分类标签，获得先验分割影像分类数据集；/n根据所述先验分割影像分类数据集建立第二神经网络，以训练神经网络分类模型；/n组合所述神经网络分割模型和所述神经网络分类模型，以训练医学影像处理模型。/n

【技术特征摘要】
1.一种医学影像处理模型训练方法，其特征在于，包括步骤：
获取先验医学影像以及所述先验医学影像的先验分割影像，获得先验医学影像数据集和先验分割影像数据集；
根据所述先验医学影像数据集和所述先验分割影像数据集建立第一神经网络，以训练神经网络分割模型；
为所述先验分割影像标注医学信息分类标签，获得先验分割影像分类数据集；
根据所述先验分割影像分类数据集建立第二神经网络，以训练神经网络分类模型；
组合所述神经网络分割模型和所述神经网络分类模型，以训练医学影像处理模型。


2.根据权利要求1所述的医学影像处理模型训练方法，其特征在于，在所述获得先验医学影像数据集和先验分割影像数据集的过程之前，还包括步骤：
对所述先验医学影像和所述先验分割影像进行第一图像预处理。


3.根据权利要求1所述的医学影像处理模型训练方法，其特征在于，所述第一神经网络包括U-Net神经网络。


4.根据权利要求3所述的医学影像处理模型训练方法，其特征在于，所述U-Net神经网络的损失函数为Dice损失函数；
所述Dice损失函数如下式：



其中，X表示所述先验分割影像，Y表示预测的分割影像。


5.根据权利要求1所述的医学影像处理模型训练方法，其特征在于，所述第二神经网络包括深度卷积残差网络。


6.根据权利要求5所述的医学影像处理模型训练方法，其特征在于，所述深度卷积残差网络的损失函数为交叉熵损失函数；
所述交叉熵损失函数如下式：



其中，K为所述医学信息分类标签的分类数量，y为所述医学信息分类标签，i为用于区分所述医学信息分类标签的类别，p...

【专利技术属性】
技术研发人员：潘丹，曾安，魏敢，容华斌，谢锐伟，蔡重芪，
申请(专利权)人：广东中科天机医疗装备有限公司，
类型：发明
国别省市：广东;44