基于多标签分割模型的图像数据处理方法及装置制造方法及图纸

本申请涉及人工智能及数字医疗领域，提供了一种基于多标签分割模型的图像数据处理方法及装置，主要目的在于改善现有无法满足肺部结节类的病灶区域识别的精准性、智能性识别需求的技术问题。包括：获取目标区域的图像数据；基于已完成模型训练的多标签分割模型对所述图像数据进行分割处理，得到带有多个标签的分割处理结果；响应于不同标签的输出指令，根据所述输出指令中携带的目标标签从所述分割处理结果中获取与所述目标标签匹配的图像分割区域，并基于所述目标标签查找医疗项目信息；若查找到匹配的医疗项目信息，则结合医疗项目信息以及所述目标标签渲染所述图像分割区域，进行输出。主要用于图像处理。进行输出。主要用于图像处理。进行输出。主要用于图像处理。

【技术实现步骤摘要】
基于多标签分割模型的图像数据处理方法及装置


[0001]本申请涉及一种人工智能及数字医疗
，特别是涉及一种基于多标签分割模型的图像数据处理方法及装置。

技术介绍

[0002]随着数字医疗技术的快速发展，智能医疗系统通过本身过硬的人工智能算法的支撑，已经在医疗领域占有一席之地，尤其是计算机断层扫描(CT)已经成为身体病灶筛查的常用手段。如今基于深度学习的肺部疾病自动分割算法已经广泛应用于肺结节、钙化等多种病灶上。
[0003]目前，现有对胸部CT图像进行分割处理以确定肺部病灶区域，其中，一个病灶区域会基于一种分割处理模型进行分割，但是，由于人体胸部是由多器官组成，识别肺部病灶区域中可能会遗漏多个病灶区域的情况，或者，将其他器官的病灶区域作为肺部区域的病灶区域，无法满足肺部结节类的病灶区域识别的精准性、智能性识别需求，因此，亟需一种图像数据处理来解决上述问题。

技术实现思路

[0004]有鉴于此，本申请提供一种基于多标签分割模型的图像数据处理方法及装置，主要目的在于改善现有无法满足肺部结节类的病灶区域识别的精准性、智能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多标签分割模型的图像数据处理方法，其特征在于，包括：获取目标区域的图像数据；基于已完成模型训练的多标签分割模型对所述图像数据进行分割处理，得到带有多个标签的分割处理结果，所述多标签分割模型为基于多维独热向量作为输入参数，并按照预置标签个数配置权值参数进行模型训练得到的；响应于不同标签的输出指令，根据所述输出指令中携带的目标标签从所述分割处理结果中获取与所述目标标签匹配的图像分割区域，并基于所述目标标签查找医疗项目信息；若查找到匹配的医疗项目信息，则结合所述医疗项目信息以及所述目标标签渲染所述图像分割区域，进行输出。2.根据权利要求1所述的方法，其特征在于，所述获取目标区域的图像数据之前，所述方法还包括：获取多标签多区域图像训练样本集；构建包含一个主干神经网络以及至少两个分支神经网络的多标签神经网络，所述分支神经网络个数等于预置标签个数；基于所述多标签多区域图像训练样本集中作为输入参数的样本图像数据构建多维独热向量，并按照预置标签个数与所述主干神经网络的配比关系配置权值参数；基于所述多标签多区域图像训练样本集、所述多维独热向量、所述权值参数对所述多标签神经网络进行模型训练，得到多标签分割模型。3.根据权利要求2所述的方法，其特征在于，所述构建包含一个主干神经网络以及至少两个分支神经网络的多标签神经网络之后，所述方法还包括：对所述多标签多区域图像训练样本集中的样本图像数据进行归一化处理，并按照扫描顺序提取完成归一化处理后的样本图像数据的图像块；对所述图像块进行图像数据增强处理，并将进行图像数据增强处理后的各图像块进行组合，得到待进行模型训练的样本图像数据。4.根据权利要求3所述的方法，其特征在于，所述获取目标区域的图像数据之后，所述方法还包括：基于双线性差值法对所述图像数据进行标准化处理；对完成标准化处理后的所述图像数据进行归一化处理，并按照扫描顺序提取完成归一化处理后的所述图像数据的图像块；对所述图像块进行图像数据增强处理，并将进行图像数据增强处理后的各图像块进行组合，得到待进行分割处理结果的图像数据。5.根据权利要求1所述的方法，其特征在于，所述基于所述目标标签查找医疗项目信息包括：解析所述目标标签所对应的目标器官的特征信息；基于预设医疗知识库中...

【专利技术属性】
技术研发人员：张俊杰，
申请(专利权)人：平安医疗健康管理股份有限公司，
类型：发明
国别省市：