基于医学图像的智能病灶定位方法、系统、装置及介质制造方法及图纸

本申请公开了一种基于医学图像的智能病灶定位方法、系统、设备及介质。该方法通过获取待处理目标的正位医学图像和侧位医学图像；对正位医学图像和侧位医学图像进行图像分割处理，得到正位肺部图像和侧位肺部图像；对正位肺部图像进行病灶检测处理和特征提取，得到二维正位特征数据；对侧位医学图像进行病灶检测处理和特征提取，得到二维侧位特征数据；对二维正位特征数据和二维侧位特征数据进行正交堆叠，得到三维特征数据；根据三维特征数据，得到待处理目标的肺部病灶定位结果。该方法可以从图像中挖掘更多的有效检测信息，多角度的医学图像结合，能够得到更加准确的病灶定位结果。本申请可广泛应用于医学影像处理技术领域内。内。内。

【技术实现步骤摘要】
基于医学图像的智能病灶定位方法、系统、装置及介质


[0001]本申请涉及医学影像处理
，尤其是一种基于医学图像的智能病灶定位方法、系统、装置及介质。

技术介绍

[0002]随着计算机视觉技术的发展，计算机辅助检测技术能够有效减轻医师的工作负担，辅助完成基于医学图像的疾病判断，同时也提高了疾病判断的稳定性和效率，优化诊断流程。
[0003]相关技术中，对于肺部病灶的定位，一般通过对医学图像进行图像分割和后续的检测识别，从而自动检测出人体相关部位是否出现病灶特征。但是，由于目标病灶的大小、纹理差别可能较大，当下采用的定位方法，存在有不够精确的问题，往往造成误诊断。
[0004]综合上述，相关技术中存在的技术问题亟需得到解决。

技术实现思路

[0005]本申请的目的在于至少一定程度上解决相关技术中存在的技术问题之一。
[0006]为此，本申请实施例的一个目的在于提供一种基于医学图像的智能病灶定位方法，该方法能够更加准确地进行病灶定位，有利于提高辅助诊断的效果。
[0007]本申请实施例的另一个目的在于提供基于医学图像的智能病灶定位系统。
[0008]为了达到上述技术目的，本申请实施例所采取的技术方案包括：
[0009]第一方面，本申请实施例提供了一种基于医学图像的智能病灶定位方法，所述方法包括以下步骤：
[0010]获取待处理目标的正位医学图像和侧位医学图像；
[0011]对所述正位医学图像和所述侧位医学图像进行图像分割处理，得到正位肺部图像和侧位肺部图像；
[0012]对所述正位肺部图像进行病灶检测处理和特征提取，得到二维正位特征数据；
[0013]对所述侧位医学图像进行病灶检测处理和特征提取，得到二维侧位特征数据；
[0014]对所述二维正位特征数据和所述二维侧位特征数据进行正交堆叠，得到三维特征数据；
[0015]根据所述三维特征数据，得到所述待处理目标的肺部病灶定位结果。
[0016]另外，根据本申请上述实施例的基于医学图像的智能病灶定位方法，还可以具有以下附加的技术特征：
[0017]进一步地，在本申请的一个实施例中，所述获取待处理目标的正位医学图像和侧位医学图像之后，还包括：
[0018]对所述正位医学图像和所述侧位医学图像进行预处理；所述预处理包括图像压缩处理、尺度归一化处理和直方图均衡化处理中的至少一种。
[0019]进一步地，在本申请的一个实施例中，所述对所述正位医学图像进行图像分割处
理，得到正位肺部图像，包括：
[0020]将所述正位医学图像输入到图像分割模型中，得到所述图像分割模型输出的目标区域和目标类别；
[0021]从所述正位医学图像中截取对应的所述目标类别为肺部的目标区域，得到所述正位肺部图像。
[0022]进一步地，在本申请的一个实施例中，所述图像分割模型为Faster R
‑
CNN模型，所述从所述正位医学图像中截取对应的所述目标类别为肺部的目标区域，得到所述正位肺部图像，包括：
[0023]依次确定所述目标区域对应的各种目标类别的概率；
[0024]将正位医学图像中目标类别为肺部的概率最高的目标区域作为截取区域，截取得到所述正位肺部图像。
[0025]进一步地，在本申请的一个实施例中，所述对所述二维正位特征数据和所述二维侧位特征数据进行正交堆叠，得到三维特征数据，包括：
[0026]对多个不同的检测模型处理得到的二维正位特征数据和二维侧位特征数据进行正交堆叠，得到各个所述检测模型对应的初始特征数据；
[0027]对全部所述检测模型对应的初始特征数据进行加权处理，得到所述三维特征数据。
[0028]进一步地，在本申请的一个实施例中，所述方法还包括：
[0029]将所述三维特征数据输入到分类网络中，得到所述待处理目标的肺部病灶类型预测结果。
[0030]第二方面，本申请实施例提供了一种基于医学图像的智能病灶定位系统，所述系统包括：
[0031]获取模块，用于获取待处理目标的正位医学图像和侧位医学图像；
[0032]分割模块，用于对所述正位医学图像和所述侧位医学图像进行图像分割处理，得到正位肺部图像和侧位肺部图像；
[0033]第一处理模块，用于对所述正位肺部图像进行病灶检测处理和特征提取，得到二维正位特征数据；
[0034]第二处理模块，用于对所述侧位医学图像进行病灶检测处理和特征提取，得到二维侧位特征数据；
[0035]堆叠模块，用于对所述二维正位特征数据和所述二维侧位特征数据进行正交堆叠，得到三维特征数据；
[0036]定位模块，用于根据所述三维特征数据，得到所述待处理目标的肺部病灶定位结果。
[0037]第三方面，本申请实施例提供了一种计算机设备，包括：
[0038]至少一个处理器；
[0039]至少一个存储器，用于存储至少一个程序；
[0040]当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现第一方面所述的基于医学图像的智能病灶定位方法。
[0041]第四方面，本申请实施例还提供了一种计算机可读存储介质，其中存储有处理器
可执行的程序，所述处理器可执行的程序在由处理器执行时用于实现第一方面所述的基于医学图像的智能病灶定位方法。
[0042]本申请的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到：
[0043]本申请实施例中提供的基于医学图像的智能病灶定位方法，该方法通过获取待处理目标的正位医学图像和侧位医学图像；对所述正位医学图像和所述侧位医学图像进行图像分割处理，得到正位肺部图像和侧位肺部图像；对所述正位肺部图像进行病灶检测处理和特征提取，得到二维正位特征数据；对所述侧位医学图像进行病灶检测处理和特征提取，得到二维侧位特征数据；对所述二维正位特征数据和所述二维侧位特征数据进行正交堆叠，得到三维特征数据；根据所述三维特征数据，得到所述待处理目标的肺部病灶定位结果。该方法基于正位医学图像和侧位医学图像对病灶进行定位分析，可以从图像中挖掘更多的有效检测信息，多角度的医学图像结合，能够得到更加准确的病灶定位结果。
附图说明
[0044]为了更清楚地说明本申请实施例或者现有技术中的技术方案，下面对本申请实施例或者现有技术中的相关技术方案附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本申请的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。
[0045]图1为本申请一种基于医学图像的智能病灶定位方法的实施环境示意图；
[0046]图2为本申请一种基于医学图像的智能病灶定位方法具体实施例的流程示意图；
[0047]图3为本申请一种基于医学图像的智能病灶定位系统具体实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于医学图像的智能病灶定位方法，其特征在于，包括以下步骤：获取待处理目标的正位医学图像和侧位医学图像；对所述正位医学图像和所述侧位医学图像进行图像分割处理，得到正位肺部图像和侧位肺部图像；对所述正位肺部图像进行病灶检测处理和特征提取，得到二维正位特征数据；对所述侧位医学图像进行病灶检测处理和特征提取，得到二维侧位特征数据；对所述二维正位特征数据和所述二维侧位特征数据进行正交堆叠，得到三维特征数据；根据所述三维特征数据，得到所述待处理目标的肺部病灶定位结果。2.根据权利要求1所述的基于医学图像的智能病灶定位方法，其特征在于：所述获取待处理目标的正位医学图像和侧位医学图像之后，还包括：对所述正位医学图像和所述侧位医学图像进行预处理；所述预处理包括图像压缩处理、尺度归一化处理和直方图均衡化处理中的至少一种。3.根据权利要求1所述的基于医学图像的智能病灶定位方法，其特征在于，所述对所述正位医学图像进行图像分割处理，得到正位肺部图像，包括：将所述正位医学图像输入到图像分割模型中，得到所述图像分割模型输出的目标区域和目标类别；从所述正位医学图像中截取对应的所述目标类别为肺部的目标区域，得到所述正位肺部图像。4.根据权利要求3所述的基于医学图像的智能病灶定位方法，其特征在于，所述图像分割模型为Faster R
‑
CNN模型，所述从所述正位医学图像中截取对应的所述目标类别为肺部的目标区域，得到所述正位肺部图像，包括：依次确定所述目标区域对应的各种目标类别的概率；将正位医学图像中目标类别为肺部的概率最高的目标区域作为截取区域，截取得到所述正位肺部图像。5.根据权利要求1所述的基于医学图像的智能病灶定位方法，其特征在于，所述对所述二维正位特征数据和所述二维侧...

【专利技术属性】
技术研发人员：龙显荣，叶一农，王威，邓东华，张锡林，黄戈，
申请(专利权)人：佛山市第四人民医院佛山市结核病防治所，
类型：发明
国别省市：