【技术实现步骤摘要】
医学序列影像的异常检测方法、装置、设备及存储介质
[0001]本申请属于医学图像分析
，尤其涉及一种医学序列影像的异常检测方法、装置、设备及存储介质。
技术介绍
[0002]目前，针对人体内部病变的检查需要通过成像仪器来实现，以辅助医生进行诊疗，当下最为常见的是磁共振成像(Magnetic Resonance Imaging，MRI)，核磁共振成像一般会采集到多个成像层的图像，构成一种序列形式的图像，由于图像较多，而真正对医生的判断有帮助的只有较少的图像，依次浏览会浪费医生时间。现有技术能够使用异常检测模型对图像识别进行一一识别来确定异常，但该异常检测模型是根据其他医生标注的训练集进行训练得到，由于不同医生对疾病的认知和经验等存在差异，已经训练好的异常检测模型并不能很好的适用所有的医生。因此，如何在保证异常检测结果准确率的同时使得结果更加贴合使用者，以提高异常检测的适用性成为亟待解决的问题。
技术实现思路
[0003]有鉴于此，本申请实施例提供了一种医学序列影像的异常检测方法、装置、设备及存储介质，以解...
【技术保护点】
【技术特征摘要】
1.一种医学序列影像的异常检测方法，其特征在于，所述异常检测方法包括：在用户触发异常检测时，获取当前触发界面内图像的图像编号，并根据所述图像编号，确定与所述图像为同一序列的图像集；计算所述图像集中图像编号为相邻的两幅图像的梯度变化值，确定所述梯度变化值超出变化阈值的两幅图像为一组待标注图像组；输出至少一组待标注图像组至所述当前触发界面，并采集所述用户对每个待标注图像组中图像的标注，标注包含异常和正常；将所述图像集中所有具备标注的图像分别输入异常检测模型进行训练集生成，并使用生成的训练集对所述异常检测模型进行训练，得到训练好的异常检测模型；将所述图像集中所有图像分别输入所述训练好的异常检测模型，确定所述图像集中所有异常图像，并输出至所述当前触发界面。2.根据权利要求1所述的异常检测方法，其特征在于，计算所述图像集中图像编号为相邻的两幅图像的梯度变化值，确定所述梯度变化值超出变化阈值的两幅图像为一组待标注图像组包括：将图像区域分割为具有相同规格的至少两个子区域，计算所述图像集中图像编号为相邻的两幅图像在每个子区域的梯度变化值；确定所述梯度变化值超出变化阈值的子区域对应的相邻的两幅图像为一组待标注图像。3.根据权利要求1所述的异常检测方法，其特征在于，在将所述图像集输入所述训练好的异常检测模型，确定所述图像集中所有异常图像之后，还包括：在所述用户触发异常定位时，将所有异常图像分别输入训练好的目标检测模型，得到每个异常图像中的第一异常区域，使用包围框包围所述第一异常区域，并输出包含包围框的第一定位图像；在所述用户触发异常显影时，提取所述第一定位图像中包围框所包含的第一局部图像，对所述第一局部图像进行灰度处理，并将处理后的第一局部图像输出至所述当前触发界面。4.根据权利要求1所述的异常检测方法，其特征在于，若所述图像为中心线对称图像，则计算所述图像集中图像编号为相邻的两幅图像的梯度变化值，确定所述梯度变化值超出变化阈值的两幅图像为一组待标注图像组包括：基于中心线将图像区域分割为具有相同规格的对称子区域，计算所述图像集中图像编号为相邻的两幅图像在每个子区域的梯度变化值；确定所述梯度变化值超出变化阈值的子区域对应的相邻的两幅图像为一组待标注图像；相应地，在将所述图像集输入所述训练好的异常检测模型，确定所述图像集中所有异常图像之后，还包括：在所述用户触发异常定位时，将所有异常图像分别输入训练好的目标检测模型，得到每个异常图像中的第二异常区域以及对应第二异常区域的对称区域；使用包围框包围所述第二异常区域以及对应第二异常区域的对称区域，输出包含包围框的第二定位图像。
5.根据权利要求4所述的异常检测方法，其特征在于，在输出包含包围框的第二定位图像之后，还包括：在所述用户触发异常显影时，提取所述第二定位图像中包围框所包含的两个第二局部图像；对两个第二局部图像进行阈值化处理，计算处理后的两个第二局部图像的像素点的平均灰度值，若两个平均灰度值差异大于差异阈值，则确定对应的第二定位图像为目标图像，输出所述目标图像至所述当前触发界面。6.根据权利要求1至5任一项所述的异常检测方法，其特征在于，所述异常检测模型包括检测子模型和生成子模型，所述检测子模型为孪生网络结构，所述孪生网络结构的两个分支网络...
【专利技术属性】
技术研发人员：蒋胶胶，杨改清，张东亚，胡琼琼，
申请(专利权)人：郑州市中心医院，
类型：发明
国别省市：
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。