医学影像处理方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及一种医学影像处理方法、装置、电子设备及存储介质，涉及医学影像领域。首先根据接收到的操作指令，从预设的知识库中获取医学影像信息，所述医学影像信息包括医学影像和所述医学影像对应的预测诊断结果，所述预测诊断结果为将所述医学影像输入预先训练的影像分类模型后得到的诊断结果；然后根据所述操作指令和所述医学影像信息，生成目标影像信息；最后展示目标影像信息。通过人工智能技术获取医学影像的预测诊断结果，并根据存储的医学影像和对应的预测诊断结果用于医学影像学教学任务，充分利用真实病例的海量影像信息，提供智能化的人机交互教学平台，提升医学影像学教学的教学效果。学教学的教学效果。学教学的教学效果。

【技术实现步骤摘要】
医学影像处理方法、装置、电子设备及存储介质


[0001]本专利技术涉及医学影像领域，尤其涉及一种医学影像处理方法、装置、电子设备及存储介质。

技术介绍

[0002]医学影像是临床诊断疾病的重要手段，医学影像学是医科大学、医疗机构中重要技术学科，要求学生或者工作人员具备基础医学、临床医学和医学影像学的基础知识和能力，以使得学生或者工作人员成为掌握医学影像诊断，医学成像技术的医学高级人才。
[0003]当前的医学影像学教学多采用典型病变断层进行传授，教学模式陈旧，教学内容脱离真实的病例和临床实际场景，影响医学影像学教学的教学效果。

技术实现思路

[0004]为克服相关技术中存在的问题，本专利技术提供一种医学影像处理方法、装置、电子设备及存储介质。
[0005]根据本专利技术实施例的第一方面，提供一种医学影像处理方法，所述方法包括：根据接收到的操作指令，从预设的知识库中获取医学影像信息；所述医学影像信息包括医学影像和所述医学影像对应的预测诊断结果，所述预测诊断结果为将所述医学影像输入预先训练的影像分类模型后得到的诊断结果；根据所述操作指令和所述医学影像信息，生成目标影像信息；展示所述目标影像信息。
[0006]可选地，所述医学影像信息还包括所述医学影像对应的第一附属信息，所述第一附属信息包括所述医学影像的影像部位、影像获取时间、关联病例信息以及病情发展动图中的一个或者多个，所述病情发展动图为按影像获取时间排序的多个目标医学影像，所述目标医学影像为目标病例同一影像部位的医学影像；所述根据所述操作指令和所述医学影像信息，生成目标影像信息包括：在所述操作指令包括学习教学指令的情况下，根据所述医学影像和所述第一附属信息，生成第一目标影像信息；所述第一目标影像信息包括用于辅助用户完成学习教学任务的学习教学信息。
[0007]可选地，所述根据所述操作指令和所述医学影像信息，生成目标影像信息包括：在所述操作指令包括知识测试指令的情况下，根据所述医学影像和所述第一附属信息，生成第二目标影像信息；所述第二目标影像信息包括用于辅助用户完成模拟考核或者正式考试的知识考核信息。
[0008]可选地，所述医学影像包括医学原始影像和/或医学标注影像；所述医学标注影像为根据预先训练的影像标注模型对所述医学原始影像的目标影像征象进行标注后得到的影像，所述目标影像征象为所述医学原始影像中符合预设影像征象的部分或全部图像，所述预测诊断结果为将所述医学原始影像和/或医学标注影像输入预先训练的影像分类模型
后得到的诊断结果。
[0009]可选地，所述影像标注模型包括第一子模型、第二子模型和第三子模型，所述第一子模型与所述第二子模型连接，所述第二子模型与所述第三子模型连接，所述第一子模型用于从所述医学原始影像中提取不同尺度的全局特征，所述第二子模型用于根据所述全局特征确定一个或者多个兴趣区域，和所述兴趣区域对应的区域特征，所述第三子模型用于根据所述兴趣区域和所述区域特征，对每一个所述兴趣区域的所述目标影像征象进行标注，所述影像标注模型通过如下步骤训练获得：获取第一训练样本，所述第一训练样本包括待标注的第一样本原始影像和每个所述第一样本原始影像分别对应的第一样本标注图像；根据所述第一训练样本对预设标注模型进行训练，得到所述影像标注模型。
[0010]可选地，所述影像分类模型包括第四子模型、第五子模型、第六子模型和第七子模型，所述第四子模型与所述第五子模型连接，所述第五子模型分别与所述第六子模型和所述第七子模型连接，所述第六子模型与所述第七子模型连接，所述第四子模型用于从所述医学原始影像中提取不同尺度的全局特征，所述第五子模型用于根据所述全局特征确定一个或者多个兴趣区域，和所述兴趣区域对应的区域特征，所述第六子模型用于根据所述兴趣区域和所述区域特征，获取每一个所述兴趣区域的所述目标影像征象的前景分数，所述前景分数表征所述兴趣区域多个影像征象的概率，所述第七子模型用于根据所述全局特征、所述区域特征以及所述概率确定所述医学影像的疾病分类结果，所述影像分类模型通过如下步骤训练获得：获取第二训练样本，所述第二训练样本包括待分类的多个样本病例的第二样本医学影像和对应的医师诊断结果，所述第二样本医学影像包括第二样本原始影像和/或第二样本标注图像；根据所述第二训练样本对预设分类模型进行训练，得到所述影像分类模型。
[0011]可选地，所述方法还包括：获取待入库医学影像信息，将所述待入库医学影像信息输入所述影像分类模型获取所述预测诊断结果，所述待入库医学影像信息包括待入库医学影像和对应的第二附属信息，所述第二附属信息包括影像获取时间和关联病例信息；在所述待入库医学影像信息包括医师诊断结果的情况下，根据所述医师诊断结果按照预设的分层结构将所述待入库医学影像信息和所述预测诊断结果存入所述知识库中；或者，在所述待入库医学影像信息不包括医师诊断结果的情况下，根据所述预测诊断结果按照预设的分层结构将所述待入库医学影像信息和所述预测诊断结果存入所述知识库中。
[0012]可选地，所述预设的分层结构包括生理系统、病种、疾病以及病例，所述按照预设的分层结构将所述待入库医学影像信息和所述预测诊断结果存入所述知识库中包括：获取所述待入库医学影像信息对应的目标病例；根据所述预测诊断结果或所述医师诊断结果确定所述待入库医学影像对应的目标生理系统，目标病种以及目标疾病；在所述知识库包括所述目标病例的所述目标疾病的情况下，按照所述预设的分层
结构将所述目标病例的所述待入库医学影像信息和所述预测诊断结果存储在所述知识库中；或者，在所述知识库不包括所述目标病例的所述目标疾病的情况下，在所述知识库中新建所述目标病例的分层结构数据，并按照所述预设的分层结构将所述目标病例的所述待入库医学影像信息和所述预测诊断结果存储在所述知识库中。
[0013]可选地，所述方法还包括：根据所述医学影像信息获取多个第一目标病例，所述多个第一目标病例的所述医师诊断结果不同且所述多个第一目标病例的目标医学标注影像中的相同标注征象的比例均大于或等于预设的第一比例阈值，所述目标医学标注影像的所述影像部位相同；根据所述多个第一目标病例获取同影异病疾病信息；将所述同影异病疾病信息存入所述知识库中。
[0014]可选地，所述方法还包括：根据所述医学影像信息获取多个第二目标病例，所述多个第二目标病例的所述医师诊断结果相同且所述多个第一目标病例的目标医学标注影像中的相同标注征象的比例均小于或者等于预设的第二比例阈值，所述目标医学标注影像的所述影像部位相同；根据所述多个第二目标病例获取同病异影疾病信息；将所述同病异影疾病信息存入所述知识库中。根据本专利技术实施例的第二方面，提供一种医学影像处理装置，所述装置包括：获取模块，被配置为根据接收到的操作指令，从预设的知识库中获取医学影像信息；所述医学影像信息包括医学影像和所述医学影像对应的预测诊断结果，所述预测诊断结果为将所述医学影像输入预先训练的影像分类模型后得到的诊断结果；生成模块，被配置为根据所述操作指令和所述医学影像信息，生成目标影像信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学影像处理方法，其特征在于，所述方法包括：根据接收到的操作指令，从预设的知识库中获取医学影像信息；所述医学影像信息包括医学影像和所述医学影像对应的预测诊断结果，所述预测诊断结果为将所述医学影像输入预先训练的影像分类模型后得到的诊断结果；根据所述操作指令和所述医学影像信息，生成目标影像信息；展示所述目标影像信息。2.根据权利要求1所述的方法，其特征在于，所述医学影像信息还包括所述医学影像对应的第一附属信息，所述第一附属信息包括所述医学影像的影像部位、影像获取时间、关联病例信息以及病情发展动图中的一个或者多个，所述病情发展动图为按影像获取时间排序的多个目标医学影像，所述目标医学影像为目标病例同一影像部位的医学影像；所述根据所述操作指令和所述医学影像信息，生成目标影像信息包括：在所述操作指令包括学习教学指令的情况下，根据所述医学影像和所述第一附属信息，生成第一目标影像信息；所述第一目标影像信息包括用于辅助用户完成学习教学任务的学习教学信息。3.根据权利要求2所述的方法，其特征在于，所述根据所述操作指令和所述医学影像信息，生成目标影像信息包括：在所述操作指令包括知识测试指令的情况下，根据所述医学影像和所述第一附属信息，生成第二目标影像信息；所述第二目标影像信息包括用于辅助用户完成模拟考核或者正式考试的知识考核信息。4.根据权利要求1所述的方法，其特征在于，所述医学影像包括医学原始影像和/或医学标注影像；所述医学标注影像为根据预先训练的影像标注模型对所述医学原始影像的目标影像征象进行标注后得到的影像，所述目标影像征象为所述医学原始影像中符合预设影像征象的部分或全部图像，所述预测诊断结果为将所述医学原始影像和/或医学标注影像输入预先训练的影像分类模型后得到的诊断结果。5.根据权利要求4所述的方法，其特征在于，所述影像标注模型包括第一子模型、第二子模型和第三子模型，所述第一子模型与所述第二子模型连接，所述第二子模型与所述第三子模型连接，所述第一子模型用于从所述医学原始影像中提取不同尺度的全局特征，所述第二子模型用于根据所述全局特征确定一个或者多个兴趣区域，和所述兴趣区域对应的区域特征，所述第三子模型用于根据所述兴趣区域和所述区域特征，对每一个所述兴趣区域的所述目标影像征象进行标注，所述影像标注模型通过如下步骤训练获得：获取第一训练样本，所述第一训练样本包括待标注的第一样本原始影像和每个所述第一样本原始影像分别对应的第一样本标注图像；根据所述第一训练样本对预设标注模型进行训练，得到所述影像标注模型。6.根据权利要求4所述的方法，其特征在于，所述影像分类模型包括第四子模型、第五子模型、第六子模型和第七子模型，所述第四子模型与所述第五子模型连接，所述第五子模型分别与所述第六子模型和所述第七子模型连接，所述第六子模型与所述第七子模型连接，所述第四子模型用于从所述医学原始影像中提取不同尺度的全局特征，所述第五子模型用于根据所述全局特征确定一个或者多个兴趣区域，和所述兴趣区域对应的区域特征，所述第六子模型用于根据所述兴趣区域和所述区域特征，获取每一个所述兴趣区域的所述
目标影像征象的前景分数，所述前景分数表征所述兴趣区域多个影像征象的概率，所述第七子模型用于根据所述全局特征、所述区域特征以及所述概率确定所述医学影像的疾病分类结果，所述影像分类模型通过如下步骤训练获得：获取第二训练样本，所述第二训练样本包括待分类的多个样...

【专利技术属性】
技术研发人员：金征宇，宋兰，朱振宸，宋伟，唐瑞娴，张树，雷晶，俞益洲，李一鸣，乔昕，
申请(专利权)人：中国医学科学院北京协和医院，
类型：发明
国别省市：