【技术实现步骤摘要】
一种随访病例数据的处理方法、装置、设备及存储介质
[0001]本申请涉及图像处理
,具体而言,涉及一种随访病例数据的处理方法、装置、设备及存储介质。
技术介绍
[0002]病灶是指机体上发生病变的部分,其多见于新冠肺炎等急性肺部感染疾病中,如肺的某一部分被结核菌破坏,则被破坏的部分即为肺结核病灶。在医学领域,对于病灶多采用随访跟踪的手段进行治疗,医生可以根据不同时间内对于同一患者持续采集的医学影像数据(即患者的随访病例数据),来掌握病灶随时间的变化情况;其中,在对患者的随访病例数据进行数据分析时,由于不同时间的医学图像所在的空间信息不同,因此,往往需要对于同一目标病灶在不同医学图像中的位置进行匹配与定位。
[0003]目前,对于随访病例中目标病灶的匹配和定位主要通过比较不同医学图像中病灶之间的相似度大小的方式实现,当第一医学图像中的第一病灶与第二医学图像中的第二病灶之间的相似度高于预设阈值时,即确定第一病灶与第二病灶属于同一病灶,从而实现对于同一目标病灶在随访病例数据中的匹配与定位。但是通过这种方式,当患者采取如手术等方式进行治疗之后,则在后续随访病例数据中病灶的特征会出现剧烈变化,从而导致同一病灶在不同医学图像之间表现出较为明显的差异,使得基于相似度比较得到的病灶匹配结果的准确度大幅降低。
技术实现思路
[0004]有鉴于此,本申请的目的在于提供一种随访病例数据的处理方法、装置、设备及存储介质,使得模型能够在医学图像信息的基础上有效地结合病灶的解剖学结构信息,提高模型对于不同医学图像中 ...
【技术保护点】
【技术特征摘要】
1.一种随访病例数据的处理方法,其特征在于,所述随访病例数据中至少包括第一医学图像和第二医学图像;所述第一医学图像和所述第二医学图像分别为不同时间内针对同一对象采集到的医学图像;所述处理方法包括:根据目标病灶在所述第一医学图像中的位置信息以及尺寸信息,确定所述目标病灶在第一空间下的第一检测结果;其中,所述第一空间表征所述第一医学图像所在的坐标空间;根据所述第一医学图像与所述第二医学图像之间的配准变换矩阵,对所述第一检测结果进行变换处理,得到所述第一检测结果在第二空间下的初始病灶匹配结果;其中,所述第二空间表征所述第二医学图像所在的坐标空间;将所述第一医学图像、所述第二医学图像、所述第一检测结果以及所述初始病灶匹配结果输入特征提取模型中,输出得到所述第二医学图像的病灶特征提取结果;其中,所述病灶特征提取结果至少用于针对所述第二医学图像的病灶分割任务。2.根据权利要求1所述的处理方法,其特征在于,所述特征提取模型采用以swin
‑
transformer模块为核心的Unet网络结构;其中,所述Unet网络结构中包括多组对称的编码器和解码器,每一所述编码器中至少包括一个四输入四输出的swin
‑
transformer模块,所述swin
‑
transformer模块中包含多个特征提取窗口,所述swin
‑
transformer模块用于:接收上层编码器中每个通道的输出数据作为同一通道在本层编码器中的输入数据;将每个通道的输入数据分别切分为多个子数据,并在每一所述特征提取窗口内对于不同输入数据的子数据进行相同的特征提取与特征强化处理,得到每个子数据在每一所述特征提取窗口内对应的强化特征;对属于同一通道的子数据的强化特征进行拼接处理,并将拼接处理的结果输出至下层编码器中的相应通道内。3.根据权利要求2所述的处理方法,其特征在于,在所述特征提取模型中,以所述第一医学图像中切分出的第一子数据作为所述swin
‑
transformer模块中第一特征提取窗口的第一输入数据、所述第二医学图像中切分出的第一子数据作为所述第一特征提取窗口的第二输入数据、所述第一检测结果中切分出的第一子数据作为所述第一特征提取窗口的第三输入数据、所述初始病灶匹配结果中切分出的第一子数据作为所述第一特征提取窗口的第四输入数据,通过以下方法得到所述第一输入数据在所述第一特征提取窗口内对应的第一强化特征:在所述第一特征提取窗口内,分别对所述第一输入数据、所述第二输入数据、所述第三输入数据以及所述第四输入数据进行特征提取,得到所述第一输入数据的第一数据特征、所述第二输入数据的第二数据特征、所述第三输入数据的第三数据特征以及所述第四输入数据的第四数据特征;利用所述第一数据特征在注意力机制下的Q特征矩阵和K特征矩阵,计算得到所述第一数据特征在自注意力机制下的第一自注意力特征;利用所述第一数据特征在注意力机制下的Q特征矩阵以及所述第二数据特征在注意力机制下的K特征矩阵,计算得到所述第一数据特征在互注意力机制下的第一互注意力特征;利用所述第三数据特征在注意力机制下的Q特征矩阵和K特征矩阵,计算得到所述第三数据特征在自注意力机制下的第三自注意力特征;利用所述第三数据特征在注意力机制下的Q特征矩阵以及所述第四数据特征在注意力
机制下的K特征矩阵,计算得到所述第三数据特征在互注意力机制下的第三互注意力特征;利用所述第一数据特征、所述第一自注意力特征、所述第一互注意力特征、所述第三自注意力特征、所述第三互注意力特征、所述第一数据特征在注意力机制下的V特征矩阵以及所述第二数据特征在注意力机制下的V特征矩阵,计算得到所述第一强化特征。4.根据权利要求3所述的处理方法,其特征在于,通过以下方法得到所述第二输入数据在所述第一特征提取窗口内对应的第二强化特征:利用所述第二数据特征在注意力机制下的Q特征矩阵和K特征矩阵,计算得到所述第二数据特征在自注意力机制下的第二自注意力特征;利用所述第二数据特征在注意力机制下的Q特征矩阵以及所述第一数据特征在注意力机制下的K特征矩阵,计算得到所述第...
【专利技术属性】
技术研发人员:唐雯,王大为,王少康,陈宽,
申请(专利权)人:推想医疗科技股份有限公司,
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。