一种医学图像处理方法、装置及设备制造方法及图纸

本公开提供了一种医学图像处理方法、装置及设备，所述方法包括：获取待识别医学图像；将待识别医学图像输入预先训练的疾病区域检测模型；基于疾病区域检测模型，确定待识别医学图像的每个像素点是否为病灶点；根据各个病灶点，确定待识别医学。图像对应的疾病区域信息。采用该方法，由于疾病区域检测模型是根据多种机型输出的医学图像训练得到的，因此，疾病区域检测模型对多种新机型的数据适用程度较高，疾病区域检测模型识别医学图像的疾病区域提高了疾病区域检测效果。高了疾病区域检测效果。高了疾病区域检测效果。

【技术实现步骤摘要】
一种医学图像处理方法、装置及设备


[0001]本公开涉及图像处理
，尤其涉及一种医学图像处理方法、装置及设备。

技术介绍

[0002]乳腺癌是我国女性发病率最高的疾病之一，防治乳腺癌最有效的手段是通过早期筛查。传统的乳腺癌早期筛查方法为超声影像筛查方法，具体的，超声影像筛查方法是由医生对超声影像筛查得到的扫描视频进行观察确定出其中疑似病灶的图像区域。
[0003]近年来随着机器学习技术的快速发展，利用基于超声图像训练得到的疾病区域检测模型进行疾病区域筛查的方法逐渐被提出。然而，现有的用于训练疾病区域检测模型的数据通常是来自有限机型的超声图像数据，这使得训练得到的疾病区域检测模型对其他新机型的数据适用程度较低，影响了疾病区域检测效果。
[0004]因此，如何提高疾病区域检测效果成为了一个亟待解决的技术问题。

技术实现思路

[0005]本公开提供了一种医学图像处理方法、装置及设备，以至少解决现有技术中存在的以上技术问题。
[0006]根据本公开的第一方面，提供了一种医学图像处理方法，所述方法包括：
[0007]获取待识别医学图像；
[0008]将所述待识别医学图像输入预先训练的疾病区域检测模型；
[0009]基于所述疾病区域检测模型，确定所述待识别医学图像的每个像素点是否为病灶点；
[0010]根据各个所述病灶点，确定所述待识别医学图像对应的疾病区域信息；
[0011]其中，所述疾病区域检测模型为预先根据样本医学图像和样本医学图像中的病灶区域标识对待训练模型进行训练得到的，所述样本医学图像为多种不同机型的医学成像机器所输出的图像。
[0012]在一可实施方式中，所述疾病区域检测模型的训练方式，包括：
[0013]将样本医学图像组输入待训练模型，得到所述样本医学图像组中各个样本医学图像的各个像素点对应的病灶预测结果，其中，所述样本医学图像组包括来自第一机型的医学成像机器的预设数量个连续的样本医学图像；
[0014]基于所述病灶预测结果和所述样本医学图像组中各个样本图像对应的病灶区域标识，确定所述待训练模型对应的损失函数；
[0015]确定所述损失函数是否收敛；
[0016]如果是，基于所述待训练模型确定所述疾病区域检测模型；
[0017]如果否，调整所述待训练模型的参数，并返回所述将样本医学图像组输入待训练模型的步骤。
[0018]在一可实施方式中，所述待训练模型包括图像增强层、特征提取层、特征融合层和
结果输出层；
[0019]所述将样本医学图像组输入待训练模型，得到所述样本医学图像组中各个样本医学图像的各个像素点对应的病灶预测结果，包括：
[0020]将样本医学图像组输入待训练模型；
[0021]所述图像增强层，对所述样本医学图像组的各个样本医学图像进行预处理；
[0022]所述特征提取层，提取各个经过预处理的样本医学图像的图像特征，得到包括各个图像特征的第一图像特征组；
[0023]所述特征融合层，将所述第一图像特征组与第二图像组对应的特征进行融合，得到融合特征，其中，所述第二图像组为来自第二机型的预设数量个医学图像；
[0024]所述结果输出层，基于所述融合特征确定所述样本医学图像组中各个样本医学图像的各个像素点对应的病灶预测结果。
[0025]在一可实施方式中，所述对所述样本医学图像组的各个样本医学图像进行预处理，包括：
[0026]将所述样本医学图像组的各个样本医学图像进行对齐处理；
[0027]对所述各个样本医学图像的图像参数进行增强处理，得到预处理后的各个样本医学图像。
[0028]在一可实施方式中，所述将所述第一图像特征组与第二图像组对应的特征进行融合，得到融合特征，包括：
[0029]确定所述第一图像特征组的第一均值和第一方差；
[0030]基于所述第一均值、所述第一方差、第二均值和第二方差确定目标均值和目标方差，其中，所述第二均值和所述第二方差为所述第二图像组对应的特征的均值和方差；
[0031]根据所述第一均值、所述第一方差、所述目标均值和所述目标方差确定融合特征。
[0032]在一可实施方式中，所述根据所述第一均值、所述第一方差、所述目标均值和所述目标方差确定融合特征，包括：
[0033]采用如下公式，根据所述第一均值、所述第一方差、所述目标均值和所述目标方差确定融合特征：
[0034][0035]其中，表示所述融合特征，表示所述目标方差，表示所述目标方差，α为来自于[0,1]均匀分布的随机变量，σ
i
表示所述第一方差，σ
j
表示所述第二方差，表示所述目标均值，μ
i
表示所述第一均值，μ
j
表示所述第二均值，F
i
表示所述第一图像特征组。
[0036]在一可实施方式中，所述病灶预测结果包括所述各个样本医学图像的各个像素点对应的预测病灶置信度、预测中心权重值和病灶框预测距离；
[0037]所述基于所述病灶预测结果和所述样本医学图像组中各个样本图像对应的病灶区域的标识，确定所述待训练模型对应的损失函数，包括：
[0038]采用如下公式，基于所述病灶预测结果和所述样本医学图像组中各个样本图像对
应的病灶区域标识，确定所述待训练模型对应的损失函数：
[0039][0040]其中，L表示所述待训练模型对应的损失函数，P
ij
表示第i行第j列的像素点对应的预测病灶置信度，为所述病灶区域标识中第i行第j列的像素点对应的真实病灶置信度，G
ij
表示第i行第j列的像素点对应的预测中心权重值，表示所述病灶区域标识中第i行第j列的像素点对应的真实中心权重值，B
ij
表示第i行第j列的像素点对应的病灶框预测距离，表示所述病灶区域标识中第i行第j列的像素点对应的病灶框真实距离，L
reg
表示L2回归损失函数。
[0041]在一可实施方式中，所述基于所述待训练模型确定所述疾病区域检测模型，包括：
[0042]将所述待训练模型确定为待验证模型；
[0043]确定待验证模型的数量是否达到目标数量；
[0044]如果是，将验证集的各个验证医学图像分别输入各个待验证模型，得到对应的验证结果，并将验证结果准确率最高的待验证模型确定为所述疾病区域检测模型；
[0045]如果否，返回所述将样本医学图像组输入待训练模型的步骤。
[0046]根据本公开的第二方面，提供了一种医学图像处理装置，所述装置包括：
[0047]图像获取模块，用于获取待识别医学图像；
[0048]图像识别模块，用于将所述待识别医学图像输入预先训练的疾病区域检测模型；基于所述疾病区域检测模型，确定所述待识别医学图像的每个像素点是否为病灶点；根据各个所述病灶点，确定所述待本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学图像处理方法，其特征在于，所述方法包括：获取待识别医学图像；将所述待识别医学图像输入预先训练的疾病区域检测模型；基于所述疾病区域检测模型，确定所述待识别医学图像的每个像素点是否为病灶点；根据各个所述病灶点，确定所述待识别医学图像对应的疾病区域信息；其中，所述疾病区域检测模型为预先根据样本医学图像和样本医学图像中的病灶区域标识对待训练模型进行训练得到的，所述样本医学图像为多种不同机型的医学成像机器所输出的图像。2.根据权利要求1所述的方法，其特征在于，所述疾病区域检测模型的训练方式，包括：将样本医学图像组输入待训练模型，得到所述样本医学图像组中各个样本医学图像的各个像素点对应的病灶预测结果，其中，所述样本医学图像组包括来自第一机型的医学成像机器的预设数量个连续的样本医学图像；基于所述病灶预测结果和所述样本医学图像组中各个样本图像对应的病灶区域标识，确定所述待训练模型对应的损失函数；确定所述损失函数是否收敛；如果是，基于所述待训练模型确定所述疾病区域检测模型；如果否，调整所述待训练模型的参数，并返回所述将样本医学图像组输入待训练模型的步骤。3.根据权利要求2所述的方法，其特征在于，所述待训练模型包括图像增强层、特征提取层、特征融合层和结果输出层；所述将样本医学图像组输入待训练模型，得到所述样本医学图像组中各个样本医学图像的各个像素点对应的病灶预测结果，包括：将样本医学图像组输入待训练模型；所述图像增强层，对所述样本医学图像组的各个样本医学图像进行预处理；所述特征提取层，提取各个经过预处理的样本医学图像的图像特征，得到包括各个图像特征的第一图像特征组；所述特征融合层，将所述第一图像特征组与第二图像组对应的特征进行融合，得到融合特征，其中，所述第二图像组为来自第二机型的预设数量个医学图像；所述结果输出层，基于所述融合特征确定所述样本医学图像组中各个样本医学图像的各个像素点对应的病灶预测结果。4.根据权利要求3所述的方法，其特征在于，所述对所述样本医学图像组的各个样本医学图像进行预处理，包括：将所述样本医学图像组的各个样本医学图像进行对齐处理；对所述各个样本医学图像的图像参数进行增强处理，得到预处理后的各个样本医学图像。5.根据权利要求3所述的方法，其特征在于，所述将所述第一图像特征组与第二图像组对应的特征进行融合，得到融合特征，包括：确定所述第一图像特征组的第一均值和第一方差；基于所述第一均值、所述第一方差、第二均值和第二方差确定目标均值和目标方差，其
中，所述第二均值和所述第二方差为所述第二图像组对应的特征的均值和方差；根据所述第一均值、所述第一方差、所述目标均值和所述目标方差确定融合特征。6.根据权利要求5所述的方法，其特征在于，所述根据所述第一均值、所述第一方差、所述目标均值和所述目标方差确定融合特征，包括：采用如下公式，根据所述第一均值、所述第一方差、所述目标均值和所述目标...

【专利技术属性】
技术研发人员：陈登博，马璐，代玉婷，胡阳，
申请(专利权)人：北京医准智能科技有限公司，
类型：发明
国别省市：