【技术实现步骤摘要】
确定病灶取样区的方法、装置、电子设备及可读介质
[0001]本专利技术是关于医学图像处理
,特别是关于一种确定病灶取样区的方法、装置、电子设备及可读介质。
技术介绍
[0002]组织活检是通过手术或穿刺获取肿瘤等病灶组织作为检测样本,帮助病理定性、肿瘤组织学亚型分类、分子病理检测。常规解剖影像学引导下的活检取样,从形态结构上常难以区分实体瘤坏死区域与肿瘤活性部分,且部分肿瘤在病变早期可能未显示出形态结构异常。现有的影像观察方式下,无法准确地区分哪些病变区域或哪个病灶区域最适合取样检测,无法准确确定取样区,容易造成无效活检。
[0003]因此,针对上述技术问题,有必要提供一种新的确定病灶取样区的方法、装置、电子设备及可读介质。
技术实现思路
[0004]本专利技术的目的在于提供一种确定病灶取样区的方法、装置、电子设备及可读介质,其准确的确定适于取样的病灶取样区,提高活检的有效性。
[0005]为实现上述目的,本专利技术提供的技术方案如下:第一方面,本专利技术提供了一种确定病灶取样区的方法, ...
【技术保护点】
【技术特征摘要】
1.一种确定病灶取样区的方法,其特征在于,包括:获取包含病灶的医学图像,对所述医学图像进行分割以得到病灶区域;计算所述病灶区域中各像素点的多重分形维数;基于所述病灶区域中各像素点的多重分形维数确定所述病灶的取样区。2.如权利要求1所述的确定病灶取样区的方法,其特征在于,对所述医学图像进行分割以得到病灶区域,包括:对所述医学图像进行归一化处理;将所述归一化处理后的医学图像分割成多个大小相同的图像块;将所述图像块输入预先训练好的图像分割模型,以分割得到病灶区域。3.如权利要求2所述的确定病灶取样区的方法,其特征在于,所述图像分割模型的训练过程包括:构建卷积神经网络模型,并设置所述卷积神经网络模型的初始参数;获取训练样本集,所述训练样本集包括输入图像和标签图像,所述输入图像为包含所述病灶的医学图像,所述标签图像为与所述输入图像对应的已完成分割的图像;基于所述训练样本集对所述卷积神经网络模型进行训练,并修正所述卷积神经网络模型的参数,以得到图像分割模型。4.如权利要求1所述的确定病灶取样区的方法,其特征在于,计算所述病灶区域中各像素点的多重分形维数,包括:计算所述病灶区域中各像素点的瑞丽熵;基于所述瑞丽熵计算所述病灶区域中各像素点的多重分形维数。5.如权利要求4所述的确定病灶取样区的方法,其特征在于,计算所述病灶区域中各像素点的瑞丽熵,包括:计算所述病灶区域中各像素点的三阶瑞丽熵,所述三阶瑞丽熵的计算公式为:;其中,P
i
为图像中灰度i出现的概率,n(t)为将图像按t精度分割后得到的网格的个数。6.如权利要求5所述的确定病...
【专利技术属性】
技术研发人员:聂可卉,杨俊,蔡鑫,
申请(专利权)人:浙江太美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。