【技术实现步骤摘要】
本申请涉及人工智能和数字医疗，尤其涉及一种肺脑图像的处理方法和装置、设备、存储介质。
技术介绍
1、当前，使用活检等临床技术预测非小细胞肺癌脑转移技术存在一些普遍的问题，比如早期检测的难度，由于肿瘤细胞异质性导致预测的不确定性等，并且，活检作为一种侵入式检测方式，不适合身体情况较差的患者。此外，由于肿瘤细胞的异质性，传统临床检测方式存在一定的假阳性，并且，肿瘤浅层特征可能无法准确预测高纬度差异特征，不能很好地区分已经可能发生远处转移的相似度极高的原发肿瘤，导致预测结果不准确。传统的非小细胞肺癌脑转移方法通常是基于肺部ct图像和脑部mr图像，肺部ct图像和脑部mr图像不是同步获取，从而导致成本较高。
技术实现思路
1、本申请实施例的主要目的在于提出一种肺脑图像的处理方法和装置、设备、存储介质，旨在提高识别疾病类别的准确性和效率。
2、为实现上述目的，本申请实施例的第一方面提出了一种肺脑图像的处理方法，所述方法包括：
3、采集医学图像数据和临床特征数据；其中，所述医学图像数据包括肺部图像和脑部图像，所述医学图像数据基于正电子发射型计算机断层扫描得到；
4、从所述临床特征数据筛选出目标临床特征；
5、对所述肺部图像进行预处理得到肺初步图像；
6、对所述脑部图像进行预处理得到脑初步图像；
7、对所述肺初步图像进行深浅特征提取，得到肺部深度特征和肺部浅层特征，对所述脑初步图像进行深特征提取得到脑深度特征；
8
9、根据所述目标特征进行疾病分类，得到目标疾病类别。
10、在一些实施例，所述肺部图像包括肺功能图像序列和肺生态学图像序列，所述对所述肺部图像进行预处理得到肺初步图像，包括：
11、将所述肺功能图像序列的分辨率和所述肺生态学图像序列的分辨率调整为目标分辨率，得到肺调整图像；
12、对所述肺调整图像进行切片提取，得到肺切片图像；其中，所述肺切片图像包括肺功能切片图像和肺生态学切片图像；
13、对所述肺生态学切片图像进行标准化处理，得到肺生态学标准化图像；
14、根据所述肺功能切片图像和所述肺生态学标准化图像进行融合，得到肺初步图像。
15、在一些实施例，所述根据所述肺功能切片图像和所述肺生态学标准化图像进行图像融合，得到肺初步图像，包括：
16、对所述肺功能切片图像的像素进行标准化摄取值转换，得到肺功能标准化图像；
17、将所述肺功能标准化图像和所述肺生态学标准化图像进行图像融合，得到所述肺初步图像。
18、在一些实施例，所述脑部图像包括脑功能图像和脑生态学图像，所述对所述脑部图像进行预处理得到脑初步图像，包括：
19、对所述脑生态学图像进行标准化处理，得到脑生态学标准化图像；
20、对所述脑功能图像的像素进行标准化摄取值转换，得到脑功能标准化图像；
21、将所述脑功能标准化图像和所述脑生态学标准化图像进行图像融合，得到所述脑初步图像。
22、在一些实施例，所述对所述目标临床特征、所述肺部深度特征、所述肺部浅层特征和所述脑深度特征进行特征筛选，得到目标特征，包括：
23、将所述目标临床特征、所述肺部深度特征、所述肺部浅层特征和所述脑深度特征作为候选特征，将所述候选特征与预设的参考标签进行差异比对，得到特征差异数据；
24、根据所述特征差异数据从所述候选特征筛选出选定特征；
25、基于预设的最小绝对收缩和选择算子模型从所述选定特征筛选出所述目标特征。
26、在一些实施例，所述根据所述目标特征进行疾病分类，得到目标疾病类别，包括：
27、获取至少两个预先训练的目标预测模型；其中，每一所述目标预测模型包括目标分类器，所述目标分类器采用支持向量机；
28、基于所述目标分类器对所述目标特征进行特征相关性分析，得到所述目标疾病类别。
29、在一些实施例，所述从所述临床特征数据筛选出目标临床特征，包括：
30、对所述临床特征数据的原始临床特征进行显著性评估，得到显著性评估数据；
31、基于所述显著性评估数据对所述临床特征数据的原始临床特征进行筛选，得到所述目标临床特征。
32、为实现上述目的，本申请实施例的第二方面提出了一种肺脑图像的处理装置，所述装置包括：
33、数据采集模块，用于采集医学图像数据和临床特征数据；其中，所述医学图像数据包括肺部图像和脑部图像，所述医学图像数据基于正电子发射型计算机断层扫描得到；
34、临床特征筛选模块，用于从所述临床特征数据筛选出目标临床特征；
35、肺图像预处理模块，用于对所述肺部图像进行预处理得到肺初步图像；
36、脑图像预处理模块，对所述脑部图像进行预处理得到脑初步图像；
37、特征提取模块，用于对所述肺初步图像进行深浅特征提取，得到肺部深度特征和肺部浅层特征，对所述脑初步图像进行深特征提取得到脑深度特征；
38、目标特征选择模块，用于对所述目标临床特征、所述肺部深度特征、所述肺部浅层特征和所述脑深度特征进行特征筛选，得到目标特征；
39、疾病分类模块，用于根据所述目标特征进行疾病分类，得到目标疾病类别。
40、为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
41、为实现上述目的，本申请实施例的第四方面提出了一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。
42、本申请实施例提出的肺脑图像的处理方法和装置、设备、存储介质,其通过采集医学图像数据和临床特征数据，其中医学图像数据包括肺部图像和脑部图像，医学图像数据基于正电子发射型计算机断层扫描得到，从临床特征数据筛选出目标临床特征，对肺部图像进行预处理得到肺初步图像，对脑部图像进行预处理得到脑初步图像，对肺初步图像进行深浅特征提取得到肺部深度特征和肺部浅层特征，对脑初步图像进行深特征提取得到脑深度特征，对目标临床特征、肺部深度特征、肺部浅层特征和脑深度特征进行特征筛选，得到目标特征，从而根据目标特征进行疾病分类，以得到目标疾病类别，本申请实施例基于pet-ct图像，并结合肺部深、浅特征、脑部深度特征进行疾病分类，可以提高疾病分类的准确性和效率。
本文档来自技高网...【技术保护点】
1.一种肺脑图像的处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述肺部图像包括肺功能图像序列和肺生态学图像序列，所述对所述肺部图像进行预处理得到肺初步图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述肺功能切片图像和所述肺生态学标准化图像进行图像融合，得到肺初步图像，包括：
4.根据权利要求1所述的方法，其特征在于，所述脑部图像包括脑功能图像和脑生态学图像，所述对所述脑部图像进行预处理得到脑初步图像，包括：
5.根据权利要求1至4任一项所述的方法，其特征在于，所述对所述目标临床特征、所述肺部深度特征、所述肺部浅层特征和所述脑深度特征进行特征筛选，得到目标特征，包括：
6.根据权利要求1至4任一项所述的方法，其特征在于，
7.根据权利要求1至4任一项所述的方法，其特征在于，所述从所述临床特征数据筛选出目标临床特征，包括：
8.一种肺脑图像的处理装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理
10.一种计算机可读存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种肺脑图像的处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述肺部图像包括肺功能图像序列和肺生态学图像序列，所述对所述肺部图像进行预处理得到肺初步图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述肺功能切片图像和所述肺生态学标准化图像进行图像融合，得到肺初步图像，包括：
4.根据权利要求1所述的方法，其特征在于，所述脑部图像包括脑功能图像和脑生态学图像，所述对所述脑部图像进行预处理得到脑初步图像，包括：
5.根据权利要求1至4任一项所述的方法，其特征在于，所述对所述目标临床特征、所述肺部深度特征、所述肺部浅层特...
【专利技术属性】
技术研发人员：胡战利，黄振兴，祝媛，梁栋，郑海荣，杨永峰，
申请(专利权)人：中国科学院深圳先进技术研究院，
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。