[發(fā)明專利]一種預測圖像生成方法及裝置

有效

• 申請?zhí)枺?/td>: 201710467221.3
• 申請日: 2017-06-19
• 公開（公告）號: CN107292103B
• 公開（公告）日: 2020-07-31
• 發(fā)明（設計）人: 董文儲;張振中
• 申請（專利權）人: 京東方科技集團股份有限公司
• 主分類號: G16H50/50
• 分類號: G16H50/50;G16H30/00
• 代理公司: 北京潤澤恒知識產(chǎn)權代理有限公司 11319
• 代理人: 莎日娜

本發(fā)明提供了一種預測圖像生成方法和裝置。所述方法包括：獲取患者的特征信息；根據(jù)所述患者的特征信息確定所述患者的病灶圖像對應的病程階段；將所述病灶圖像及所述病程階段輸入預先建立的圖像預測模型，生成所述患者的預測病灶圖像；所述預測病灶圖像為所述病程階段的演進階段對應的病灶圖像。本發(fā)明通過在確定的患者的病灶圖像對應的病程階段之后，將病灶圖像即病程階段輸入預先建立的圖像預測模型，生成患者的預測病灶圖像，因此，患者可以根據(jù)生成的預測病灶圖像可以直觀地觀察自己未來的病灶演變情況。

技術領域

本發(fā)明涉及醫(yī)學技術領域，特別是涉及一種預測圖像生成方法及裝置。

背景技術

目前的可視化醫(yī)療診斷領域中，病灶圖像的處理和分析是常用的醫(yī)療技術手段之一，醫(yī)生可以通過對病灶圖像(如X光圖像、B超圖像、胃鏡照片、核磁影像等等)的分析深入了解患者的病灶情況，并給出合理的治療建議。

然而，大部分患者對醫(yī)學專業(yè)知識掌握有限，患者本人所了解到的僅是醫(yī)生依據(jù)病灶圖像分析到的結(jié)果，患者不能準確和形象地預知自己未來的病灶演變情況。

因此，如何提供演變的病灶圖像以供用戶直接觀看成為了亟待解決的問題。

發(fā)明內(nèi)容

本發(fā)明提供一種預測圖像生成方法及裝置，以解決現(xiàn)有的患者不能準確和形象地預知自己的病灶未來演變情況的的問題。

為了解決上述問題，本發(fā)明公開了一種預測圖像生成方法，包括：獲取患者的特征信息；根據(jù)所述患者的特征信息確定所述患者的病灶圖像對應的病程階段；將所述病灶圖像及所述病程階段輸入預先建立的圖像預測模型，生成所述患者的預測病灶圖像；所述預測病灶圖像為所述病程階段的演進階段對應的病灶圖像。

優(yōu)選地，所述圖像預測模型通過以下方式獲得：獲取病程連續(xù)的樣本病程階段及對應的樣本病灶圖像；將所述病程連續(xù)的樣本病程階段及對應的樣本病灶圖像，輸入預測模型進行訓練，獲得所述圖像預測模型。

優(yōu)選地，所述獲取患者的特征信息包括：接收所述患者的病歷數(shù)據(jù)；從所述病歷數(shù)據(jù)中提取所述患者的特征信息。

優(yōu)選地，所述根據(jù)所述患者的特征信息確定所述患者的病灶圖像對應的病程階段，包括：根據(jù)所述患者的特征信息，在患者聚類類型中確定所述患者所屬的第一聚類類型；所述患者聚類類型為預先根據(jù)樣本患者特征信息通過聚類算法獲得的聚類類型，每種聚類類型對應有圖像分類模型；將預先獲得的所述患者的病灶圖像輸入所述第一聚類類型對應的第一圖像分類模型，確定所述病灶圖像對應的病程階段。

優(yōu)選地，所述圖像分類模型通過以下方式獲得：獲取每種聚類類型下不同病程階段對應的樣本病灶圖像；將所述不同病程階段對應的樣本病灶圖像輸入分類模型進行訓練，獲得所述每種聚類類型對應的圖像分類模型。

優(yōu)選地，所述根據(jù)所述患者的特征信息確定所述患者的病灶圖像對應的病程階段，還包括：根據(jù)所述患者的特征信息，在患者聚類類型中確定所述患者所屬的第一聚類類型；所述患者聚類類型為預先根據(jù)樣本患者特征信息通過聚類算法獲得的聚類類型；根據(jù)所述患者的特征信息中包含的病程階段信息，在所述第一聚類類型對應的圖像信息中確定所述患者的病程階段對應的病灶圖像；所述圖像信息包括病程階段與病灶圖像的對應關系。

為了解決上述問題，本發(fā)明還公開了一種預測圖像生成裝置，包括：特征信息獲取模塊，用于獲取患者的特征信息；病程階段確定模塊，用于根據(jù)所述患者的特征信息確定所述患者的病灶圖像對應的病程階段；預測病灶圖像生成模塊，用于將所述病灶圖像及所述病程階段輸入預先建立的圖像預測模型，生成所述患者的預測病灶圖像；所述預測病灶圖像為所述病程階段的演進階段對應的病灶圖像。

優(yōu)選地，所述圖像預測模型通過以下方式獲得：獲取病程連續(xù)的樣本病程階段及對應的樣本病灶圖像；將所述病程連續(xù)的樣本病程階段及對應的樣本病灶圖像，輸入預測模型進行訓練，獲得所述圖像預測模型。