[發(fā)明專利]一種醫(yī)學圖像的處理方法及醫(yī)學圖像處理系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201711240745.5
• 申請日: 2017-11-30
• 公開（公告）號: CN107945168B
• 公開（公告）日: 2021-12-10
• 發(fā)明（設計）人: 王季勇;李強
• 申請（專利權）人: 上海聯(lián)影醫(yī)療科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/187;G06T7/30;G06N3/04
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明實施例公開了一種醫(yī)學圖像的處理方法及醫(yī)學圖像處理系統(tǒng)。該方法包括：獲取同一檢測區(qū)域的多幅醫(yī)學圖像；將多幅醫(yī)學圖像分別輸入到人工智能網絡產生多個概率分布圖，其中，所述概率分布圖用于判定所述醫(yī)學圖像的像素點屬于目標像素點的概率；將所述多個概率分布圖進行融合形成組合概率圖；根據所述組合概率圖在至少一幅所述醫(yī)學圖像中確定目標像素點的集合。本發(fā)明實施例提高了目標像素點的檢測速率和準確率。

技術領域

本發(fā)明實施例涉及圖像處理技術，尤其涉及一種醫(yī)學圖像的處理方法及醫(yī)學圖像處理系統(tǒng)。

背景技術

在進行醫(yī)學圖像檢測時，檢測結果通常存在兩種情況，一種是真實的目標區(qū)域，即實際病變的機體位置；一種是假陽性，即實際未出現(xiàn)病變但是檢測結果為病變的機體位置。因而，在進行醫(yī)學圖像檢測時，篩選出假陽性對于正確檢測到病灶的位置至關重要。

現(xiàn)有的對病灶檢測的方法，首先采用滑動窗口進行初檢，然后采用卷積神經網絡進行去假陽性操作。由于病灶和假陽性在圖像中所占的像素比例很小，采用滑動窗口進行初檢的方式在窗口的尺寸太大時，存在漏檢或誤檢的問題，在窗口的尺寸太小時，存在檢測速率太慢的問題。最終導致病灶檢測的準確率低以及速率慢。

發(fā)明內容

本發(fā)明實施例提供一種醫(yī)學圖像的處理方法及醫(yī)學圖像處理系統(tǒng)，解決現(xiàn)有的病灶檢測方法的準確率低以及速率慢的問題。

第一方面，本發(fā)明實施例提供了一種醫(yī)學圖像的處理方法，該方法包括：

獲取同一檢測區(qū)域的多幅醫(yī)學圖像；

將多幅醫(yī)學圖像分別輸入到人工智能網絡產生多個概率分布圖，其中，所述概率分布圖用于判定所述醫(yī)學圖像的像素點屬于目標像素點的概率；

將所述多個概率分布圖進行融合形成組合概率圖；

根據所述組合概率圖在至少一幅所述醫(yī)學圖像中確定目標像素點的集合。

進一步地，所述將所述多個概率分布圖進行融合形成組合概率圖，包括：

將所述多個概率分布圖進行對齊操作，得到組合概率圖，所述組合概率圖中每一點表示像素點為目標像素點的概率。

進一步地，根據所述組合概率圖在至少一幅所述醫(yī)學圖像中確定目標像素點的集合包括：

根據預設閾值對所述組合概率圖進行二值化處理，獲取二值圖；

確定所述二值圖中的獨立連通域，所述醫(yī)學圖像中與所述獨立連通域對應的像素點的集合為目標像素點的集合。

進一步地，所述多幅醫(yī)學圖像包括原始醫(yī)學圖像和所述原始醫(yī)學圖像的增強圖像，且所述原始醫(yī)學圖像和所述增強圖像包含灰度值不同的像素點；或者，所述多幅醫(yī)學圖像包括數(shù)個片層圖像，且各個片層圖像包含灰度值不同的像素點。

進一步地，所述目標像素點的集合為目標對象，所述目標對象對應肺部點狀區(qū)域或肋骨斷裂區(qū)域。

第二方面，本發(fā)明實施例還提供了一種醫(yī)學圖像的處理方法，該方法包括：獲取同一檢測區(qū)域的第一醫(yī)學圖像和第二醫(yī)學圖像，所述第一醫(yī)學圖像和所述第二醫(yī)學圖像分別包含多個像素點，且第一醫(yī)學圖像與第二醫(yī)學圖像包含灰度值不同的像素點；

利用人工智能網絡對所述第一醫(yī)學圖像進行處理，獲取第一分類結果；

利用人工智能網絡對所述第二醫(yī)學圖像進行處理，獲取第二分類結果；

聯(lián)合所述第一分類結果和第二分類結果在所述第一醫(yī)學圖像或第二醫(yī)學圖像中確定目標像素點的集合。

進一步地，所述第一分類結果為所述第一醫(yī)學圖像的每個像素點屬于目標像素點的概率值，所述第二分類結果為所述第二醫(yī)學圖像的每個像素點屬于目標像素點的概率值。