[發明專利]腦圖像處理方法、裝置、可讀存儲介質及電子設備

有效

• 申請號: 201811594912.0
• 申請日: 2018-12-25
• 公開（公告）號: CN109816632B
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 平安;王希;何光宇;張立東
• 申請（專利權）人: 東軟集團股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京英創嘉友知識產權代理事務所(普通合伙) 11447
• 代理人: 魏嘉熹;南毅寧

本公開涉及一種腦圖像處理方法、裝置、可讀存儲介質及電子設備。所述方法包括：將目標腦圖像輸入到卷積神經網絡，獲得所述目標腦圖像的圖像特征，所述卷積神經網絡是通過對腦圖像訓練樣本集訓練而生成的；利用目標字典模型對所述目標腦圖像的圖像特征進行稀疏特征提取，得到所述目標腦圖像的稀疏特征；根據所述目標腦圖像的稀疏特征，確定所述目標腦圖像對應的圖像等級，所述圖像等級用于反映腦組織的變化程度。這樣，可以智能識別腦圖像中腦組織的變化程度，不再需要人為進行判斷，從而可以減小因個人環境、經驗等差異而導致的對于腦圖像識別的差異，進而提升腦圖像識別中對腦組織病變程度判定的準確性。

技術領域

本公開涉及計算機技術領域，具體地，涉及一種腦圖像處理方法、裝置、可讀存儲介質及電子設備。

背景技術

在醫學領域，常常需要拍攝腦結構CT、MRI、FGD PET等圖像以展示出患者腦部的實際情況。在腦結構CT、MRI、FGD PET等拍攝完畢后，醫生需要觀察此類圖像以獲知患者當前的腦部情況，例如，通過已拍攝的圖像確定患者腦組織的變化情況，其中腦組織的變化情況可表現為腦組織體積的變化等。目前，這類變化只能通過醫生人為來進行確定，而由于個人所處環境不同、個人經驗不同、個人視角差異等常常會導致觀察結果也存在差異，從而對后續的檢查結果也存在影響。因此，人為觀察的方式不僅耗費人力，還存在準確率不足的問題。

發明內容

本公開的目的是提供一種腦圖像處理方法、裝置、可讀存儲介質及電子設備，以對腦圖像中腦組織的變化程度進行準確識別。

為了實現上述目的，根據本公開的第一方面，提供一種腦圖像處理方法，所述方法包括：

將目標腦圖像輸入到卷積神經網絡，獲得所述目標腦圖像的圖像特征，所述卷積神經網絡是通過對腦圖像訓練樣本集訓練而生成的；

利用目標字典模型對所述目標腦圖像的圖像特征進行稀疏特征提取，得到所述目標腦圖像的稀疏特征；

根據所述目標腦圖像的稀疏特征，確定所述目標腦圖像對應的圖像等級，所述圖像等級用于反映腦組織的變化程度。

可選地，所述根據所述目標腦圖像的稀疏特征，確定所述目標腦圖像對應的圖像等級，包括：

根據所述目標腦圖像的稀疏特征和腦圖像分類模型，對所述目標腦圖像進行分類，其中，腦圖像的圖像分類包括第一圖像類和第二圖像類；

若所述目標腦圖像屬于所述第一圖像類，則根據所述目標腦圖像的稀疏特征和預設的基準稀疏特征，確定所述目標腦圖像對應的圖像等級。

可選地，所述目標字典模型通過如下方式獲得：

將所述腦圖像訓練樣本集中屬于所述第一圖像類的腦圖像訓練樣本輸入到所述卷積神經網絡，獲得所述第一圖像類的所述腦圖像訓練樣本的圖像特征；

根據所述第一圖像類的所述腦圖像訓練樣本的圖像特征，利用字典學習算法構建第一字典模型；

根據所述第一字典模型，獲得所述目標字典模型。

可選地，所述根據所述第一字典模型，獲得所述目標字典模型，包括：

將腦圖像測試樣本集中的腦圖像測試樣本輸入到所述卷積神經網絡，獲得所述腦圖像測試樣本的圖像特征；

根據所述腦圖像測試樣本的圖像特征，對所述腦圖像測試樣本集中的腦圖像測試樣本進行分類，并確定該分類對應的第一準確率；

利用所述第一字典模型對所述腦圖像測試樣本的圖像特征進行稀疏特征提取，得到所述腦圖像測試樣本的稀疏特征；

根據所述腦圖像測試樣本的稀疏特征和所述腦圖像分類模型，對所述腦圖像測試樣本集中的腦圖像測試樣本進行分類，并確定該分類對應的第二準確率；