[發(fā)明專利]醫(yī)學圖像分析方法、裝置、存儲介質及計算機設備

在審

• 申請?zhí)枺?/td>: 201911380010.1
• 申請日: 2019-12-27
• 公開（公告）號: CN111161239A
• 公開（公告）日: 2020-05-15
• 發(fā)明（設計）人: 薛忠;曹曉歡
• 申請（專利權）人: 上海聯影智能醫(yī)療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 任少瑞

1.一種醫(yī)學圖像分析方法，其特征在于，包括：

獲取待分析的醫(yī)學圖像；

當所述醫(yī)學圖像所在的圖像域與網絡模型對應的樣本醫(yī)學圖像所在的目標域不同時，確定所述醫(yī)學圖像為所述樣本醫(yī)學圖像的異質圖像，并對所述異質圖像進行域遷移處理，得到處理后圖像，所述處理后圖像所在的圖像域與所述目標域相同；

將所述處理后圖像輸入所述網絡模型，通過所述網絡模型對所述處理后圖像進行分析，得到所述醫(yī)學圖像對應的圖像分析結果。

2.根據權利要求1所述的方法，其特征在于，所述網絡模型的訓練過程包括：

獲取多份樣本醫(yī)學圖像以及對應的圖像分析金標準，所述多份樣本醫(yī)學圖像位于同一圖像域，所述圖像域為所述目標域；

使用所述多份樣本醫(yī)學圖像以及對應的圖像分析金標準對初始網絡模型進行訓練，得到用于分析醫(yī)學圖像的網絡模型。

3.根據權利要求1所述的方法，其特征在于，所述對所述異質圖像進行域遷移處理，得到處理后圖像包括：

將所述異質圖像輸入預先訓練好的域遷移網絡；

通過所述域遷移網絡對所述異質圖像進行特征提取，得到所述異質圖像對應的第一特征；將所述第一特征轉換為位于所述目標域的第二特征；對所述第二特征進行特征還原處理，得到所述處理后圖像。

4.根據權利要求3所述的方法，其特征在于，所述域遷移網絡包括圖像生成網絡；

所述域遷移網絡的訓練過程包括：

獲取位于第一圖像域的第一圖像以及位于所述目標域的第二圖像，所述第一圖像域與所述目標域不同；

將所述第一圖像輸入所述圖像生成網絡，通過所述圖像生成網絡得到生成圖像；

將所述生成圖像以及所述第二圖像輸入圖像鑒別網絡，通過所述圖像鑒別網絡鑒別所述生成圖像所在的圖像域是否與所述目標域相同；

基于鑒別結果對所述圖像生成網絡以及所述圖像鑒別網絡進行優(yōu)化，得到所述訓練好的域遷移網絡。

5.根據權利要求1所述的方法，其特征在于，所述醫(yī)學圖像的數量為多張；

所述對所述異質圖像進行域遷移處理，得到處理后圖像包括：

對各所述異質圖像進行聚類處理，得到至少一個圖像集；

對同一圖像集中的異質圖像進行域遷移處理，得到同一圖像集中各所述異質圖像對應的處理后圖像。

6.根據權利要求5所述的方法，其特征在于，所述對各所述異質圖像進行聚類處理，得到至少一個圖像集包括：

獲取各所述異質圖像的成像參數；

確定各所述異質圖像的成像參數的相似度；

根據所述相似度對各所述異質圖像進行聚類處理，得到至少一個圖像集。

7.根據權利要求1所述的方法，其特征在于，還包括：

當所述醫(yī)學圖像所在的圖像域與所述目標域相同時，將所述醫(yī)學圖像輸入所述網絡模型，通過所述網絡模型對所述醫(yī)學圖像進行分析，得到所述醫(yī)學圖像對應的圖像分析結果。

8.一種醫(yī)學圖像分析裝置，其特征在于，包括：

圖像獲取模塊，用于獲取待分析的醫(yī)學圖像；

域遷移處理模塊，用于當所述醫(yī)學圖像所在的圖像域與網絡模型對應的樣本醫(yī)學圖像所在的目標域不同時，確定所述醫(yī)學圖像為所述樣本醫(yī)學圖像的異質圖像，并對所述異質圖像進行域遷移處理，得到處理后圖像，所述處理后圖像所在的圖像域與所述目標域相同；

圖像分析模塊，用于將所述處理后圖像輸入所述網絡模型，通過所述網絡模型對所述處理后圖像進行分析，得到所述醫(yī)學圖像對應的圖像分析結果。

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現權利要求1至7中任一項所述方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現權利要求1至7中任一項所述的方法的步驟。