[發明專利]醫學圖像分析方法、計算機設備和可讀存儲介質

在審

• 申請號: 202010009247.5
• 申請日: 2020-01-06
• 公開（公告）號: CN111210414A
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 李青峰;石峰
• 申請（專利權）人: 上海聯影智能醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06K9/32
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 喬改利

本發明涉及一種醫學圖像分析方法、計算機設備和可讀存儲介質，該方法包括：獲取待分析的醫學圖像；將醫學圖像輸入預設的分類模型，得到醫學圖像的分類結果；執行縮減操作：對醫學圖像進行縮減操作，得到縮減醫學圖像；將縮減醫學圖像輸入分類模型，得到縮減醫學圖像的分類結果；若縮減醫學圖像的分類結果精度大于醫學圖像的分類結果精度，則將縮減醫學圖像確定為醫學圖像的感興趣區域；若縮減醫學圖像的分類結果精度不大于醫學圖像的分類結果精度，改變縮減操作的方向，重復縮減操作，該方法提高了確定的感興趣區域的準確度。

技術領域

本發明涉及醫學圖像領域，特別是涉及一種醫學圖像分析方法、計算機設備和可讀存儲介質。

背景技術

醫學成像由于其非介入、成像快等特點，被廣泛應用于疾病診斷過程中，以磁共振成像(Magnetic Resonance Imaging,MRI)為例，MRI因其無放射性、對腦結構成像質量高等特性，被越來越廣泛地使用于腦疾病的診斷。計算機輔助診斷(Computer AidedDiagnosis,CAD)可以根據MRI等醫學影像有效篩查腦疾病患者，大大降低醫生的工作量，同時也可提高醫生檢測的準確度。

作為CAD的重要一步，對于給定的醫學圖像首先需要定位其與正常人群圖像的差異(即感興趣區域)為醫生的診斷提供指導，或作為后續CAD系統的輔助信息。傳統技術中，主要是利用人工手動標注法，由具有豐富臨床經驗的醫生確定出待檢測醫學圖像中的感興趣區域，或者利用圖像配準法，將待檢測醫學圖像與正常人群圖像進行配準，從而定位出待檢測醫學圖像中的感興趣區域。

但是，傳統的定位感興趣區域的方法存在定位不準確的問題。

發明內容

基于此，有必要針對傳統的定位感興趣區域的方法存在定位不準確的問題，提供一種醫學圖像分析方法、計算機設備和可讀存儲介質。

第一方面，本發明實施例提供一種醫學圖像分析方法，所述方法包括：

獲取待分析的醫學圖像；

將所述醫學圖像輸入預設的分類模型，得到所述醫學圖像的分類結果；以及以下步驟：

執行縮減操作：對所述醫學圖像進行縮減操作，得到縮減醫學圖像；將所述縮減醫學圖像輸入所述分類模型，得到所述縮減醫學圖像的分類結果；若所述縮減醫學圖像的分類結果精度大于所述醫學圖像的分類結果精度，則將所述縮減醫學圖像確定為醫學圖像的感興趣區域；

若所述縮減醫學圖像的分類結果精度不大于所述醫學圖像的分類結果精度，改變所述縮減操作的方向，重復所述縮減操作。

在其中一個實施例中，所述方法還包括迭代步驟：

將所述縮減醫學圖像作為所述醫學圖像，對所述步驟進行迭代操作，得到第二至第N個縮減醫學圖像，其中，在所有縮減操作的方向上，所述第N+1個縮減醫學圖像的分類結果精度不大于所述第N個醫學圖像的分類結果精度。

在其中一個實施例中，所述方法還包括：

將所述醫學圖像的感興趣區域或第二至第N個縮減醫學圖像中的任意圖像輸入預設的疾病標簽預測模型，得到所述醫學圖像的預測結果。

在其中一個實施例中，所述方法還包括：

將所述醫學圖像的感興趣區域輸入預設的疾病標簽預測模型，得到所述醫學圖像的預測結果。

在其中一個實施例中，所述疾病標簽預測模型包括循環神經網絡模型，所述方法還包括：

從所述醫學圖像、所述縮減醫學圖像、所述第二至第N個縮減醫學圖像中按順序任意選擇多幅圖像，組成圖像序列；

將所述圖像序列中的第一幅圖像，輸入所述循環神經網絡模型，得到中間預測結果；