[發(fā)明專利]醫(yī)學(xué)圖像的處理方法及裝置、電子設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010727761.2
• 申請(qǐng)日: 2020-07-23
• 公開（公告）號(hào): CN111833344A
• 公開（公告）日: 2020-10-27
• 發(fā)明（設(shè)計(jì)）人: 董樂(lè);張寧;趙磊;陳相蕾;黃寧;趙亮;袁璟
• 申請(qǐng)（專利權(quán)）人: 上海商湯智能科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/10;G06K9/46;G06N3/08;G06N3/04
• 代理公司: 北京林達(dá)劉知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11277
• 代理人: 劉新宇

1.一種醫(yī)學(xué)圖像的處理方法，其特征在于，包括：

對(duì)三維醫(yī)學(xué)圖像進(jìn)行特征提取，得到特征圖；

基于所述特征圖，得到所述三維醫(yī)學(xué)圖像對(duì)應(yīng)多個(gè)類別的得分；

基于所述多個(gè)類別的得分，確定與所述多個(gè)類別中的每個(gè)類別對(duì)應(yīng)的第一權(quán)重；

根據(jù)所述特征圖以及所述每個(gè)類別對(duì)應(yīng)的第一權(quán)重，得到所述三維醫(yī)學(xué)圖像對(duì)應(yīng)的熱力圖。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)三維醫(yī)學(xué)圖像進(jìn)行特征提取，得到特征圖，包括：

通過(guò)神經(jīng)網(wǎng)絡(luò)中的特征提取子網(wǎng)絡(luò)對(duì)三維醫(yī)學(xué)圖像進(jìn)行特征提取，得到特征圖，其中，所述特征提取子網(wǎng)絡(luò)為刪除全連接層和softmax層后的VGG16網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述特征圖，得到所述三維醫(yī)學(xué)圖像對(duì)應(yīng)多個(gè)類別的得分，包括：

對(duì)所述特征圖進(jìn)行池化操作，得到第一特征向量；

沿所述第一特征向量的第一維度取最大值，得到第二特征向量；

對(duì)所述第二特征向量進(jìn)行全連接操作，得到所述三維醫(yī)學(xué)圖像對(duì)應(yīng)多個(gè)類別的得分。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對(duì)所述特征圖進(jìn)行池化操作，得到第一特征向量，包括：

通過(guò)所述神經(jīng)網(wǎng)絡(luò)中的分類子網(wǎng)絡(luò)中的第一池化層對(duì)所述特征圖進(jìn)行池化操作，得到第一特征向量；

所述對(duì)所述第二特征向量進(jìn)行全連接操作，得到所述三維醫(yī)學(xué)圖像對(duì)應(yīng)多個(gè)類別的得分，包括：

通過(guò)所述分類子網(wǎng)絡(luò)中的全連接層對(duì)所述第二特征向量進(jìn)行全連接操作，得到所述三維醫(yī)學(xué)圖像對(duì)應(yīng)多個(gè)類別的得分。

5.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，在所述通過(guò)神經(jīng)網(wǎng)絡(luò)中的特征提取子網(wǎng)絡(luò)對(duì)三維醫(yī)學(xué)圖像進(jìn)行特征提取之前，所述方法還包括：

獲取多個(gè)訓(xùn)練圖像；

將所述多個(gè)訓(xùn)練圖像分別輸入所述神經(jīng)網(wǎng)絡(luò)，經(jīng)由所述神經(jīng)網(wǎng)絡(luò)輸出所述多個(gè)訓(xùn)練圖像的類別預(yù)測(cè)結(jié)果；

根據(jù)所述多個(gè)訓(xùn)練圖像的類別預(yù)測(cè)結(jié)果，所述多個(gè)訓(xùn)練圖像的真實(shí)類別，以及所述多個(gè)類別對(duì)應(yīng)的第二權(quán)重，確定所述神經(jīng)網(wǎng)絡(luò)的損失函數(shù)的值；

根據(jù)所述損失函數(shù)的值，訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述多個(gè)類別中的任一類別對(duì)應(yīng)的第二權(quán)重，等于該類別的訓(xùn)練圖像的數(shù)量的倒數(shù)。

7.根據(jù)權(quán)利要求1至6中任意一項(xiàng)所述的方法，其特征在于，所述三維醫(yī)學(xué)圖像包括冠狀面、矢狀面和橫斷面中至少兩個(gè)掃描平面的三維醫(yī)學(xué)圖像。

8.根據(jù)權(quán)利要求1至6中任意一項(xiàng)所述的方法，其特征在于，所述三維醫(yī)學(xué)圖像包括冠狀面、矢狀面和橫斷面中的一個(gè)掃描平面的三維醫(yī)學(xué)圖像。

9.根據(jù)權(quán)利要求1至8中任意一項(xiàng)所述的方法，其特征在于，

在所述對(duì)三維醫(yī)學(xué)圖像進(jìn)行特征提取之前，所述方法還包括：根據(jù)所述三維醫(yī)學(xué)圖像中的目標(biāo)區(qū)域的位置，對(duì)所述三維醫(yī)學(xué)圖像進(jìn)行裁剪，得到裁剪后的三維醫(yī)學(xué)圖像；

所述對(duì)三維醫(yī)學(xué)圖像進(jìn)行特征提取，包括：對(duì)所述裁剪后的三維醫(yī)學(xué)圖像進(jìn)行特征提取。

10.一種醫(yī)學(xué)圖像的處理裝置，其特征在于，包括：

提取模塊，用于對(duì)三維醫(yī)學(xué)圖像進(jìn)行特征提取，得到特征圖；

第一確定模塊，用于基于所述特征圖，得到所述三維醫(yī)學(xué)圖像對(duì)應(yīng)多個(gè)類別的得分；

第二確定模塊，用于基于所述多個(gè)類別的得分，確定與所述多個(gè)類別中的每個(gè)類別對(duì)應(yīng)的第一權(quán)重；

第三確定模塊，用于根據(jù)所述特征圖以及所述每個(gè)類別對(duì)應(yīng)的第一權(quán)重，得到所述三維醫(yī)學(xué)圖像對(duì)應(yīng)的熱力圖。

11.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述提取模塊用于：

通過(guò)神經(jīng)網(wǎng)絡(luò)中的特征提取子網(wǎng)絡(luò)對(duì)三維醫(yī)學(xué)圖像進(jìn)行特征提取，得到特征圖，其中，所述特征提取子網(wǎng)絡(luò)為刪除全連接層和softmax層后的VGG16網(wǎng)絡(luò)。