[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;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

本公開涉及一種醫(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)。所述方法包括：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。

技術(shù)領(lǐng)域

本公開涉及圖像技術(shù)領(lǐng)域，尤其涉及一種醫(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)。

背景技術(shù)

隨著深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)的興起，基于卷積神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像處理方法也隨之產(chǎn)生。醫(yī)學(xué)圖像處理的對(duì)象是各種不同成像機(jī)理的醫(yī)學(xué)影像，臨床廣泛使用的醫(yī)學(xué)成像種類主要有X-射線成像(X-CT，X-Computed Tomography)、核磁共振成像(MRI，Magnetic Resonance Imaging)、核醫(yī)學(xué)成像(NMI，Nuclear Medicine Imaging)和超聲波成像(UI，Ultrasonic Imaging)四類。如何提高醫(yī)學(xué)圖像處理結(jié)果的可解釋性，是亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

本公開提供了一種醫(yī)學(xué)圖像的處理技術(shù)方案。

根據(jù)本公開的一方面，提供了一種醫(yī)學(xué)圖像的處理方法，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。

通過對(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，并根據(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，由此能夠提高三維醫(yī)學(xué)圖像的分類結(jié)果的可解釋性。

在一種可能的實(shí)現(xiàn)方式中，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)。

在該實(shí)現(xiàn)方式中，通過采用刪除全連接層和softmax層后的VGG16網(wǎng)絡(luò)對(duì)三維醫(yī)學(xué)圖像進(jìn)行特征提取，由此能夠在保證特征提取的準(zhǔn)確性的前提下，減小神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)復(fù)雜度，提高神經(jīng)網(wǎng)絡(luò)的處理速度，降低時(shí)間開銷。

在一種可能的實(shí)現(xiàn)方式中，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。

在該實(shí)現(xiàn)方式中，通過采用刪除全連接層和softmax層后的VGG16網(wǎng)絡(luò)后的VGG16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，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，并對(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，由此能夠在保證對(duì)三維醫(yī)學(xué)圖像進(jìn)行分類的準(zhǔn)確性的前提下，提高分類速度。

在一種可能的實(shí)現(xiàn)方式中，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；