[發(fā)明專利]一種面向醫(yī)學(xué)圖像的數(shù)據(jù)增強(qiáng)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110841567.1
• 申請(qǐng)日: 2021-07-26
• 公開（公告）號(hào): CN113436114A
• 公開（公告）日: 2021-09-24
• 發(fā)明（設(shè)計(jì)）人: 李瑞瑞;劉嘉潤(rùn);趙偉
• 申請(qǐng)（專利權(quán)）人: 北京富通東方科技有限公司
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00;G06T7/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種面向醫(yī)學(xué)圖像的數(shù)據(jù)增強(qiáng)方法，其特征在于，包括以下步驟：數(shù)據(jù)的采集與讀??；訓(xùn)練醫(yī)療預(yù)分類模型；獲取圖像的激活映射圖；劃分有效激活區(qū)域和非有效區(qū)域；檢測(cè)圖像中的干擾物并進(jìn)行標(biāo)記；對(duì)醫(yī)學(xué)圖像進(jìn)行修復(fù)。通過上述方式，本發(fā)明能夠降低醫(yī)學(xué)圖像處理對(duì)關(guān)鍵診療部位的影響，有效降低了診療關(guān)鍵信息缺失的可能性；在保證診療關(guān)鍵語義信息不被改變的前提下，最大程度的去除了干擾物對(duì)數(shù)字化診療產(chǎn)生的影響。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理領(lǐng)域，特別是涉及一種面向醫(yī)學(xué)圖像的數(shù)據(jù)增強(qiáng)方法。

背景技術(shù)

在醫(yī)學(xué)圖像的獲取過程中，往往受到諸如毛發(fā)、灰塵、光斑等因素的影響，導(dǎo)致最終獲取到的圖像不清晰、有異物遮擋或有很多與疾病診斷無關(guān)的信息，從而影響數(shù)字化診療手段的診療效果。

有的干擾物對(duì)診療關(guān)鍵部位造成了直接影響的遮擋，如壓蓋住傷口的毛發(fā)、覆蓋在腫瘤上的光斑等。有的干擾物對(duì)診療造成了間接影響的物體，如黑色素瘤附近的毛發(fā)、毛孔、傷口等，雖然這些在診療關(guān)鍵部位周邊的干擾物只對(duì)診療造成間接的影響，帶來的干擾不如直接影響的大，但仍會(huì)影響數(shù)字化診療模型的設(shè)計(jì)和學(xué)習(xí)，導(dǎo)致診療模型將一些與疾病無關(guān)的因素關(guān)聯(lián)起來，容易造成診療的誤判。這些干擾物因素都會(huì)對(duì)數(shù)字化診療造成干擾，從而影響診療效果。

針對(duì)這些干擾物，常規(guī)的做法是使用圖像修復(fù)技術(shù)對(duì)干擾物進(jìn)行去除，或?qū)Ω蓴_物進(jìn)行識(shí)別并添加通過掩膜（Mask）屏蔽相關(guān)區(qū)域消除影響。但醫(yī)學(xué)圖像具有非常高的準(zhǔn)確性要求，這些操作均有一定的概率影響到疾病診療的關(guān)鍵部位，從而導(dǎo)致疾病診療的偏差。

因此，在醫(yī)學(xué)圖像的數(shù)字化診療流程中，亟需一種既能保護(hù)診療關(guān)鍵部位信息、又能最大化去除干擾物影響的圖像處理手段。

公告號(hào)為CN111127466A，名稱為醫(yī)學(xué)圖像檢測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)的專利文獻(xiàn)，提出了對(duì)醫(yī)學(xué)圖像進(jìn)行分割處理，根據(jù)病灶分割區(qū)域和非病灶分割區(qū)域，確定該醫(yī)學(xué)圖像中表征所述目標(biāo)部位的病灶信息的檢測(cè)結(jié)果的技術(shù)方案，該專利對(duì)醫(yī)學(xué)圖像進(jìn)行了區(qū)域分割及干擾物去除，但其忽略了病灶區(qū)域外的信息。在此基礎(chǔ)上想要得到這些信息，只能通過多階段，即利用關(guān)鍵區(qū)域與全局兩張圖像的方式獲取，但這又降低了檢測(cè)方法的效率。

發(fā)明內(nèi)容

本發(fā)明主要解決的技術(shù)問題是提供一種面向醫(yī)學(xué)圖像的數(shù)據(jù)增強(qiáng)方法，能夠有效去除采集到的醫(yī)學(xué)圖像數(shù)據(jù)中與疾病診斷無關(guān)的內(nèi)容，同時(shí)最大化保護(hù)疾病診療關(guān)鍵部位的信息，幫助后續(xù)的數(shù)字化診療手段進(jìn)行診療。

為解決上述技術(shù)問題，本發(fā)明采用的一個(gè)技術(shù)方案是：提供一種面向醫(yī)學(xué)圖像的數(shù)據(jù)增強(qiáng)方法，具體包括以下步驟：

S1：數(shù)據(jù)的采集與讀取；

S2：訓(xùn)練醫(yī)療預(yù)分類模型；

S3：獲取圖像的激活映射圖；

S4：劃分有效激活區(qū)域和非有效區(qū)域；

S5：檢測(cè)圖像中的干擾物并進(jìn)行標(biāo)記；

S6：對(duì)醫(yī)學(xué)圖像進(jìn)行修復(fù)。

進(jìn)一步的，所述S1，包括：

S11：根據(jù)診療需求對(duì)醫(yī)學(xué)圖像進(jìn)行采集；

S12：將采集到的醫(yī)學(xué)圖像進(jìn)行標(biāo)注；

S13：將標(biāo)注后的圖像轉(zhuǎn)化為標(biāo)準(zhǔn)化的圖像格式，形成標(biāo)準(zhǔn)化的醫(yī)學(xué)圖像數(shù)據(jù)集。

進(jìn)一步的，所述S2，訓(xùn)練過程包括：

S21：根據(jù)醫(yī)學(xué)圖像的類別，選取一種深度分類網(wǎng)絡(luò)模型；

S22：初始化深度分類網(wǎng)絡(luò)模型的參數(shù)，設(shè)定損失函數(shù)和優(yōu)化器；

S23：從標(biāo)準(zhǔn)化的醫(yī)學(xué)圖像數(shù)據(jù)集中任意選取x項(xiàng)數(shù)據(jù)；

S24：將x項(xiàng)數(shù)據(jù)輸入深度分類網(wǎng)絡(luò)模型中，得到深度分類網(wǎng)絡(luò)模型對(duì)每項(xiàng)數(shù)據(jù)的預(yù)測(cè)值；

S25：計(jì)算預(yù)測(cè)值與標(biāo)注之間的損失函數(shù)值，反向傳播至網(wǎng)絡(luò)參數(shù)并使用優(yōu)化器更新參數(shù)；

S26：若模型收斂，則結(jié)束訓(xùn)練，否則轉(zhuǎn)至S23。