[發明專利]一種醫學圖像預處理方法及系統

在審

• 申請號: 202111286692.7
• 申請日: 2021-11-02
• 公開（公告）號: CN114242209A
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 洪坤磊;錢令軍;肖謙;劉遠明
• 申請（專利權）人: 深圳市智影醫療科技有限公司
• 主分類號: G16H30/20
• 分類號: G16H30/20;G06N20/00
• 代理公司: 深圳市徽正知識產權代理有限公司 44405
• 代理人: 盧杏艷

1.一種醫學圖像預處理方法，其特征在于，包括：

構建醫學圖像數據集，所述醫學圖像數據集包括圖像質量正常的正常圖片數據集和圖像質量異常的異常圖片數據集；

對醫學圖像數據集進行梯度計算，分別生成正常圖片數據集對應的第一梯度分布和異常圖片數據集對應的第二梯度分布；

根據第一梯度分布和第二梯度分布確定梯度閾值；

獲取待處理的醫學圖像，計算待處理的醫學圖像的第三梯度，根據第三梯度與梯度閾值的關系，獲取待處理的醫學圖像的圖像類別；

根據所述圖像類別執行對應的操作。

2.根據權利要求1所述的醫學圖像預處理方法，其特征在于，所述獲取待處理的醫學圖像，計算待處理的醫學圖像的第三梯度，根據第三梯度與梯度閾值的關系，獲取待處理的醫學圖像的圖像類別，包括：

獲取待處理的醫學圖像，計算待處理的醫學圖像的第三梯度，判斷第三梯度是否大于梯度閾值；

若第三梯度大于梯度閾值，則判定待處理的醫學圖像的圖像類別為正常圖像；

若第三梯度小于等于梯度閾值，則判定待處理的醫學圖像的圖像類別為異常圖像。

3.根據權利要求2所述的醫學圖像預處理方法，其特征在于，所述圖像類別為正常圖像時，根據所述圖像類別執行對應的操作，包括：

將所述待處理的醫學圖像輸入深度學習模型，獲取對應的識別結果。

4.根據權利要求2所述的醫學圖像預處理方法，其特征在于，所述圖像類別為異常圖像時，根據所述圖像類別執行對應的操作，包括：

將所述待處理的醫學圖像進行刪除，不再輸入深度學習模型。

5.根據權利要求1所述的醫學圖像預處理方法，其特征在于，所述根據第一梯度分布和第二梯度分布確定梯度閾值，包括：

采用統計方法，分別統計第一梯度對應第一概率分布圖和第二梯度對應的第二概率分布圖；

根據第一概率分布圖獲取正常圖片數據集的概率密度最大值所在的第一區間；

根據第二概率分布圖獲取異常圖片數據集的概率密度最大值所在的第二區間；

根據第一區間和第二區間，確定梯度閾值。

6.一種醫學圖像預處理系統，其特征在于，所述系統包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處理器執行時實現以下步驟：

構建醫學圖像數據集，所述醫學圖像數據集包括圖像質量正常的正常圖片數據集和圖像質量異常的異常圖片數據集；

對醫學圖像數據集進行梯度計算，分別生成正常圖片數據集對應的第一梯度分布和異常圖片數據集對應的第二梯度分布；

根據第一梯度分布和第二梯度分布確定梯度閾值；

獲取待處理的醫學圖像，計算待處理的醫學圖像的第三梯度，根據第三梯度與梯度閾值的關系，獲取待處理的醫學圖像的圖像類別；

根據所述圖像類別執行對應的操作。

7.根據權利要求6所述的醫學圖像預處理系統，其特征在于，所述計算機程序被所述處理器執行時還實現以下步驟：

獲取待處理的醫學圖像，計算待處理的醫學圖像的第三梯度，判斷第三梯度是否大于梯度閾值；

若第三梯度大于梯度閾值，則判定待處理的醫學圖像的圖像類別為正常圖像；

若第三梯度小于等于梯度閾值，則判定待處理的醫學圖像的圖像類別為異常圖像。

8.根據權利要求7所述的醫學圖像預處理系統，其特征在于，所述計算機程序被所述處理器執行時還實現以下步驟：

將所述待處理的醫學圖像輸入深度學習模型，獲取對應的識別結果。