[發(fā)明專利]一種醫(yī)學(xué)圖像預(yù)處理方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111286692.7
• 申請(qǐng)日: 2021-11-02
• 公開（公告）號(hào): CN114242209A
• 公開（公告）日: 2022-03-25
• 發(fā)明（設(shè)計(jì)）人: 洪坤磊;錢令軍;肖謙;劉遠(yuǎn)明
• 申請(qǐng)（專利權(quán)）人: 深圳市智影醫(yī)療科技有限公司
• 主分類號(hào): G16H30/20
• 分類號(hào): G16H30/20;G06N20/00
• 代理公司: 深圳市徽正知識(shí)產(chǎn)權(quán)代理有限公司 44405
• 代理人: 盧杏艷

本發(fā)明實(shí)施例公開了一種醫(yī)學(xué)圖像預(yù)處理方法及系統(tǒng)，方法包括：構(gòu)建醫(yī)學(xué)圖像數(shù)據(jù)集，醫(yī)學(xué)圖像數(shù)據(jù)集包括圖像質(zhì)量正常的正常圖片數(shù)據(jù)集和圖像質(zhì)量異常的異常圖片數(shù)據(jù)集；對(duì)醫(yī)學(xué)圖像數(shù)據(jù)集進(jìn)行梯度計(jì)算，分別生成正常圖片數(shù)據(jù)集對(duì)應(yīng)的第一梯度分布和異常圖片數(shù)據(jù)集對(duì)應(yīng)的第二梯度分布；根據(jù)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(yī)學(xué)圖像，計(jì)算待處理的醫(yī)學(xué)圖像的第三梯度，根據(jù)第三梯度與梯度閾值的關(guān)系，獲取待處理的醫(yī)學(xué)圖像的圖像類別；根據(jù)圖像類別執(zhí)行對(duì)應(yīng)的操作。本發(fā)明實(shí)施例的醫(yī)學(xué)圖片數(shù)據(jù)輸入深度學(xué)習(xí)模型學(xué)習(xí)之前，篩查出圖片質(zhì)量泛白或者泛黑的圖片，過濾掉質(zhì)量太差的圖片的噪音，提高后續(xù)深度學(xué)習(xí)模型訓(xùn)練準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種醫(yī)學(xué)圖像預(yù)處理方法及系統(tǒng)。

背景技術(shù)

由于DR影像質(zhì)量受到設(shè)備參數(shù)、操作技師的操作水平、患者身體狀況、拍攝時(shí)患者位姿等影響，導(dǎo)致圖片成像在亮度、對(duì)比度等方面存在顯著差異性。在深度模型進(jìn)行訓(xùn)練時(shí)，由于部分輸入圖片的質(zhì)量偏差過大，導(dǎo)致深度學(xué)習(xí)模型難以進(jìn)行訓(xùn)練，影響模型訓(xùn)練準(zhǔn)確率，同時(shí)影響模型的使用效果。

目前對(duì)于圖像質(zhì)量的檢出，通常采用深度學(xué)習(xí)方式，構(gòu)建不同質(zhì)量的圖片的數(shù)據(jù)集，進(jìn)行分類訓(xùn)練。該方法訓(xùn)練成本較高，且存在假陽性高的特點(diǎn)，即對(duì)正常的圖片存在誤判，通常不能滿足對(duì)低質(zhì)量圖片檢出率高和高質(zhì)量圖片誤檢率低的要求。

因此現(xiàn)有技術(shù)還有待于進(jìn)一步發(fā)展。

發(fā)明內(nèi)容

針對(duì)上述技術(shù)問題，本發(fā)明實(shí)施例提供了一種醫(yī)學(xué)圖像預(yù)處理方法及系統(tǒng)，能夠解決現(xiàn)有技術(shù)中通過深度學(xué)習(xí)對(duì)圖片進(jìn)行處理，容易對(duì)正常的圖片存在誤判，不能滿足對(duì)低質(zhì)量圖片檢出率高和高質(zhì)量圖片誤檢率低的要求的技術(shù)問題。

本發(fā)明實(shí)施例的第一方面提供一種醫(yī)學(xué)圖像預(yù)處理方法，包括：

構(gòu)建醫(yī)學(xué)圖像數(shù)據(jù)集，所述醫(yī)學(xué)圖像數(shù)據(jù)集包括圖像質(zhì)量正常的正常圖片數(shù)據(jù)集和圖像質(zhì)量異常的異常圖片數(shù)據(jù)集；

對(duì)醫(yī)學(xué)圖像數(shù)據(jù)集進(jìn)行梯度計(jì)算，分別生成正常圖片數(shù)據(jù)集對(duì)應(yīng)的第一梯度分布和異常圖片數(shù)據(jù)集對(duì)應(yīng)的第二梯度分布；

根據(jù)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(yī)學(xué)圖像，計(jì)算待處理的醫(yī)學(xué)圖像的第三梯度，根據(jù)第三梯度與梯度閾值的關(guān)系，獲取待處理的醫(yī)學(xué)圖像的圖像類別；

根據(jù)所述圖像類別執(zhí)行對(duì)應(yīng)的操作。

可選地，獲取待處理的醫(yī)學(xué)圖像，計(jì)算待處理的醫(yī)學(xué)圖像的第三梯度，根據(jù)第三梯度與梯度閾值的關(guān)系，獲取待處理的醫(yī)學(xué)圖像的圖像類別，包括：

獲取待處理的醫(yī)學(xué)圖像，計(jì)算待處理的醫(yī)學(xué)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(yī)學(xué)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(yī)學(xué)圖像的圖像類別為異常圖像。

可選地，圖像類別為正常圖像時(shí)，根據(jù)所述圖像類別執(zhí)行對(duì)應(yīng)的操作，包括：

將所述待處理的醫(yī)學(xué)圖像輸入深度學(xué)習(xí)模型，獲取對(duì)應(yīng)的識(shí)別結(jié)果。

可選地，所述圖像類別為異常圖像時(shí)，根據(jù)所述圖像類別執(zhí)行對(duì)應(yīng)的操作，包括：

將所述待處理的醫(yī)學(xué)圖像進(jìn)行刪除，不再輸入深度學(xué)習(xí)模型。

可選地，所述根據(jù)第一梯度分布和第二梯度分布確定梯度閾值，包括：

采用統(tǒng)計(jì)方法，分別統(tǒng)計(jì)第一梯度對(duì)應(yīng)第一概率分布圖和第二梯度對(duì)應(yīng)的第二概率分布圖；

根據(jù)第一概率分布圖獲取正常圖片數(shù)據(jù)集的概率密度最大值所在的第一區(qū)間；