医学影像的处理方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种医学影像的处理方法，在获取到医学影像时，通过生成式对抗网络对所述医学影像进行数据扩充；获取数据扩充后的所述医学影像中的病灶影像。本发明专利技术还公开了一种医学影像的处理装置及计算机可读存储介质，通过生成式对抗网络对医学影像扩充数据集，并根据扩充数据集后的医学影像进行病灶的分割，实现了病灶区域的精准分割，从而满足了疾病诊断和医学研究的需求。

Processing methods, devices and computer-readable storage media of medical images

【技术实现步骤摘要】
医学影像的处理方法、装置及计算机可读存储介质
本专利技术涉及图像处理
，尤其涉及医学影像的处理方法、装置及计算机可读存储介质。
技术介绍
在医疗行业中，医疗人员经常需要将医学影像中的病灶分割出来，比如分割肝癌影像中的病灶区域，从而实现疾病的辅助诊断和医学数据的可视化，为临床诊疗和病理学研究提供可靠的依据。目前，在对医学影像中的病灶进行分割时，经常会结合人工智能，以实现病灶分割的自动化过程。然而人工智能一般需要几万份、甚至十几万份的样本数据进行学习，在现实中通常无法收集到如此多的样本数据，导致人工智能在分割病灶时的分割误差较大，精度较低，无法满足医学方面的需求。上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本专利技术的主要目的在于提供一种医学影像的处理方法、装置及计算机可读存储介质，旨在通过生成式对抗网络对医学影像扩充数据集，并根据扩充数据集后的医学影像进行病灶的分割，实现了病灶区域的精准分割，从而满足了疾病诊断和医学研究的需求。为实现上述目的，本专利技术提供一种医学影像的处理方法，所述医学影像的处理方法包括以下步骤：在获取到医学影像时，通过生成式对抗网络对所述医学影像进行数据扩充；获取数据扩充后的所述医学影像中的病灶影像。可选地，所述获取扩充数据后的所述医学影像中的病灶影像的步骤之后，还包括：对所述病灶影像进行边缘优化处理。可选地，所述生成式对抗网络包括生成器网络和判别器网络，所述通过生成式对抗网络对所述医学影像进行数据扩充的步骤包括：将所述医学影像输入所述生成器网络，得到输出影像；根据所述判别器网络对所述医学影像和输出影像进行判别处理，得到判别概率；在所述判别概率处于预设范围时，将所述输出影像作为所述医学影像的扩充影像。可选地，所述根据所述判别器网络对所述医学影像和输出影像进行判别处理，得到判别概率的步骤之后，所述医学影像的处理方法还包括：在所述判别概率不处于预设范围时，根据梯度下降算法更新所述生成器网络，以及根据梯度上升算法更新所述判别器网络。可选地，所述获取数据扩充后的所述医学影像中的病灶影像的步骤包括：根据数据扩充后的所述医学影像获取预设深度学习模型；根据所述预设深度学习模型获取数据扩充后的所述医学影像中的病灶影像。可选地，所述根据数据扩充后的所述医学影像获取预设深度学习模型的步骤之后，所述医学影像的处理方法还包括：将数据扩充后的所述医学影像输入所述预设深度学习模型，得到输出影像；将所述输出影像与标准影像进行比对，并根据比对结果更新所述预设深度学习模型。可选地，所述将所述输出影像与标准影像进行比对，并根据比对结果更新所述预设深度学习模型的步骤包括：获取所述预设深度学习模型输出的影像与所述标准影像的影像误差；根据所述影像误差更新所述预设深度学习模型。可选地，所述根据所述预设深度学习模型获取数据扩充后的所述医学影像中的病灶影像的步骤包括：将数据扩充后的所述医学影像输入所述预设深度学习模型，得到器官影像；获取所述器官影像中的病灶影像。此外，为实现上述目的，本专利技术还提供医学影像的处理装置，所述医学影像的处理装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的医学影像的处理程序，所述医学影像的处理程序被所述处理器执行时实现如上所述中任一项所述的医学影像的处理方法的步骤。此外，为实现上述目的，本专利技术还提供计算机可读存储介质，所述计算机可读存储介质上存储有医学影像的处理程序，所述医学影像的处理程序被处理器执行时实现如上所述中任一项所述的医学影像的处理方法的步骤。本专利技术实施例提出的医学影像的处理方法、装置及计算机可读存储介质，在获取到医学影像时，通过生成式对抗网络对所述医学影像进行数据扩充；获取数据扩充后的所述医学影像中的病灶影像。本专利技术实施例通过生成式对抗网络对医学影像扩充数据集，并根据扩充数据集后的医学影像进行病灶的分割，实现了病灶区域的精准分割，从而满足了疾病诊断和医学研究的需求。附图说明图1是本专利技术实施例方案涉及的硬件运行环境的终端结构示意图；图2为本专利技术医学影像的处理方法的一实施例的流程示意图；图3为图2步骤S10的细化流程示意图；图4为图2步骤S20的细化流程示意图；图5为本专利技术医学影像的处理方法又一实施例的流程示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术实施例的主要解决方案是：在获取到医学影像时，通过生成式对抗网络对所述医学影像进行数据扩充；获取数据扩充后的所述医学影像中的病灶影像。由于现有技术中，在对医学影像中的病灶进行分割时，经常会结合人工智能，以实现病灶分割的自动化过程。然而人工智能一般需要几万份、甚至十几万份的样本数据进行学习，在现实中通常无法收集到如此多的样本数据，导致人工智能在分割病灶时的分割误差较大，精度较低，无法满足医学方面的需求。本专利技术提供一种解决方案，通过生成式对抗网络对医学影像扩充数据集，并根据扩充数据集后的医学影像进行病灶的分割，实现了病灶区域的精准分割，从而满足了疾病诊断和医学研究的需求。如图1所示，图1是本专利技术实施例方案涉及的硬件运行环境的终端结构示意图。本专利技术实施例终端可以是PC，也可以是智能手机、平板电脑、便携计算机等设备。如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及医学影像的处理程序。在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的医学影像的处理程序，并执行以下操作：在获取到医学影像时，通过生成式对抗网络对所述医学影像进行数据扩充；获取数据扩充后的所述医学影像中的病灶影像进一步地，处理器1001可以调用存储器1005中存储的医学影像的处理程序，还执行以下操作：对所述病灶影像进行边缘优化处理。进一步地，处理器1001可以调用存储器1005中存储的医学影像的处理程序，还执行以下操作：将所述医学影像输入所述生成器网络，得到输出影像；根据所述判别器网络对所述医学影像和输出影像进行判别处理，得到判别概率；在所述判别概率处于预设范围时，将所述输出影像作为所述医学影像的扩充影像。进一步本文档来自技高网...

【技术保护点】
1.一种医学影像的处理方法，其特征在于，所述医学影像的处理方法包括以下步骤：在获取到医学影像时，通过生成式对抗网络对所述医学影像进行数据扩充；获取数据扩充后的所述医学影像中的病灶影像。

【技术特征摘要】
1.一种医学影像的处理方法，其特征在于，所述医学影像的处理方法包括以下步骤：在获取到医学影像时，通过生成式对抗网络对所述医学影像进行数据扩充；获取数据扩充后的所述医学影像中的病灶影像。2.如权利要求1所述的医学影像的处理方法，其特征在于，所述获取扩充数据后的所述医学影像中的病灶影像的步骤之后，还包括：对所述病灶影像进行边缘优化处理。3.如权利要求1所述的医学影像的处理方法，其特征在于，所述生成式对抗网络包括生成器网络和判别器网络，所述通过生成式对抗网络对所述医学影像进行数据扩充的步骤包括：将所述医学影像输入所述生成器网络，得到输出影像；根据所述判别器网络对所述医学影像和输出影像进行判别处理，得到判别概率；在所述判别概率处于预设范围时，将所述输出影像作为所述医学影像的扩充影像。4.如权利要求3所述的医学影像的处理方法，其特征在于，所述根据所述判别器网络对所述医学影像和输出影像进行判别处理，得到判别概率的步骤之后，所述医学影像的处理方法还包括：在所述判别概率不处于预设范围时，根据梯度下降算法更新所述生成器网络，以及根据梯度上升算法更新所述判别器网络。5.如权利要求1所述的医学影像的处理方法，其特征在于，所述获取数据扩充后的所述医学影像中的病灶影像的步骤包括：根据数据扩充后的所述医学影像获取预设深度学习模型；根据所述预设深度学习模型获取数据扩充后的所述医学影像中的病灶影像。6.如...

【专利技术属性】
技术研发人员：蔡君，胡梦影，戴青云，赵慧民，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：广东,44