医学影像处理方法、计算机设备和存储介质技术

本申请涉及一种医学影像处理方法、计算机设备和存储介质。所述方法包括：将第一医学影像输入预设的生成模型，得到第二医学影像；所述第二医学影像的分辨率高于所述第一医学影像的分辨率；所述第一医学影像为初始医学影像中的病灶区域影像；将所述第二医学影像输入预设的分类模型，得到所述第一医学影像对应的分类结果；其中，所述分类结果用于表征所述第一医学影像中感兴趣区域的病灶类型；所述生成模型和所述分类模型为根据初始生成模型的损失函数的值和初始分类模型的损失函数的值，对所述初始生成模型和所述初始分类模型进行级联训练所得到的。采用本方法能够提高检测肺结节是否发生浸润的准确度。是否发生浸润的准确度。是否发生浸润的准确度。

【技术实现步骤摘要】
医学影像处理方法、计算机设备和存储介质


[0001]本申请涉及医学影像
，特别是涉及一种医学影像处理方法、计算机设备和存储介质。

技术介绍

[0002]肺癌的早期发现和早期诊断是肺癌防治、提高生存率的关键。目前，低剂量CT(Low dose CT，LDCT)筛查是唯一可有效降低肺癌总体死亡率的医学检查方法，通过低剂量CT影像能够检测出影像中的肺结节，再通过检测影像中的肺结节是否发生浸润能够对肺癌进行及时地检测，但是，检测肺结节是否发生浸润对医学影像的质量要求较高。
[0003]传统技术中，主要是通过图像重建算法对常规CT胸部扫描影像进行重建，重建出分辨率较高的医学影像，从而利用分辨率较高的医学影像检测肺结节是否发生浸润。
[0004]然而，传统的检测肺结节是否发生浸润的方法，存在准确度较低的问题。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够提高检测肺结节是否发生浸润的准确度的医学影像处理方法、计算机设备和存储介质。
[0006]第一方面，本申请提供了一种医学影像处理方法，所述方法包括：
[0007]将第一医学影像输入预设的生成模型，得到第二医学影像；所述第二医学影像的分辨率高于所述第一医学影像的分辨率；所述第一医学影像为初始医学影像中的病灶区域影像；
[0008]将所述第二医学影像输入预设的分类模型，得到所述第一医学影像对应的分类结果；其中，所述分类结果用于表征所述第一医学影像中感兴趣区域的病灶类型；所述生成模型和所述分类模型为根据初始生成模型的损失函数的值和初始分类模型的损失函数的值，对所述初始生成模型和所述初始分类模型进行级联训练所得到的。
[0009]在其中一个实施例中，所述方法还包括：
[0010]获取所述第二医学影像的影像组学特征和医学临床特征；
[0011]将所述影像组学特征、所述医学临床特征和所述第二医学影像输入预设的分类模型，得到所述第一医学影像对应的分类结果。
[0012]在其中一个实施例中，所述分类模型包括特征提取层、融合层和分类层；所述将所述影像组学特征、所述医学临床特征和所述第二医学影像输入预设的分类模型，得到所述第一医学影像对应的分类结果，包括：
[0013]将所述第二医学影像输入所述特征提取层，得到所述第二医学影像的特征；
[0014]将所述第二医学影像的特征、所述影像组学特征和所述医学临床特征输入所述融合层，对所述第二医学影像的特征、所述影像组学特征和所述医学临床特征进行特征融合，得到融合后的特征；
[0015]将所述融合后的特征输入所述分类层，得到所述分类结果。
[0016]在其中一个实施例中，所述将所述第二医学影像的特征、所述影像组学特征和所述医学临床特征输入所述融合层，对所述第二医学影像的特征、所述影像组学特征和所述医学临床特征进行特征融合，得到融合后的特征，包括：
[0017]将所述第二医学影像的特征、所述影像组学特征和所述医学临床特征输入所述融合层，对所述第二医学影像的特征、所述影像组学特征和所述医学临床特征进行结构化处理，得到结构化特征，以及
[0018]对所述结构化特征进行降维处理，得到所述融合后的特征。
[0019]在其中一个实施例中，所述生成模型和所述分类模型的训练过程，包括：
[0020]获取第一样本医学影像、所述第一样本医学影像对应的金标准医学影像和所述第一样本医学影像对应的金标准分类结果；其中，所述第一样本医学影像为样本医学影像的感兴趣区域影像；所述金标准医学影像的分辨率高于所述第一样本医学影像的分辨率；
[0021]将所述第一样本医学影像输入预设的初始生成模型，得到第二样本医学影像；
[0022]根据所述第二样本医学影像和所述金标准医学影像，得到所述初始生成模型的第一损失函数的值；
[0023]将所述第二样本医学影像输入预设的初始分类模型，得到所述第一样本医学影像对应的样本分类结果；
[0024]根据所述样本分类结果和所述金标准分类结果，得到所述初始分类模型的第二损失函数的值；
[0025]将所述第一损失函数的值和所述第二损失函数的值的加权和，确定为目标损失函数的值；
[0026]根据所述目标损失函数的值对所述初始生成模型和所述初始分类模型进行训练，得到所述分类模型和所述生成模型。
[0027]在其中一个实施例中，所述方法还包括：
[0028]对所述初始医学影像中的病灶区域进行分割，得到所述第一医学影像。
[0029]在其中一个实施例中，所述获取所述第二医学影像的影像组学特征和医学临床特征，包括：
[0030]利用预设的特征提取算法，对所述第二医学影像进行特征提取，得到所述影像组学特征；
[0031]从所述第二医学影像对应的检查报告中，得到所述医学临床特征。
[0032]在其中一个实施例中，所述方法还包括：
[0033]对所述初始医学影像中除所述感兴趣区域外的影像，利用最近邻算法生成第三医学影像；所述第三医学影像的分辨率与所述第二医学影像的分辨率相同；
[0034]将所述第二医学影像和所述第三医学影像进行拼接处理，生成所述初始医学影像对应的第四医学影像。
[0035]第二方面，本申请还提供了一种医学影像处理装置，所述装置包括：
[0036]第一获取模块，用于将第一医学影像输入预设的生成模型，得到第二医学影像；所述第二医学影像的分辨率高于所述第一医学影像的分辨率；所述第一医学影像为初始医学影像中的病灶区域影像；
[0037]第二获取模块，用于将所述第二医学影像输入预设的分类模型，得到所述第一医
学影像对应的分类结果；其中，所述分类结果用于表征所述第一医学影像中感兴趣区域的病灶类型；所述生成模型和所述分类模型为根据初始生成模型的损失函数的值和初始分类模型的损失函数的值，对所述初始生成模型和所述初始分类模型进行级联训练所得到的。
[0038]第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0039]将第一医学影像输入预设的生成模型，得到第二医学影像；所述第二医学影像的分辨率高于所述第一医学影像的分辨率；所述第一医学影像为初始医学影像中的病灶区域影像；
[0040]将所述第二医学影像输入预设的分类模型，得到所述第一医学影像对应的分类结果；其中，所述分类结果用于表征所述第一医学影像中感兴趣区域的病灶类型；所述生成模型和所述分类模型为根据初始生成模型的损失函数的值和初始分类模型的损失函数的值，对所述初始生成模型和所述初始分类模型进行级联训练所得到的。
[0041]第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0042]将第一医学影像输入预设的生成模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学影像处理方法，其特征在于，所述方法包括：将第一医学影像输入预设的生成模型，得到第二医学影像；所述第二医学影像的分辨率高于所述第一医学影像的分辨率；所述第一医学影像为初始医学影像中的病灶区域影像；将所述第二医学影像输入预设的分类模型，得到所述第一医学影像对应的分类结果；其中，所述分类结果用于表征所述第一医学影像中感兴趣区域的病灶类型；所述生成模型和所述分类模型为根据初始生成模型的损失函数的值和初始分类模型的损失函数的值，对所述初始生成模型和所述初始分类模型进行级联训练所得到的。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述第二医学影像的影像组学特征和医学临床特征；将所述影像组学特征、所述医学临床特征和所述第二医学影像输入预设的分类模型，得到所述第一医学影像对应的分类结果。3.根据权利要求2所述的方法，其特征在于，所述分类模型包括特征提取层、融合层和分类层；所述将所述影像组学特征、所述医学临床特征和所述第二医学影像输入预设的分类模型，得到所述第一医学影像对应的分类结果，包括：将所述第二医学影像输入所述特征提取层，得到所述第二医学影像的特征；将所述第二医学影像的特征、所述影像组学特征和所述医学临床特征输入所述融合层，对所述第二医学影像的特征、所述影像组学特征和所述医学临床特征进行特征融合，得到融合后的特征；将所述融合后的特征输入所述分类层，得到所述分类结果。4.根据权利要求3所述的方法，其特征在于，所述将所述第二医学影像的特征、所述影像组学特征和所述医学临床特征输入所述融合层，对所述第二医学影像的特征、所述影像组学特征和所述医学临床特征进行特征融合，得到融合后的特征，包括：将所述第二医学影像的特征、所述影像组学特征和所述医学临床特征输入所述融合层，对所述第二医学影像的特征、所述影像组学特征和所述医学临床特征进行结构化处理，得到结构化特征，以及对所述结构化特征进行降维处理，得到所述融合后的特征。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：刘爱娥，陈磊，薛忠，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：