本申请公开了一种复发位置预测方法、装置、非易失性存储介质及电子设备。其中，该方法包括：获取第一目标图像和第二目标图像，其中，第一目标图像为在手术前对第一目标对象的目标生理组织扫描后得到的图像，第二目标图像为在手术完成后对目标生理组织扫描后得到的图像；依据第一目标图像和第二目标图像，得到第三目标图像，其中，第一目标图像中的第一解剖点与第三目标图像中的第二解剖点匹配；采用目标神经网络模型对第一目标图像和第三目标图像进行分析，得到目标神经网络模型输出的预测图像。本申请解决了由于相关技术中采用人工阅片的方式来确定患者是否会复发造成的无法准确确定患者是否复发的技术问题。确确定患者是否复发的技术问题。确确定患者是否复发的技术问题。
【技术实现步骤摘要】
复发位置预测方法、装置、非易失性存储介质及电子设备
[0001]本申请涉及图像处理领域，具体而言，涉及一种复发位置预测方法、装置、非易失性存储介质及电子设备。
技术介绍
[0002]目前在肺癌等癌症的治疗过程中，微创手术的应用越来越广泛。而微创手术的术后随访非常重要，需要患者按时复查来确定患者是否会复发。但是相关技术中在确定患者是否复发时，通常采用的是人工阅片的方式，由医生自行查看患者的扫描图像来确定是否会复发。但是该方法过于依赖医生的诊断水平，具有较强的主观性，而且会给医生带来巨大的工作负荷，也容易出错。
[0003]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0004]本申请实施例提供了一种复发位置预测方法、装置、非易失性存储介质及电子设备，以至少解决由于相关技术中采用人工阅片的方式来确定患者是否会复发造成的无法准确确定患者是否复发的技术问题。
[0005]根据本申请实施例的一个方面，提供了一种复发位置预测方法，包括：获取第一目标图像和第二目标图像，其中，第一目标图像为在手术前对第一目标对象的目标生理组织扫描后得到的图像，第二目标图像为在手术完成后对目标生理组织扫描后得到的图像；依据第一目标图像和第二目标图像，得到第三目标图像，其中，第一目标图像中的第一解剖点与第三目标图像中的第二解剖点匹配；采用目标神经网络模型对第一目标图像和第三目标图像进行分析，得到目标神经网络模型输出的预测图像，其中，预测图像中包括标签，标签用于在预测图像中确定目标生理组织的病变复发区域。<br/>[0006]可选地，依据第一目标图像和第二目标图像，得到第三目标图像的步骤包括：确定第一目标图像中的第一解剖点在第一目标图像中的位置信息；依据第一解剖点的位置信息，将第二目标图像与第一目标图像配准，得到第三目标图像，其中，第三目标图像中的第二解剖点在第三目标图像中的位置信息与第一解剖点在第一目标图像中的位置信息相同，第一解剖点和第二解剖点为目标生理组织上的同一解剖点。
[0007]可选地，标签包括第一类标签和第二类标签，其中，第一类标签用于在预测图像中标注消融完成区域，第二类标签用于在预测图像中标注未消融区域，未消融区域为复发区域。
[0008]可选地，将第一目标图像和第三目标图像输入至目标神经网络模型的步骤之前，复发位置预测方法还包括：获取训练数据集，其中，训练数据集中包括多组训练样本，多组训练样本中的每组训练样本中均包括同一病例的第一样本图像，第二样本图像和参照图像，第一样本图像为在手术前对患者的目标生理组织扫描得到的图像，第二样本图像为与第一样本图像配准的目标生理组织的术后扫描图像，参照图像为在第二样本图像中添加了
标签后得到的图像；对多组训练样本中的每组训练样本而言，将第一样本图像和第二样本图像输入到待训练神经网络模型中，并获取待训练神经网络模型输出的预测样本图像，其中，预测样本图像中包括标签；依据预测样本图像和参照图像，调整待训练神经网络模型，从而得到目标神经网络模型。
[0009]可选地，依据预测样本图像和参照图像，调整待训练神经网络模型的步骤包括：比较预测样本图像和参照图像，得到比较结果，并依据比较结果调整待训练神经网络模型的参数；或者，向第二目标对象展示预测样本图像和参照图像，并依据第二目标对象的调整操作，调整待训练神经网络模型的参数。
[0010]可选地，比较结果包括预测样本图像和参照图像之间的相似度，其中，依据比较结果调整待训练神经网络模型的参数的步骤包括：在相似度低于预设相似度阈值的情况下，调整待训练神经网络模型的参数，并在每次调整后重新生成预测样本图像，并比较重新生成的预测样本图像和参照图像，直到得到比较结果中的相似度不低于预设相似度阈值。
[0011]可选地，获取训练数据集的步骤包括：获取术后预设时间段内，不同时间点对应的对目标患者的目标生理组织扫描后得到的术后扫描图像；将多张术后扫描图像中的每张术后扫描图像与目标患者的第一样本图像配准，得到多张第二样本图像；在多张第二样本图像中添加标签，得到多张参照图像。
[0012]根据本申请实施例的另一方面，还提供了一种复发位置预测装置，包括：获取模块，用于获取第一目标图像和第二目标图像，其中，第一目标图像为在手术前对第一目标对象的目标生理组织扫描后得到的图像，第二目标图像为在手术完成后对目标生理组织扫描后得到的图像；第一处理模块，用于依据第一目标图像和第二目标图像，得到第三目标图像，其中，第一目标图像中的第一解剖点与第三目标图像中的第二解剖点匹配；第二处理模块，用于采用目标神经网络模型对第一目标图像和第二目标图像进行处理，得到目标神经网络模型输出的预测图像，其中，预测图像中包括标签，标签用于在预测图像中确定目标生理组织的病变复发区域。
[0013]可选地，第一处理模块还用于：确定第一目标图像中的第一解剖点在第一目标图像中的位置信息；依据第一解剖点的位置信息，将第二目标图像与第一目标图像配准，得到第三目标图像，其中，第三目标图像中的第二解剖点在第三目标图像中的位置信息与第一解剖点在第一目标图像中的位置信息相同，第一解剖点和第二解剖点为目标生理组织上的同一解剖点。
[0014]可选地，标签包括第一类标签和第二类标签，其中，第一类标签用于在预测图像中标注消融完成区域，第二类标签用于在预测图像中标注未消融区域，未消融区域为复发区域。
[0015]可选地，复发位置预测装置中还包括模型训练模块，其中，模型训练模块中包括：训练数据获取模块，用于获取训练数据集，其中，训练数据集中包括多组训练样本，多组训练样本中的每组训练样本中均包括同一病例的第一样本图像，第二样本图像和参照图像，第一样本图像为在手术前对患者的目标生理组织扫描得到的图像，第二样本图像为与第一样本图像配准的目标生理组织的术后扫描图像，参照图像为在第二样本图像中添加了标签后得到的图像；第一训练模块，用于对多组训练样本中的每组训练样本而言，将第一样本图像和第二样本图像输入到待训练神经网络模型中，并获取待训练神经网络模型输出的预测
样本图像，其中，预测样本图像中包括标签；第二训练模块，用于依据预测样本图像和参照图像，调整待训练神经网络模型，从而得到目标神经网络模型。
[0016]可选地，第二训练模块中还包括调整模块或交互模块，其中：调整模块，用于比较预测样本图像和参照图像，得到比较结果，并依据比较结果调整待训练神经网络模型的参数；交互模块，用于向第二目标对象展示预测样本图像和参照图像，并依据第二目标对象的调整操作，调整待训练神经网络模型的参数。
[0017]可选地，比较结果包括预测样本图像和参照图像之间的相似度；调整模块还用于在相似度低于预设相似度阈值的情况下，调整待训练神经网络模型的参数，并在每次调整后重新生成预测样本图像，并比较重新生成的预测样本图像和参照图像，直到得到的比较结果中的相似度不低于预设相似度阈值。
[0018]可选地，训练数据获取模块还用于获取术后预设时间段内，不同时间点对应的对目标患者的目标本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种复发位置预测方法，其特征在于，包括：获取第一目标图像和第二目标图像，其中，所述第一目标图像为在手术前对第一目标对象的目标生理组织扫描后得到的图像，所述第二目标图像为在手术完成后对所述目标生理组织扫描后得到的图像；依据所述第一目标图像和所述第二目标图像，得到第三目标图像，其中，所述第一目标图像中的第一解剖点与所述第三目标图像中的第二解剖点匹配；采用目标神经网络模型对所述第一目标图像和所述第三目标图像进行分析，得到所述目标神经网络模型输出的预测图像，其中，所述预测图像中包括标签，所述标签用于在所述预测图像中确定目标生理组织的病变复发区域。2.一种复发位置预测装置，其特征在于，包括：获取模块，用于获取第一目标图像和第二目标图像，其中，所述第一目标图像为在手术前对第一目标对象的目标生理组织扫描后得到的图像，所述第二目标图像为在手术完成后对所述目标生理组织扫描后得到的图像；第一处理模块，用于依据所述第一目标图像和所述第二目标图像，得到第三目标图像，其中，所述第一目标图像中的第一解剖点与所述第三目标图像中的第二解剖点匹配；第二处理模块，用于采用目标神经网络模型对所述第一目标图像和所述第二目标图像进行处理，得到所述目标神经网络模型输出的预测图像，其中，所述预测图像中包括标签，所述标签用于在所述预测图像中确定目标生理组织的病变复发区域。3.根据权利要求2所述的复发位置预测装置，其特征在于，所述第一处理模块还用于：确定所述第一目标图像中的所述第一解剖点在所述第一目标图像中的位置信息；依据所述第一解剖点的位置信息，将所述第二目标图像与所述第一目标图像配准，得到所述第三目标图像，其中，所述第三目标图像中的第二解剖点在所述第三目标图像中的位置信息与所述第一解剖点在所述第一目标图像中的位置信息相同，所述第一解剖点和所述第二解剖点为所述目标生理组织上的同一解剖点。4.根据权利要求2所述的复发位置预测装置，其特征在于，所述标签包括第一类标签和第二类标签，其中，所述第一类标签用于在所述预测图像中标注消融完成区域，所述第二类标签用于在所述预测图像中标注未消融区域，所述未消融区域为所述复发区域。5.根据权利要求2所述的复发位置预测装置，其特征在于，所述复发位置预测装置中还包括模型训练模块，其中，所述模型训练模块中包括：训练数据获取模块，用于获取训练数据集，其中，所述训练数据集中包括多组训练样...
【专利技术属性】
技术研发人员：陈日清，高珊，苏晨晖，徐宏，
申请(专利权)人：杭州堃博生物科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。