医学图像处理方法技术

本申请涉及一种医学图像处理方法

【技术实现步骤摘要】
医学图像处理方法、装置、计算机设备和存储介质


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

技术介绍

[0002]医学图像包括平扫图像和增强图像，都是可以反映解剖区域内部结构或内部功能的图像，被广泛应用于疾病诊断治疗中，且平扫图像和增强图像在疾病诊断中具有各自特定的作用
。
例如，在肿瘤等多种疾病的诊断治疗中，通过探测器快速得到人体不同部位的平扫图像，通过平扫图像进行诊断治疗
。
或者，当病变区域为等密度改变或者不清晰时，需要注射造影剂获取增强图像，通过增强图像帮助医生进行诊断
。
平扫图像可以包括电子计算机断层扫描
(Computed Tomography
，
CT)
图像
、
磁共振
(Magnetic Resonance
，
MR)
图像
、
正电子放射层扫描术
(Positron Emission Tomography
，
PET)
图像等；增强图像包括
CT
图像的增强图像
、MR
图像的增强图像
、PET
图像的增强图像等
。
[0003]为了减少患者在获取平扫图像或增强图像时带来的射线伤害，因此，如何利用已有的平扫图像生成增强图像，或者利用已有的增强图像生成平扫图像是本领域亟需解决的技术问题
。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够减少患者在获取平扫图像或增强图像时带来的射线伤害的医学图像处理方法
、
装置
、
计算机设备和存储介质
。
[0005]第一方面，本申请提供了一种医学图像处理方法，所述方法包括：
[0006]获取待检对象的第一医学图像；
[0007]根据所述第一医学图像和图像处理网络中目标生成网络得到第二医学图像；所述图像处理网络包括至少一个生成网络和与各所述生成网络对应的任务网络；所述生成网络包括编码子网络和解码子网络，所述解码子网络和所述任务网络为根据初始编码子网络输出的样本编码特征得到的，所述样本编码特征为所述初始编码子网络对样本医学图像进行编码处理得到的，所述第一医学图像和所述第二医学图像为同一模态的图像
。
[0008]在其中一个实施例中，所述根据所述第一医学图像和图像处理网络得到第二医学图像，包括：
[0009]将所述第一医学图像输入到所述编码子网络，得到所述第一医学图像的编码特征；
[0010]将所述第一医学图像的编码特征输入到所述解码子网络，得到所述第二医学图像
。
[0011]在其中一个实施例中，所述方法还包括：
[0012]将所述样本医学图像输入到目标初始编码子网络得到第一样本编码特征；所述目标初始编码子网络为目标初始生成网络中的初始编码子网络；
[0013]根据所述第一样本编码特征训练所述目标初始编码子网络和目标初始分类子网络，得到第一中间图像处理网络；所述目标初始分类子网络为与所述目标初始生成网络对应的目标初始任务网络中的子网络，所述第一中间图像处理网络包括第一中间编码子网络
、
第一中间分类子网络和第一初始解码子网络；
[0014]将所述样本医学图像输入所述第一中间编码子网络得到第二样本编码特征；
[0015]根据所述第二样本编码特征，训练所述第一中间图像处理网络得到所述图像处理网络
。
[0016]在其中一个实施例中，所述根据所述第二样本编码特征，训练所述第一中间图像处理网络得到所述图像处理网络，包括：
[0017]根据所述第二样本编码特征，训练所述第一中间编码子网络和所述第一初始解码子网络，得到第二中间图像处理网络；所述第二中间图像处理网络包括第二中间编码子网络和第一中间解码子网络；
[0018]根据所述样本医学图像和所述图像处理网络对应的总损失函数，训练所述第二中间图像处理网络和所述第一中间分类子网络，得到所述图像处理网络
。
[0019]在其中一个实施例中，若所述生成网络的数量为多个，则所述根据所述第二样本编码特征，训练所述第一中间图像处理网络得到所述图像处理网络，包括：
[0020]所述根据所述第二样本编码特征，训练所述第一中间图像处理网络
、
其他初始生成网络
、
所述其他初始生成网络对应的初始任务网络，得到所述图像处理网络；
[0021]其中，所述其他初始生成网络包括除所述目标初始生成网络之外的初始生成网络
。
[0022]在其中一个实施例中，目标初始任务网络还包括目标初始分割子网络；所述根据所述第二样本编码特征，训练所述第一中间图像处理网络得到所述图像处理网络，包括：
[0023]根据所述第二样本编码特征，训练所述第一中间图像处理网络和所述目标初始分割子网络，得到所述图像处理网络
。
[0024]在其中一个实施例中，若所述第一医学图像为平扫医学图像，则所述第二医学图像为与所述平扫医学图像对应的增强医学图像；
[0025]若所述第一医学图像为增强医学图像，则所述第二医学图像为与所述增强医学图像对应的平扫医学图像
。
[0026]第二方面，本申请还提供了一种医学图像处理装置，所述装置包括：
[0027]获取模块，用于获取待检对象的第一医学图像；
[0028]第一确定模块，用于根据所述第一医学图像和图像处理网络中目标生成网络得到第二医学图像；所述图像处理网络包括至少一个生成网络和与各所述生成网络对应的任务网络；所述生成网络包括编码子网络和解码子网络，所述解码子网络和所述任务网络为根据初始编码子网络输出的样本编码特征得到的，所述样本编码特征为所述初始编码子网络对样本医学图像进行编码处理得到的，所述第一医学图像和所述第二医学图像为同一模态的图像
。
[0029]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：
[0030]获取待检对象的第一医学图像；
[0031]根据所述第一医学图像和图像处理网络中目标生成网络得到第二医学图像；所述图像处理网络包括至少一个生成网络和与各所述生成网络对应的任务网络；所述生成网络包括编码子网络和解码子网络，所述解码子网络和所述任务网络为根据初始编码子网络输出的样本编码特征得到的，所述样本编码特征为所述初始编码子网络对样本医学图像进行编码处理得到的，所述第一医学图像和所述第二医学图像为同一模态的图像
。
[0032]第四方面，本申请还提供了一种计算机可读存储介质
。
所述计算机可读存本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种医学图像处理方法，其特征在于，所述方法包括：获取待检对象的第一医学图像；根据所述第一医学图像和图像处理网络中目标生成网络得到第二医学图像；所述图像处理网络包括至少一个生成网络和与各所述生成网络对应的任务网络；所述生成网络包括编码子网络和解码子网络，所述解码子网络和所述任务网络为根据初始编码子网络输出的样本编码特征得到的，所述样本编码特征为所述初始编码子网络对样本医学图像进行编码处理得到的，所述第一医学图像和所述第二医学图像为同一模态的图像
。2.
根据权利要求1所述的方法，其特征在于，所述根据所述第一医学图像和图像处理网络得到第二医学图像，包括：将所述第一医学图像输入到所述编码子网络，得到所述第一医学图像的编码特征；将所述第一医学图像的编码特征输入到所述解码子网络，得到所述第二医学图像
。3.
根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述样本医学图像输入到目标初始编码子网络得到第一样本编码特征；所述目标初始编码子网络为目标初始生成网络中的初始编码子网络；根据所述第一样本编码特征训练所述目标初始编码子网络和目标初始分类子网络，得到第一中间图像处理网络；所述目标初始分类子网络为与所述目标初始生成网络对应的目标初始任务网络中的子网络，所述第一中间图像处理网络包括第一中间编码子网络
、
第一中间分类子网络和第一初始解码子网络；将所述样本医学图像输入所述第一中间编码子网络得到第二样本编码特征；根据所述第二样本编码特征，训练所述第一中间图像处理网络得到所述图像处理网络
。4.
根据权利要求3所述的方法，其特征在于，所述根据所述第二样本编码特征，训练所述第一中间图像处理网络得到所述图像处理网络，包括：根据所述第二样本编码特征，训练所述第一中间编码子网络和所述第一初始解码子网络，得到第二中间图像处理网络；所述第二中间图像处理网络包括第二中间编码子网络和第一中间解码子网络；根据所述样本医学图像和所述图像处理网络对应的总损失函数，训练所述第二中间图像处理网络和所述第一中间分类子网络，得到所述图像处理网络
。5.
根据权...

【专利技术属性】
技术研发人员：彭鹏，
申请(专利权)人：深圳市联影高端医疗装备创新研究院，
类型：发明
国别省市：