【技术实现步骤摘要】
本申请涉及医学数据处理，具体涉及一种基于异构数据的肾图像处理方法、装置和电子设备。
技术介绍
1、肾脏是人体的重要器官，它的基本功能是生成尿液，清除体内代谢产物及某些废物、毒物，维持水电解质酸碱平衡。如果肾脏发生病变，就无法有效发挥“过滤”废弃物质的重要功能，导致众多毒素及有害物质堆积在身体内。随着mri（magnetic resonanceimaging，核磁共振成像）技术的发展，可以观察肾脏的形态、大小、结构和血流情况，检测肾脏结构异常、肿瘤、囊肿等病变。当患者数量巨大时，医生可能会因为着急或者劳累而出现误判的情况，于是，提出利用人工智能的方法先对图像进行分类，再给医生查看，可以缓解医生的压力。但是在肾病早期，通过人工智能进行肾图像分类时，由于提取的肾病理反馈结果不明显，分类的准确性较低。
技术实现思路
1、本申请提供了一种基于异构数据的肾图像处理方法、装置、电子设备和可读存储介质，能够提高分类结果的准确性。
2、本申请实施例的技术方案如下：
3、第一方面，本申请实施例提供了一种基于异构数据的肾图像处理方法，所述方法包括：
4、获取异构数据，所述异构数据包括待检测的肾医学影像、血氧水平依赖成像图像、动脉自旋成像图像、扩散加权成像图像和弥散张量成像图像；
5、对所述肾医学影像进行预处理，得到影像预处理特征，对所述血氧水平依赖成像图像、所述动脉自旋成像图像、所述扩散加权成像图像和所述弥散张量成像图像进行融合预处理，得到融合预处理特征；
6、将所述影像预处理特征和所述融合预处理特征输入预设的目标检测模型中，进行以下处理：所述目标检测模型包括预设的卷积神经网络模块和预设的循环神经网络模块；
7、利用所述卷积神经网络模块对所述影像预处理特征和所述融合预处理特征进行特征提取，得到与所述影像预处理特征对应的肾影像特征和与所述融合预处理特征对应的第一融合特征；
8、利用所述循环神经网络模块对所述肾影像特征和与所述第一融合特征进行关联性处理，得到第二融合特征；
9、对所述第二融合特征进行分类处理，输出图像分类结果。
10、在上述技术方案中，首先获取异构数据，异构数据包括待检测的肾医学影像、血氧水平依赖成像图像、动脉自旋成像图像、扩散加权成像图像和弥散张量成像图像，通过获取不同指标异构数据，使得检测更加全面，提高分类准确性；对肾医学影像进行预处理，得到影像预处理特征，提取主要特征成分，能够减少特征计算，对血氧水平依赖成像图像、动脉自旋成像图像、扩散加权成像图像和弥散张量成像图像进行融合预处理，得到融合预处理特征，通过进行图像预处理，使得融合预处理特征的表征能力更强，捕捉更加全面的信息，将不同方面数据结合在一起进行处理，能够提高分类准确性；将影像预处理特征和融合预处理特征输入预设的目标检测模型中，进行以下处理：目标检测模型包括预设的卷积神经网络模块和预设的循环神经网络模块；利用卷积神经网络模块对影像预处理特征和融合预处理特征进行特征提取，得到与影像预处理特征对应的肾影像特征和与融合预处理特征对应的第一融合特征，在预处理的基础上，再次进行特征提取，能够提取更精细的特征；利用循环神经网络模块对肾影像特征和与第一融合特征进行关联性处理，得到第二融合特征，提取异构能够提取异构数据中各个图像的像素之间的上下文关系，将各个方面的特征融合在一起，有利于提高检测准确性；对第二融合特征进行分类处理，输出图像分类结果，对于肾病早期的影像，分类的准确性较高。
11、在本申请的一些实施例中，所述卷积神经网络模块包括多个残差块和第一卷积层，每一个残差块包括激活函数层和至少一个第二卷积层；
12、所述利用所述卷积神经网络模块对所述影像预处理特征和所述融合预处理特征进行特征提取，得到与所述影像预处理特征对应的肾影像特征和与所述融合预处理特征对应的第一融合特征，包括：
13、利用所述第二卷积层对所述影像预处理特征和所述融合预处理特征进行特征提取，并利用所述激活函数层进行非线性处理，得到与所述影像预处理特征对应的第一特征和与所述融合预处理特征对应的第二特征；
14、利用所述第一卷积层分别对所述第一特征和所述第二特征进行特征提取处理，得到与所述影像预处理特征对应的肾影像特征和与所述融合预处理特征对应的第一融合特征，其中，所述第一卷积层的卷积核为1×1。
15、在上述技术方案中，通过利用残差块，不仅能够增加网络深度，充分提取特征信息，还能够避免出现梯度消失。
16、在本申请的一些实施例中，所述对所述血氧水平依赖成像图像、所述动脉自旋成像图像、所述扩散加权成像图像和所述弥散张量成像图像进行融合预处理，得到融合预处理特征，包括：
17、对所述血氧水平依赖成像图像进行特征向量转换，得到第一特征向量；
18、对所述动脉自旋成像图像进行特征向量转换，得到第二特征向量；
19、对所述扩散加权成像图像进行特征向量转换，得到第三特征向量；
20、对所述弥散张量成像图像进行特征向量转换，得到第四特征向量；
21、对所述第一特征向量、所述第二特征向量、所述第三特征向量和所述第四特征向量进行注意力机制融合，得到所述融合预处理特征。
22、在上述技术方案中，先将各个图像数据进行特征向量转换，符合数据输入格式，再进行注意力机制融合，能够关注到更有利于分类的特征，提高分类检测准确性。
23、在本申请的一些实施例中，所述对所述第一特征向量、所述第二特征向量、所述第三特征向量和所述第四特征向量进行注意力机制融合，得到所述融合预处理特征，包括：
24、获取预设的第一权重值、预设的第二权重值、预设的第三权重值和预设的第四权重值，其中，所述第一权重值、所述第二权重值、所述第三权重值和所述第四权重值之和为1；
25、将所述第一特征向量与所述第一权重值进行相乘，得到第一乘积，将所述第二特征向量与所述第二权重值进行相乘，得到第二乘积，将所述第三特征向量与所述第三权重值进行相乘，得到第三乘积，将所述第四特征向量与所述第四权重值进行相乘，得到第四乘积；
26、对所述第一乘积、所述第二乘积、所述第三乘积和所述第四乘积进行连接，并进行归一化处理，得到所述融合预处理特征。
27、在上述技术方案中，通过注意力机制融合，能够关注到更有利于分类的特征，提高分类检测准确性。
28、在本申请的一些实施例中，所述利用所述循环神经网络模块对所述肾影像特征和与所述第一融合特征进行关联性处理，得到第二融合特征，包括：
29、将所述肾影像特征和所述第一融合特征进行特征连接，得到第三融合特征；
30、利用所述循环神经网络模块对所述第三融合特征进行特征提取处理，得到所述第二融合特征。
31、在上述技术方案中，首先通过特征拼接将肾影像特征与第一融合特征进行融合，能够使得特征的表达能力更强，本文档来自技高网...
【技术保护点】
1.一种基于异构数据的肾图像处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络模块包括多个残差块和第一卷积层，每一个残差块包括激活函数层和至少一个第二卷积层；
3.根据权利要求1所述的方法，其特征在于，所述对所述血氧水平依赖成像图像、所述动脉自旋成像图像、所述扩散加权成像图像和所述弥散张量成像图像进行融合预处理，得到融合预处理特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述第一特征向量、所述第二特征向量、所述第三特征向量和所述第四特征向量进行注意力机制融合，得到所述融合预处理特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述利用所述循环神经网络模块对所述肾影像特征和与所述第一融合特征进行关联性处理，得到第二融合特征，包括：
6.根据权利要求1所述的方法，其特征在于，在所述将所述影像预处理特征和所述融合预处理特征输入预设的目标检测模型中之前，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述根据预测图像分类和所述目标分类计算
8.一种基于异构数据的肾图像处理装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括处理器(501)、存储器(505)、用户接口(503)、通信总线(502)及网络接口(504)，所述处理器(501)、所述存储器(505)、所述用户接口(503)、及所述网络接口(504)分别与所述通信总线(502)连接，所述存储器(505)用于存储指令，所述用户接口(503)和网络接口(504)用于给其他设备通信，所述处理器(501)用于执行所述存储器(505)中存储的指令，以使所述电子设备(500)执行如权利要求1-7任意一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如权利要求1-7任意一项所述的方法。
...【技术特征摘要】
1.一种基于异构数据的肾图像处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络模块包括多个残差块和第一卷积层，每一个残差块包括激活函数层和至少一个第二卷积层；
3.根据权利要求1所述的方法，其特征在于，所述对所述血氧水平依赖成像图像、所述动脉自旋成像图像、所述扩散加权成像图像和所述弥散张量成像图像进行融合预处理，得到融合预处理特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述第一特征向量、所述第二特征向量、所述第三特征向量和所述第四特征向量进行注意力机制融合，得到所述融合预处理特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述利用所述循环神经网络模块对所述肾影像特征和与所述第一融合特征进行关联性处理，得到第二融合特征，包括：
6.根据权利要求1所述的方法，其特征在于，在所述将所述影像预处理特征和所述融合预处理特征输入预设的目标检测模型中之前，所述方法还包括：
...
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。