[发明专利]一种医学图像处理的方法及装置

说明书

【技术领域】

本发明涉及医疗技术领域，尤其涉及一种医学图像处理的方法及装置。

【背景技术】

图像的分割算法由“传统特征提取”+“分类器”模型逐渐向“深度学习”模型转变，因此基于深度学习的多目标分割算法也正被广泛应用于各个领域。在医学技术领域中，基于深度学习的多目标分割算法主要用于对医学图像进行器官分割。

因为图像中多目标之间没有关联和部位从属信息，传统的多目标分割方法中并没有考虑到层级的概念。因此，典型的多目标图像分割的深度学习算法，均是在预训练网络模型的基础上直接进行多类目标分割的训练。

如此存在如下问题：

若将直接进行多类目标分割的方法，用于解决医学技术领域的器官分割问题，可能会因为待分割的器官较多，而导致器官识别不精确，很容易遗漏器官。

【发明内容】

有鉴于此，本发明实施例提供了一种医学图像处理的方法及装置，对医学图像进行多目标分割时进行分层级处理，提高了器官识别的精确度，减少了器官的识别遗漏。

第一方面，本发明实施例提供一种医学图像处理的方法，所述方法包括：

获取原始医学图像；

通过机器学习，识别所述原始医学图像中包含的若干个第一医学部位；

从所述若干个第一医学部位中确定指定第一医学部位；

通过机器学习，识别所述指定第一医学部位中包含的若干个目标。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，在所述从所述若干个第一医学部位中确定指定第一医学部位之后，所述方法还包括：

通过机器学习，识别所述指定第一医学部位中包含的若干个第二医学部位；

从所述若干个第二医学部位中确定指定第二医学部位；

通过机器学习，识别所述指定第二医学部位中包含的若干个第三医学部位；

从所述若干个第三医学部位中确定指定第三医学部位；

以此类推，通过机器学习，识别所述指定第N-1医学部位中包含的若干个第N医学部位；

从所述若干个第N医学部位中确定指定第N医学部位；

则通过机器学习，识别所述指定第一医学部位中包含的若干个目标，包括，

通过机器学习，识别所述指定第N医学部位中包含的若干个目标；

其中，N为大于1的整数。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，在所述通过机器学习，识别所述指定第一医学部位中包含的若干个目标之后，所述方法还包括：

根据所述识别出的若干个目标，生成并输出分割医学图像。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，在所述获取原始医学图像之后，所述方法还包括：

获取所述若干个目标的在所述第一医学部位中的从属信息。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法适用于基于卷积神经网络的人工神经网络模型。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于卷积神经网络的人工神经网络模型包括粗训练网络和精分割网络；

其中，所述粗训练网络用于识别所述原始医学图像中包含的若干个第一医学部位；

所述精分割网络用于识别所述若干个第一医学部位中指定第一医学部位包含的若干个目标。

第二方面，本发明实施例提供一种医学图像处理的装置，所述装置包括：

第一获取单元，用于获取原始医学图像；

第一识别单元，用于通过机器学习，识别所述原始医学图像中包含的若干个第一医学部位；

第一确定单元，用于从所述若干个第一医学部位中确定指定第一医学部位；

第二识别单元，用于通过机器学习，识别所述指定第一医学部位中包含的若干个目标。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述装置还包括：

第三识别单元，用于通过机器学习，识别所述指定第一医学部位中包含的若干个第二医学部位；

第二确定单元，用于从所述若干个第二医学部位中确定指定第二医学部位；

第四识别单元，用于通过机器学习，识别所述指定第二医学部位中包含的若干个第三医学部位；

第三确定单元，用于从所述若干个第三医学部位中确定指定第三医学部位；

以此类推，第N+1识别单元，用于通过机器学习，识别所述指定第N-1医学部位中包含的若干个第N医学部位；