[发明专利]一种医学图像处理系统和方法

权利要求书

1.一种医学图像处理系统，所述系统包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现：

获取医学图像；

将所述医学图像输入第一人工智能网络，获取所述医学图像的第一分类概率图，所述第一分类概率图中的每一点与所述医学图像的像素点相对应，所述第一人工智能网络是预先依据医学图像样本和对应的目标像素点训练获得的；

所述人工智能网络设置为端到端网络，所述端到端网络包括：区域建议网络、全卷积神经网络、U-net或V-net；

根据所述第一分类概率图在所述医学图像中确定目标像素点，所述目标像素点的集合为目标对象，所述端到端网络包括第一输出通道和第二输出通道，所述目标像素点包括第一类目标像素点和第二类目标像素点，所述第一输出通道输出医学图像的像素点属于第一类目标像素点的分类结果，所述第二输出通道输出医学图像的像素点属于第二类目标像素点的分类结果。

2.根据权利要求1所述的系统，其特征在于，根据所述第一分类概率图在所述医学图像中确定目标像素点包括：

根据预设阈值对所述第一分类概率图进行二值化处理，获取二值图；

在所述二值图中确定孤立连通域，与所述孤立连通域相对应的待检测医学图像中的像素点为目标像素点。

3.根据权利要求1所述的系统，其特征在于，将所述医学图像输入第一人工智能网络包括：

对医学图像进行预处理，所述预处理包括分割、滤波或滑动窗口处理中的至少一种；

将所述预处理后的医学图像输入第一人工智能网络。

4.根据权利要求1所述的系统，其特征在于，所述处理器还用于执行：

将所述目标像素点确定的医学图像输入到第二人工智能网络中获取第二分类概率，其中，所述第二人工智能网络是预先依据目标样本以及确定的假阳性位置训练得到的；

根据所述第二人工智能网络输出的第二分类概率，确定所述目标像素点的集合中的假阳性像素点；

将所述目标像素点的集合中的假阳性像素点去除，得到医学图像检测结果。

5.根据权利要求1所述的系统，其特征在于，所述处理器还用于执行：

对所述目标像素点的集合进行特征提取，得到特征提取结果；

将所述特征提取结果输入分类器以确定假阳性像素点，并将所述假阳性像素点去除，获得检测结果。

6.一种医学图像处理方法，所述方法包括：

获取医学图像，所述医学图像包含多个像素点；

将所述医学图像输入第一人工智能网络，以将所述医学图像的像素点分类为目标像素点和非目标像素点，所述第一人工智能网络是预先依据医学图像样本和对应的目标像素点训练得到的；

所述人工智能网络设置为端到端网络，所述端到端网络包括：区域建议网络、全卷积神经网络、U-net或V-net；

所述第一人工智能网络包括第一输出通道和第二输出通道，所述目标像素点包括第一类目标像素点和第二类目标像素点，所述第一输出通道输出医学图像的像素点属于第一类目标像素点的分类结果，所述第二输出通道输出医学图像的像素点属于第二类目标像素点的分类结果。

7.根据权利要求6所述的方法，其特征在于，所述目标像素点的集合为目标对象，所述医学图像包含肺部区域和肋骨区域的CT图像或DR图像，所述第一类目标像素点的集合对应的目标对象为肺部区域的节点，所述第二类目标像素点的集合对应的目标对象为肋骨区域的非连续点。

8.根据权利要求6所述的方法，其特征在于，将所述医学图像输入第一人工智能网络，以将所述医学图像的像素点分类为目标像素点和非目标像素点包括：

将所述医学图像输入第一人工智能网络，获取多个目标轮廓，所述第一人工智能网络包括医学图像与目标轮廓的映射关系；

所述目标轮廓内的像素点为目标像素点，所述目标轮廓外的像素点为非目标像素点。