[发明专利]一种医学图像处理方法、系统、装置和计算机可读存储介质

说明书

本申请实施例公开了一种医学图像处理方法、系统、装置和计算机可读存储介质。所述方法包括：获取样本图像，所述样本图像中包括异常区域，所述异常区域包括至少一个子异常区域；获取图像处理级联网络，所述图像处理级联网络包括至少两级神经网络；用所述样本图像训练所述图像处理级联网络中的各级神经网络，得到训练完备的图像处理级联网络；其中，第一级神经网络的输入为未分割的样本图像，最后一级神经网络的输出为所述至少一个子异常区域的分割结果；用所述训练完备的图像处理级联网络处理待测图像，确定所述待测图像中的异常区域。

技术领域

本申请涉及医学图像处理领域，特别涉及一种医学图像分割的方法和系统。

背景技术

现有的医学图像处理软件大多只针对具有正常外观的器官或组织图像进行处理，难以处理发生病变、损伤的器官或组织图像。以脑部图像为例，现有的医学图像处理软件可以较好地处理正常脑部图像，但对于出现脑肿瘤、脑卒中、脑出血、多发性硬化症等异常的脑部图像，现有的医学图像处理软件在处理时存在较多不足。以脑肿瘤为例，由于肿瘤异质性的存在，脑肿瘤内部可划分为瘤周水肿、肿瘤核心以及肿瘤增强区域。在手术方案的制定中，肿瘤核心通常需要完全切除，而水肿区则视情况保留或切除。此外，大面积水肿、坏死和增强是恶性肿瘤的典型特征。因此，基于多模态影像的肿瘤部位分割和定量分析对于疾病诊断、手术方案的制定以及预后具有重要意义。然而由于肿瘤部位是三维结构，如果全部勾画数据量极大。对于医生来说手动勾画十分耗时，并且勾画结果可重复性低，不同人之间也存在较大偏差。临床上为简单起见通常只选取一个截面统计其面积信息。此外，由于肿瘤异质性使得肿瘤边界不明确从而分割精确度较低。目前的深度学习方法虽然可以自动进行特征提取，但分割性能以及分割速度仍然不能满足临床需求。

因此，需要提供一种改进的、特别是能够从脑部图像中分割出异常区域的医学图像处理方法、系统、装置和计算机可读存储介质，提高医生处理此类图像的定量分析精度和工作效率。

发明内容

本申请采用级联网络对医学图像进行逐级分割，提高分割精度。其中，级联网络中各级神经网络的输入均可以包括未分割的样本图像，从而给各级神经网络提供更多的图像信息，实现更好的分割效果。另外，各级神经网络可以包括至少两个依次连接的上采样单元的卷积神经网络，本申请将各上采样单元的输出图像处理成分辨率一致的图像并进行融合，根据融合后的图像确定分割结果，通过融合各上采样单元的输出图像获取更有代表性的特征，从而得到更好的分割结果。

本申请的一方面提供一种医学图像处理方法。所述方法包括：获取样本图像，所述样本图像中包括异常区域，所述异常区域包括至少一个子异常区域；获取图像处理级联网络，所述图像处理级联网络包括至少两级神经网络；用所述样本图像训练所述图像处理级联网络中的各级神经网络，得到训练完备的图像处理级联网络；其中，第一级神经网络的输入为未分割的样本图像，最后一级神经网络的输出为所述至少一个子异常区域的分割结果；用所述训练完备的图像处理级联网络处理待测图像，确定所述待测图像中的异常区域。

本申请的另一方面提供一种医学图像处理系统。所述系统包括：样本图像获取模块，用于获取样本图像，所述样本图像中包括异常区域，所述异常区域包括至少一个子异常区域；初始网络获取模块，用于获取图像处理级联网络，所述图像处理级联网络包括至少两级神经网络；训练模块，用于用所述样本图像训练所述图像处理级联网络中的各级神经网络，得到训练完备的图像处理级联网络；其中，第一级神经网络的输入为未分割的样本图像，最后一级神经网络的输出为所述至少一个子异常区域的分割结果；待测图像分析模块，用于用所述训练完备的图像处理级联网络处理待测图像，确定所述待测图像中的异常区域。