[发明专利]医学图像的检测方法、装置、设备和存储介质

说明书

本申请提供一种医学图像的检测方法、装置、设备和存储介质。该方法包括：获取医学图像；将所述医学图像输入分割模型，得到目标分割图像；所述目标分割图像包括感兴趣区域；将所述目标分割图像和所述医学图像输入检测模型，得到病变检测图像；所述病变检测图像包括病变区域的候选位置，所述病变区域位于所述感兴趣区域内；所述分割模型和所述检测模型均为深度学习模型。该方法所提供的分割模型和检测模型的鲁棒性较高，不仅提高了医学图像的分割结果的准确性，而且提高了病变检测的结果的准确性。

技术领域

本申请涉及图像处理领域，特别是涉及一种医学图像的检测方法、装置、设备和存储介质。

背景技术

目前，前列腺癌是威胁全球数百万男性生命的最常见的癌症类型，是导致男性死亡的第二大癌症，因此，前列腺癌早期的诊断和治疗能够大大提高患者的生存率和治愈率。而在前列腺癌早期的诊断中，从患者的医学图像中确定出前列腺的位置是至关重要的一步。

传统技术中，通常是采用机器学习的算法对医学图像进行分割，以得到前列腺的位置。具体的过程可以为：对医学图像进行特征提取，然后采用分类器对提取出的特征进行体素级分类，从而确定出前列腺的具体位置。其中，分类器可以为稀疏表示分类器、随机森林以及Adaboost等。

但是，采用传统的机器学习算法得到的结果，易受到医学图像的各种复杂因素的影响，从而导致医学图像的分割结果的准确率较低，且传统的医学图像的分割算法的鲁棒性较低。

发明内容

基于此，有必要针对传统方式的医学图像的分割结果的准确率较低，且传统的医学图像的分割算法的鲁棒性较低的技术问题，本申请提供一种医学图像的检测方法、装置、设备和存储介质。

一种医学图像的检测方法，包括：

获取医学图像；

将所述医学图像输入分割模型，得到目标分割图像；所述目标分割图像包括感兴趣区域；

将所述目标分割图像和所述医学图像输入检测模型，得到病变检测图像；所述病变检测图像包括病变区域的候选位置，所述病变区域位于所述感兴趣区域内；所述分割模型和所述检测模型均为深度学习模型。

在其中一个实施例中，所述分割模型包括第一分割模型和第二分割模型，所述感兴趣区域包括初始感兴趣区域和目标感兴趣区域；

所述将所述医学图像输入分割模型，得到目标分割图像，包括：

将所述医学图像输入所述第一分割模型，得到第一目标分割图像；所述第一目标分割图像包括所述初始感兴趣区域；

将所述第一目标分割图像和所述医学图像输入所述第二分割模型，得到第二目标分割图像；所述第二目标分割图像包括所述目标感兴趣区域。

在其中一个实施例中，所述检测模型包括注意力机制网络；所述将所述目标分割图像和所述医学图像输入检测模型，得到病变检测图像，包括：

将所述目标分割图像和所述医学图像输入检测模型，并根据所述检测模型中的采样处理网络和所述注意力机制网络的联合处理，得到病变检测图像。

在其中一个实施例中，所述将所述医学图像输入所述第一分割模型，得到第一目标分割图像，包括：

采用所述第一分割模型对所述医学图像进行层级化的下采样块操作，得到多分辨率的中间特征图，并对所述多分辨率的中间特征图进行层级化的上采样块操作和层级化的特征融合，得到所述第一目标分割图像。

在其中一个实施例中，所述注意力机制网络包括注意力门限块；所述将所述目标分割图像和所述医学图像输入检测模型，并根据所述检测模型中的采样处理网络和所述注意力机制网络的联合处理，得到所述病变检测图像，包括：