[发明专利]医学影像的处理方法、装置及计算机可读存储介质

说明书

本发明公开了一种医学影像的处理方法，在获取到医学影像时，通过生成式对抗网络对所述医学影像进行数据扩充；获取数据扩充后的所述医学影像中的病灶影像。本发明还公开了一种医学影像的处理装置及计算机可读存储介质，通过生成式对抗网络对医学影像扩充数据集，并根据扩充数据集后的医学影像进行病灶的分割，实现了病灶区域的精准分割，从而满足了疾病诊断和医学研究的需求。

技术领域

本发明涉及图像处理技术领域，尤其涉及医学影像的处理方法、装置及计算机可读存储介质。

背景技术

在医疗行业中，医疗人员经常需要将医学影像中的病灶分割出来，比如分割肝癌影像中的病灶区域，从而实现疾病的辅助诊断和医学数据的可视化，为临床诊疗和病理学研究提供可靠的依据。

目前，在对医学影像中的病灶进行分割时，经常会结合人工智能，以实现病灶分割的自动化过程。然而人工智能一般需要几万份、甚至十几万份的样本数据进行学习，在现实中通常无法收集到如此多的样本数据，导致人工智能在分割病灶时的分割误差较大，精度较低，无法满足医学方面的需求。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种医学影像的处理方法、装置及计算机可读存储介质，旨在通过生成式对抗网络对医学影像扩充数据集，并根据扩充数据集后的医学影像进行病灶的分割，实现了病灶区域的精准分割，从而满足了疾病诊断和医学研究的需求。

为实现上述目的，本发明提供一种医学影像的处理方法，所述医学影像的处理方法包括以下步骤：

在获取到医学影像时，通过生成式对抗网络对所述医学影像进行数据扩充；

获取数据扩充后的所述医学影像中的病灶影像。

可选地，所述获取扩充数据后的所述医学影像中的病灶影像的步骤之后，还包括：

对所述病灶影像进行边缘优化处理。

可选地，所述生成式对抗网络包括生成器网络和判别器网络，所述通过生成式对抗网络对所述医学影像进行数据扩充的步骤包括：

将所述医学影像输入所述生成器网络，得到输出影像；

根据所述判别器网络对所述医学影像和输出影像进行判别处理，得到判别概率；

在所述判别概率处于预设范围时，将所述输出影像作为所述医学影像的扩充影像。

可选地，所述根据所述判别器网络对所述医学影像和输出影像进行判别处理，得到判别概率的步骤之后，所述医学影像的处理方法还包括：

在所述判别概率不处于预设范围时，根据梯度下降算法更新所述生成器网络，以及根据梯度上升算法更新所述判别器网络。

可选地，所述获取数据扩充后的所述医学影像中的病灶影像的步骤包括：

根据数据扩充后的所述医学影像获取预设深度学习模型；

根据所述预设深度学习模型获取数据扩充后的所述医学影像中的病灶影像。

可选地，所述根据数据扩充后的所述医学影像获取预设深度学习模型的步骤之后，所述医学影像的处理方法还包括：

将数据扩充后的所述医学影像输入所述预设深度学习模型，得到输出影像；

将所述输出影像与标准影像进行比对，并根据比对结果更新所述预设深度学习模型。

可选地，所述将所述输出影像与标准影像进行比对，并根据比对结果更新所述预设深度学习模型的步骤包括：

获取所述预设深度学习模型输出的影像与所述标准影像的影像误差；