[发明专利]医学图像的预测方法、模型、装置、设备和存储介质

说明书

本申请涉及一种医学图像的预测方法、模型、装置、设备和存储介质，通过将医学图像输入预设的预测模型中的输入网络，获得医学图像对应的标准尺寸特征图；其中输入网络中包括至少两个输入单元，各输入单元用于根据医学图像的尺寸，获得医学图像对应的标准尺寸特征图，进而根据标准尺寸特征图得到医学图像对应的预测结果。本申请中，不同尺寸的医学图像通过预设的预测模型得到该医学图像对应的预测结果，其中，预设的预测模型是训练好的模型，在对预设的预测模型的训练过程中，预测模型的训练样本类型通过输入网络丰富起来，大大提高了预设的预测模型准确度，进而提高了通过预设的预测模型得到的预测结果的准确度。

技术领域

本申请涉及深度学习领域，特别是涉及了一种医学图像的预测方法、模型、装置、设备和存储介质。

背景技术

医学图像在成像过程中，针对不同的医学目标，操作人员会针对性地改变成像设备的参数，得到不同层距及尺寸的医学图像。在对上述医学图像进行深度学习时，常见的深度学习模型要求输入数据在尺寸上必须保持一致，否则会导致上述深度学习模型无法训练。

针对上述问题，常见的处理方法是将医学图像按照分辨率分级，每个分辨率对应训练一个模型，得到多个模型，进而通过多个模型分别对相应的医学图像进行深度学习，得到各医学图像对应的预测结果。例如，先将医学图像按照层距粗略地分为几个层级，根据这些层级将医学图像进行分组，针对每一组医学图像训练成一个独立的模型，得到多个模型。然后根据待预测的医学图像的尺寸，选择其对应的模型，进而将待预测医学图像输入对应的模型中，得到该医学图像对应的预测结果。

然而采用上述方法处理医学图像，得到的预测结果的准确度低。

发明内容

基于此，有必要针对预测结果的准确度低的问题，提供一种医学图像的预测方法、模型、装置、设备和存储介质。

第一方面，一种医学图像的预测方法，该方法包括：

将医学图像输入预设的预测模型中的输入网络，获得医学图像对应的标准尺寸特征图；输入网络中包括至少两个输入单元；各输入单元用于根据医学图像的尺寸，获得医学图像对应的标准尺寸特征图；

根据标准尺寸特征图得到医学图像对应的预测结果。

在其中一个实施例中，上述将医学图像输入预设的预测模型中的输入网络，获得医学图像对应的标准尺寸特征图，包括：

根据医学图像的尺寸，确定医学图像对应的输入单元；

将医学图像输入医学图像对应的输入单元，获得医学图像对应的标准尺寸特征图。

在其中一个实施例中，各输入单元包括卷积块和下采样块；不同的输入单元对应的卷积块和/或下采样块的数量不同；卷积块用于缩小医学图像的X轴和Y轴的分辨率；下采样块用于缩小医学图像的X轴、Y轴和Z轴的分辨率。

在其中一个实施例中，各输入单元所处理的医学图像的尺寸范围是根据输入单元中的卷积块和下采样块的数量确定的。

在其中一个实施例中，该方法还包括：

获取多个医学图像，及多个医学图像对应的预测结果；

将多个医学图像作为输入，将多个医学图像对应的预测结果作为输出，训练得到预设的预测模型。

在其中一个实施例中，上述将多个医学图像作为输入，将多个医学图像对应的预测结果作为输出，训练得到预设的预测模型，包括：

根据医学图像的尺寸，将多个医学图像分为至少两个医学图像组；

随机选取至少两个医学图像组中的医学图像，得到待训练的医学图像；

根据待训练的医学图像和待训练的医学图像对应的预测结果，更新待训练的医学图像的尺寸对应的模型参数，得到预设的预测模型。