[发明专利]一种医疗图像处理方法、装置、电子医疗设备和存储介质有效

专利信息
申请号: 201910718873.9 申请日: 2019-05-22
公开(公告)号: CN110491480B 公开(公告)日: 2021-04-30
发明(设计)人: 田宽;江铖 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G16H30/40 分类号: G16H30/40;G06K9/34;G06N3/04
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 郝传鑫;熊永强
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 医疗 图像 处理 方法 装置 电子 设备 存储 介质
【权利要求书】:

1.一种医疗图像处理方法,其特征在于,包括:

获取包含生物组织的生物组织图像,将所述生物组织图像划分为多个图像块,基于病灶检测模型识别每个图像块属于所述病灶检测模型对应病灶属性的病灶概率,将病灶概率大于病灶概率阈值的图像块对应的区域作为所述生物组织中的病灶对象在所述生物组织图像中的第一区域,将所述病灶检测模型对应病灶属性作为与所述病灶对象匹配的病灶属性;所述生物组织是乳房,所述乳房包括病灶对象以及第一组织对象;所述生物组织图像包括乳腺钼靶CC位图像和乳腺钼靶ML0位图像;所述第一区域包括所述病灶对象在乳腺钼靶CC位图像中的第一病灶区域和所述病灶对象在乳腺钼靶ML0位图像中的第二病灶区域;

在所述生物组织图像中,根据所述生物组织中的第一组织对象将所述生物组织所在的区域划分为多个象限位置区域;

获取所述第一区域所在的象限位置区域的目标象限位置信息,从所述乳腺钼靶CC位图像中提取与所述第一病灶区域对应的第一子图像;

从所述乳腺钼靶ML0位图像中提取与所述第二病灶区域对应的第二子图像;

获取目标匹配模型,基于所述目标匹配模型识别所述第一子图像和所述第二子图像之间的模型匹配概率;

获取所述第一病灶区域和所述第二病灶区域之间的条件匹配概率,当所述模型匹配概率和所述条件匹配概率满足病灶匹配条件时,将所述目标象限位置信息和所述病灶对象的病灶属性组合为诊断意见。

2.根据权利要求1所述的方法,其特征在于,所述生物组织图像是乳腺钼靶图像;所述第一组织对象是乳头;

所述在所述生物组织图像中,根据所述生物组织中的第一组织对象将所述生物组织所在的区域划分为多个象限位置区域,包括:

识别所述乳头在所述乳腺钼靶图像中的第二区域;

根据所述第二区域在所述乳腺钼靶图像中确定象限分割线;

将所述乳房在所述乳腺钼靶图像中的图像区域作为组织图像区域,并根据所述象限分割线,将所述组织图像区域划分为所述多个象限位置区域。

3.根据权利要求2所述的方法,其特征在于,所述乳腺钼靶图像包括乳腺钼靶CC位图像和乳腺钼靶ML0位图像;所述乳腺钼靶CC位图像和所述乳腺钼靶ML0位图像是对所述乳房在不同方向上的成像;

所述识别所述乳头在所述乳腺钼靶图像中的第二区域,包括:

获取图像语义分割模型,基于所述图像语义分割模型确定所述乳头在所述乳腺钼靶CC位图像中的第一组织标识区域;

基于所述图像语义分割模型确定所述乳头在所述乳腺钼靶ML0位图像中的第二组织标识区域;

将所述第一组织标识区域和所述第二组织标识区域确定为所述第二区域。

4.根据权利要求3所述的方法,其特征在于,所述基于所述图像语义分割模型确定所述乳头在所述乳腺钼靶CC位图像中的第一组织标识区域,包括:

基于所述图像语义分割模型中的正向卷积层和转置卷积层,对所述乳腺钼靶CC位图像进行正向卷积和反向卷积,得到卷积特征图;

根据所述卷积特征图,确定所述乳腺钼靶CC位图像中每个像素点的组织类别;所述组织类别包括乳头类别;

将属于所述乳头类别的像素点组成的图像区域,作为所述乳头在所述乳腺钼靶CC位图像中的第一组织标识区域。

5.根据权利要求3所述的方法,特征在于,所述象限分割线包括与所述乳腺钼靶CC位图像对应的第一分割线以及与所述乳腺钼靶ML0位图像对应的第二分割线;组织类别还包括肌肉类别;

所述根据所述第二区域在所述乳腺钼靶图像中确定象限分割线,包括:

获取所述乳房在所述乳腺钼靶CC位图像中的边缘分界线,根据所述第一组织标识区域和所述边缘分界线,在所述乳腺钼靶CC位图像中确定所述第一分割线;

将属于所述肌肉类别的像素点组成的图像区域,作为所述乳腺钼靶ML0位图像中的肌肉在所述乳腺钼靶ML0位图像中的对象区域;

确定所述对象区域的对象分界线,根据所述第二组织标识区域和所述对象分界线,在所述乳腺钼靶ML0位图像中确定所述第二分割线。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910718873.9/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top