[发明专利]一种目标部位分析方法、装置、计算机设备及存储介质

权利要求书

1.一种目标部位分析方法，其特征在于，包括：

获取当前用户的受检区域的医学图像；

将预先确定的所述受检区域的模板图像与所述医学图像进行配准，得到配准模板图像；

将所述医学图像和所述配准模板图像输入到目标深度学习网络模型中，得到与目标部位相对应的分析参考信息；

基于所述分析参考信息，对所述目标部位进行分析。

2.根据权利要求1所述的方法，其特征在于，在将所述医学图像和所述配准模板图像输入到目标深度学习网络模型中之前，还包括：

获取历史用户的受检区域的历史医学图像和与所述历史医学图像相对应的历史金标准；

将所述模板图像与所述历史医学图像进行配准，得到历史配准模板图像；

将所述历史医学图像和所述历史配准模板图像输入预先建立的第一深度学习网络模型中，得到与所述历史医学图像相对应的第一分析参考信息；

基于所述第一分析参考信息与所述历史金标准，对所述深度学习网络模型的模型参数进行调整，以得到最终的目标深度学习网络模型。

3.根据权利要求1或2所述的方法，其特征在于，将预先确定的所述受检区域的模板图像与所述医学图像进行配准，得到配准模板图像，包括：

确定所述模板图像中的第一特征点和所述医学图像中的第二特征点；

根据所述第一特征点和所述第二特征点，利用特征点匹配的方法，将所述模板图像配准到所述医学图像上，以得到配准模板图像。

4.根据权利要求1或2所述的方法，其特征在于，基于所述分析参考信息，对所述目标部位进行分析，包括：

基于所述分析参考信息，对所述目标部位进行定位、范围检测、分类和分割中的至少一种操作。

5.根据权利要求1或2所述的方法，其特征在于，将预先确定的所述受检区域的模板图像与所述医学图像进行配准，得到配准模板图像之前，还包括：

基于受检区域的标准医学图像，利用模板图像生成模型，确定所述模板图像。

6.根据权利要求1或2所述的方法，其特征在于，所述目标深度学习网络模型包括多通道深度学习网络模型或多降采样支深度学习网络模型。

7.根据权利要求6所述的方法，其特征在于，所述目标深度学习网络模型包括FCN、U-Net、DeepLab和V-Net中的至少一个。

8.一种目标部位分析装置，其特征在于，包括：

医学图像获取模块，用于获取当前用户的受检区域的医学图像；

配准模板图像确定模块，用于将预先确定的所述受检区域的模板图像与所述医学图像进行配准，得到配准模板图像；

分析参考信息获取模块，用于将所述医学图像和所述配准模板图像输入到目标深度学习网络模型中，得到与目标部位相对应的分析参考信息；

目标部位分析模块，用于基于所述分析参考信息，对所述目标部位进行分析。

9.一种计算机设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的目标部位分析方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的目标部位分析方法。