[发明专利]图像伪影检测方法、装置、设备和存储介质

权利要求书

1.一种图像伪影检测方法，其特征在于，所述方法包括：

获取待检测的医学图像；

将所述医学图像输入至神经网络模型中进行伪影识别，确定所述医学图像的目标伪影类别；

根据所述目标伪影类别，在预设的策略表中确定所述目标伪影类别对应的目标解决策略；所述预设的策略表包括伪影类别和解决策略之间的对应关系；所述伪影类别包括患者带来的伪影、技师操作不当带来的伪影、机器本身故障带来的伪影中的至少一种；所述预设的策略表中的解决策略指的是对应各个伪影类别提出的解决方案或者操作建议；

根据所述目标伪影类别和所述目标解决策略，输出提示消息；所述提示消息用于指示用户对所述医学图像中的伪影进行及时处理。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述目标伪影类别的标识，根据所述目标伪影类别的标识确定所述医学图像是否存在伪影，以及输出确定结果。

3.根据权利要求1或2所述的方法，其特征在于，所述预设的策略表的建立方式包括：

获取至少一个伪影类别和至少一个解决策略；

建立所述至少一个伪影类别和所述至少一个解决策略之间的对应关系，得到所述策略表。

4.根据权利要求1所述的方法，其特征在于，所述将所述医学图像输入至神经网络模型中进行伪影识别，确定所述医学图像的目标伪影类别，包括：

将所述医学图像输入至神经网络模型中进行伪影识别，得到所述医学图像属于各个伪影类别的概率；

将所述医学图像属于各个伪影类别的概率分别和预设的概率阈值进行对比，根据对比结果确定所述医学图像的目标伪影类别。

5.根据权利要求1所述的方法，其特征在于，所述神经网络模型的训练方法包括：

获取样本图像，所述样本图像包括存在伪影的样本图像和/或不存在伪影的样本图像，所述样本图像具有已标注伪影类别；

将所述样本图像作为初始神经网络模型的输入，将所述样本图像的伪影类别作为所述初始神经网络模型的输出，对所述初始神经网络模型进行训练，得到所述神经网络模型。

6.根据权利要求5所述的方法，其特征在于，所述将所述样本图像作为初始神经网络模型的输入，将所述样本图像的伪影类别作为所述初始神经网络模型的输出，对所述初始神经网络模型进行训练，得到所述神经网络模型，包括：

将所述样本图像输入至初始神经网络模型，得到所述样本图像的预测伪影类别；

将所述预测伪影类别和所述已标注伪影类别输入至预设的损失函数，得到所述损失函数的值；

利用所述损失函数的值对所述初始神经网络模型的参数进行调整，直至所述损失函数的值达到预设的标准值为止，得到所述神经网络模型。

7.根据权利要求5或6所述的方法，其特征在于，在所述获取样本图像之后，所述方法还包括：

对所述样本图像进行预处理，得到预处理后的样本图像。

8.一种图像伪影检测装置，其特征在于，所述装置包括：

获取模块，用于获取待检测的医学图像；

第一确定模块，用于将所述医学图像输入至神经网络模型中进行伪影识别，确定所述医学图像的目标伪影类别；

第二确定模块，用于根据所述目标伪影类别，在预设的策略表中确定所述目标伪影类别对应的目标解决策略；所述预设的策略表包括伪影类别和解决策略之间的对应关系；所述伪影类别包括患者带来的伪影、技师操作不当带来的伪影、机器本身故障带来的伪影中的至少一种；所述预设的策略表中的解决策略指的是对应各个伪影类别提出的解决方案或者操作建议；

输出模块，用于根据所述目标伪影类别和所述目标解决策略，输出提示消息；所述提示消息用于指示用户对所述医学图像中的伪影进行及时处理。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。