[发明专利]医学图像分析方法、装置、存储介质及计算机设备在审

专利信息
申请号: 201911380010.1 申请日: 2019-12-27
公开(公告)号: CN111161239A 公开(公告)日: 2020-05-15
发明(设计)人: 薛忠;曹晓欢 申请(专利权)人: 上海联影智能医疗科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/10
代理公司: 北京华进京联知识产权代理有限公司 11606 代理人: 任少瑞
地址: 200232 上海市徐*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 医学 图像 分析 方法 装置 存储 介质 计算机 设备
【权利要求书】:

1.一种医学图像分析方法,其特征在于,包括:

获取待分析的医学图像;

当所述医学图像所在的图像域与网络模型对应的样本医学图像所在的目标域不同时,确定所述医学图像为所述样本医学图像的异质图像,并对所述异质图像进行域迁移处理,得到处理后图像,所述处理后图像所在的图像域与所述目标域相同;

将所述处理后图像输入所述网络模型,通过所述网络模型对所述处理后图像进行分析,得到所述医学图像对应的图像分析结果。

2.根据权利要求1所述的方法,其特征在于,所述网络模型的训练过程包括:

获取多份样本医学图像以及对应的图像分析金标准,所述多份样本医学图像位于同一图像域,所述图像域为所述目标域;

使用所述多份样本医学图像以及对应的图像分析金标准对初始网络模型进行训练,得到用于分析医学图像的网络模型。

3.根据权利要求1所述的方法,其特征在于,所述对所述异质图像进行域迁移处理,得到处理后图像包括:

将所述异质图像输入预先训练好的域迁移网络;

通过所述域迁移网络对所述异质图像进行特征提取,得到所述异质图像对应的第一特征;将所述第一特征转换为位于所述目标域的第二特征;对所述第二特征进行特征还原处理,得到所述处理后图像。

4.根据权利要求3所述的方法,其特征在于,所述域迁移网络包括图像生成网络;

所述域迁移网络的训练过程包括:

获取位于第一图像域的第一图像以及位于所述目标域的第二图像,所述第一图像域与所述目标域不同;

将所述第一图像输入所述图像生成网络,通过所述图像生成网络得到生成图像;

将所述生成图像以及所述第二图像输入图像鉴别网络,通过所述图像鉴别网络鉴别所述生成图像所在的图像域是否与所述目标域相同;

基于鉴别结果对所述图像生成网络以及所述图像鉴别网络进行优化,得到所述训练好的域迁移网络。

5.根据权利要求1所述的方法,其特征在于,所述医学图像的数量为多张;

所述对所述异质图像进行域迁移处理,得到处理后图像包括:

对各所述异质图像进行聚类处理,得到至少一个图像集;

对同一图像集中的异质图像进行域迁移处理,得到同一图像集中各所述异质图像对应的处理后图像。

6.根据权利要求5所述的方法,其特征在于,所述对各所述异质图像进行聚类处理,得到至少一个图像集包括:

获取各所述异质图像的成像参数;

确定各所述异质图像的成像参数的相似度;

根据所述相似度对各所述异质图像进行聚类处理,得到至少一个图像集。

7.根据权利要求1所述的方法,其特征在于,还包括:

当所述医学图像所在的图像域与所述目标域相同时,将所述医学图像输入所述网络模型,通过所述网络模型对所述医学图像进行分析,得到所述医学图像对应的图像分析结果。

8.一种医学图像分析装置,其特征在于,包括:

图像获取模块,用于获取待分析的医学图像;

域迁移处理模块,用于当所述医学图像所在的图像域与网络模型对应的样本医学图像所在的目标域不同时,确定所述医学图像为所述样本医学图像的异质图像,并对所述异质图像进行域迁移处理,得到处理后图像,所述处理后图像所在的图像域与所述目标域相同;

图像分析模块,用于将所述处理后图像输入所述网络模型,通过所述网络模型对所述处理后图像进行分析,得到所述医学图像对应的图像分析结果。

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中任一项所述方法的步骤。

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,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。

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上海联影智能医疗科技有限公司,未经上海联影智能医疗科技有限公司许可,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/201911380010.1/1.html,转载请声明来源钻瓜专利网。

×

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