[发明专利]一种基于深度学习的医疗图像处理方法和装置

权利要求书

1.一种基于深度学习的医疗图像处理方法，其特征在于，包括：

获取待处理医疗图像；其中，所述待处理医疗图像包括连续的多张图片；以及

将所述待处理医疗图像输入神经网络模型，得到所述待处理医疗图像的处理结果；

其中，得到所述待处理医疗图像的处理结果的具体方式包括：

计算所述待处理医疗图像与对应的标准图像之间的相似度；以及

根据所述相似度确定所述待处理医疗图像的处理结果。

2.根据权利要求1所述的处理方法，其特征在于，所述计算所述待处理医疗图像与对应的标准图像之间的相似度包括：

根据所述待处理医疗图像与所述标准图像的像素差值，计算第一损失函数；

根据所述待处理医疗图像与所述标准图像的特征差值，计算第二损失函数；以及

融合所述第一损失函数和所述第二损失函数，得到所述待处理医疗图像与所述标准图像之间的相似度。

3.根据权利要求2所述的处理方法，其特征在于，所述融合所述第一损失函数和所述第二损失函数包括：

对所述第一损失函数和所述第二损失函数进行加权求和。

4.根据权利要求3所述的处理方法，其特征在于，所述第一损失函数的权重与所述待处理医疗图像的背景图像和所述标准图像的背景图像之间的相似度正相关。

5.根据权利要求2所述的处理方法，其特征在于，所述神经网络模型包括多层卷积层，所述根据所述待处理医疗图像与所述标准图像的特征差值，计算第二损失函数包括：

将所述多层卷积层的特征数据进行加权求和，得到综合特征；以及

计算所述综合特征与所述标准图像的特征之差，得到所述第二损失函数。

6.根据权利要求5所述的处理方法，其特征在于，所述多层卷积层包括空洞率不同的多个空洞卷积层。

7.根据权利要求6所述的处理方法，其特征在于，所述空洞卷积层的特征数据的权重与该空洞卷积层的空洞率正相关。

8.一种基于深度学习的医疗图像处理装置，其特征在于，包括：

获取模块，用于获取待处理医疗图像；其中，所述待处理医疗图像包括连续的多张图片；以及

处理模块，用于将所述待处理医疗图像输入神经网络模型，得到所述待处理医疗图像的处理结果；

其中，处理模块包括：

相似度计算单元，用于计算所述待处理医疗图像与对应的标准图像之间的相似度；以及

确定单元，用于根据所述相似度确定所述待处理医疗图像的处理结果。

9.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7任一所述的基于深度学习的医疗图像处理方法。

10.一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于执行上述权利要求1-7任一所述的基于深度学习的医疗图像处理方法。