[发明专利]一种用于全层脑CT图像的图像处理方法及系统

权利要求书

1.一种用于全层脑CT图像的图像处理方法，其特征在于，包括：

将目标脑CT图像组输入到训练好的卷积神经网络中进行特征提取处理，得到所述目标脑CT图像组中每一张图像的特征图，并根据所述特征图构建所述目标脑CT图像组对应的特征向量矩阵；所述训练好的卷积神经网络是由标记有脑部CT图像分类标签和扫描干扰标签的样本脑CT图像训练得到的；

对所述特征向量矩阵中的特征图进行多特征融合处理，得到所述目标脑CT图像组的图像处理结果。

2.根据权利要求1所述的用于全层脑CT图像的图像处理方法，其特征在于，在所述将目标脑CT图像组输入到训练好的卷积神经网络中进行特征提取处理，得到所述目标脑CT图像组中每一张图像的特征图之前，所述方法还包括：

将待处理的脑CT图像组的图像数量和预设图像数量进行对比，并根据对比结果，对所述待处理的脑CT图像组中的图像进行复制或删除处理，得到目标脑CT图像组。

3.根据权利要求1所述的用于全层脑CT图像的图像处理方法，其特征在于，所述对所述特征向量矩阵中的特征图进行多特征融合处理，得到所述目标脑CT图像组的图像处理结果，包括：

将所述特征向量矩阵进行复制，分别得到第一矩阵、第二矩阵和第三矩阵；

对所述第一矩阵进行降维处理，得到第一降维矩阵，对所述第二矩阵进行降维处理，得到第二降维矩阵；

对所述第一降维矩阵进行softmax函数运算，得到每一个标签属于每一个特征图的概率，输出得到第一输出矩阵；对所述第二降维矩阵进行softmax函数运算，得到每一个特征图属于每一个标签的概率，输出得到第二输出矩阵；

将所述第一输出矩阵和所述第二输出矩阵中对应的元素进行点乘操作，得到第四矩阵；

将所述第四矩阵中的元素横向相加，得到对应的多维向量，并对所述多维向量进行排序，通过Top-K算法获取目标特征图得分；

将所述目标特征图得分和所述第一矩阵进行点乘，得到目标矩阵；

将所述目标矩阵中所有特征图进行串联，得到目标向量，以获取所述目标脑CT图像组的图像处理结果。

4.根据权利要求1所述的用于全层脑CT图像的图像处理方法，其特征在于，所述卷积神经网络为VGG-16模型。

5.一种用于全层脑CT图像的图像处理系统，其特征在于，包括：

特征提取模块，用于将目标脑CT图像组输入到训练好的卷积神经网络中进行特征提取处理，得到所述目标脑CT图像组中每一张图像的特征图，并根据所述特征图构建所述目标脑CT图像组对应的特征向量矩阵；所述训练好的卷积神经网络由标记有脑部CT图像分类标签和扫描干扰标签的样本脑CT图像训练得到的；

特征融合模块，用于对所述特征向量矩阵中的特征图进行多特征融合处理，得到所述目标脑CT图像组的图像处理结果。

6.根据权利要求5所述的用于全层脑CT图像的图像处理系统，其特征在于，所述系统还包括：

预处理模块，用于将待处理的脑CT图像组的图像数量和预设图像数量进行对比，并根据对比结果，对所述待处理的脑CT图像组中的图像进行复制或删除处理，得到目标脑CT图像组。