[发明专利]医学图像的加窗方法及装置

说明书

本发明提供了一种医学图像的加窗方法及装置。该方法包括：分别获取待加窗处理的多个医学图像中的每个医学图像中的感兴趣区域的第一CT值和第二CT值，其中，第一CT值大于第二CT值；根据获取的多个第一CT值，确定加窗处理的窗口的第一参数值；根据获取的多个第二CT值，确定加窗处理的窗口的第二参数值；根据窗口的第一参数值和第二参数值，对多个医学图像进行加窗处理，能够自动选择合适的窗宽、窗位。

技术领域

本发明涉及窗技术领域，具体涉及一种医学图像的加窗方法及装置。

背景技术

窗技术(Window Technique)是医生用以观察不同密度正常组织或病变的一种显示技术，其包括窗宽和窗位两个参数，窗宽是指CT图像所显示的CT值范围，窗位是指窗宽范围内的中心值。由于各种不同组织结构或病变具有不同的像素值，因此欲显示某一组织结构细节时，应选择适合观察组织结构的窗宽、窗位，对图像进行加窗处理，以获得显示最佳效果。

对CT图像进行图像处理时，也需对CT图像进行加窗操作从而方便后续操作。然而，在一般情况下，操作者需要了解相关医学知识，才能知道凸显出感兴趣区域所需的窗宽窗位；其次，因为CT图像生成的方式不一样，操作者所能查询到的窗宽窗位一般都是大致范围，这样的窗宽窗位范围并不适用于图像处理。

发明内容

有鉴于此，本发明实施例提供了一种医学图像的加窗方法及装置，能够自动选择合适的窗宽、窗位。

根据本发明实施例的第一方面，提供一种医学图像的加窗方法，包括：分别获取待加窗处理的多个医学图像中的每个医学图像中的感兴趣区域的第一CT值和第二CT值，其中，第一CT值大于第二CT值；根据获取的多个第一CT值，确定加窗处理的窗口的第一参数值；根据获取的多个第二CT值，确定加窗处理的窗口的第二参数值；根据窗口的第一参数值和第二参数值，对多个医学图像进行加窗处理。

在本发明的一个实施例中，上述根据获取的多个第一CT值，确定加窗处理的窗口的第一参数值，包括：将多个第一CT值从小到大排列，选取多个第一CT值中的第一预设分位数作为窗口的第一参数值，其中，上述根据获取的多个第二CT值，确定加窗处理的窗口的第二参数值，包括：将多个第二CT值从小到大排列，选取多个第二CT值中的第二预设分位数作为窗口的第二参数值。

在本发明的一个实施例中，多个医学图像为神经网络模型的正样本训练集中的多个正样本，神经网络模型包括二值化分割网络模型，上述方法还包括：从样本集中获取正样本训练集和负样本训练集，其中，正样本训练集中的每个正样本为具有感兴趣区域的图像，负样本训练集中的每个负样本为不具有感兴趣区域的图像，其中，上述根据窗口的第一参数值和第二参数值，对多个医学图像进行加窗处理，包括：根据窗口的第一参数值和第二参数值，分别对正样本训练集中的每个正样本和负样本训练集中的每个负样本进行加窗处理，其中，上述方法还包括：利用经过加窗处理的正样本训练集和负样本训练集对神经网络模型进行训练。

在本发明的一个实施例中，上述利用经过加窗处理的正样本训练集和负样本训练集对神经网络模型进行训练，包括：根据批尺寸参数，分别从正样本训练集中获取i个正样本，其中，i为大于等于1的整数；根据批尺寸参数和i个正样本的数量，分别从负样本训练集中获取j个负样本；根据每个由i个正样本和j个负样本组成的小批量样本集对神经网络模型进行训练。

在本发明的一个实施例中，上述根据每个由i个正样本和j个负样本组成的小批量样本集对神经网络模型进行训练，包括：将小批量样本集作为一个整体，获得小批量样本集对应的一个损失函数值，根据损失函数值对神经网络模型进行训练。