[发明专利]肿瘤图像智能分类方法、装置、设备和存储介质

权利要求书

1.一种肿瘤图像智能分类方法，其特征在于，包括：

获取目标部位的三维肿瘤医学图像；

通过已训练的肿瘤检测模型，获取所述三维肿瘤医学图像的肿瘤区域图像；

根据所述肿瘤区域图像，获取所述三维肿瘤医学图像的垂直剖面图；

对所述垂直剖面图中的肿瘤边界线进行拟合，以对拟合后的肿瘤边界线进行均匀划分，得到各个肿瘤边界线段；

分析各所述肿瘤边界线段的斜率，确定所述三维肿瘤医学图像的图像类型。

2.如权利要求1所述的方法，其特征在于，所述分析各所述肿瘤边界线段的斜率，确定所述三维肿瘤医学图像的图像类型，包括：

将所述肿瘤区域图像所在的平面作为横坐标轴，获取各所述肿瘤边界线段相对于所述横坐标轴的斜率；

若所述斜率中包含有小于预设斜率阈值的目标斜率，则确定所述目标斜率对应的肿瘤边界线段为目标肿瘤边界线段；

根据所述目标肿瘤边界线段的线段数量，确定所述三维肿瘤医学图像的图像类型。

3.如权利要求2所述的方法，其特征在于，所述根据所述目标肿瘤边界线段的线段数量，确定所述三维肿瘤医学图像的图像类型，包括：

筛选出连续的目标肿瘤边界线段，作为连续肿瘤边界线段；

获取所述连续肿瘤边界线段的线段数量；

若所述连续肿瘤边界线段的线段数量大于或等于预设的线段数量阈值，则确定所述三维肿瘤医学图像的图像类型为第一图像类型；

若所述连续肿瘤边界线段的线段数量小于所述线段数量阈值，则根据所述目标肿瘤边界线段的线段总长度，确定所述三维肿瘤医学图像的图像类型。

4.如权利要求3所述的方法，其特征在于，所述若所述连续肿瘤边界线段的线段数量小于所述线段数量阈值，则根据所述目标肿瘤边界线段的线段总长度，确定所述三维肿瘤医学图像的图像类型，包括：

若所述连续肿瘤边界线段的线段数量小于所述线段数量阈值，则统计所述目标肿瘤边界线段的线段总长度；

确定所述拟合后的肿瘤边界线的线段长度，作为初始线段总长度；

获取所述线段总长度相对于所述初始线段总长度的长度占比值；

若所述长度占比值大于预设的长度占比阈值，则确定所述三维肿瘤医学图像的图像类型为第二图像类型；

若所述长度占比值小于或等于所述长度占比阈值，则确定所述三维肿瘤医学图像的图像类型为第三图像类型。

5.如权利要求1所述的方法，其特征在于，所述根据所述肿瘤区域图像，获取所述三维肿瘤医学图像的垂直剖面图，包括：

获取所述肿瘤区域图像在所述三维肿瘤医学图像中的俯视尺寸信息；所述俯视尺寸信息包括俯视宽度信息和俯视长度信息；

确定所述俯视宽度信息与所述俯视长度信息中的最大值，作为所述肿瘤区域图像的最小外接矩形长轴；

根据所述最小外接矩形长轴，获取垂直于所述肿瘤区域图像的参考切面；

根据所述参考切面与所述三维肿瘤医学图像之间的相交区域信息，获取所述三维肿瘤医学图像的垂直剖面图。

6.如权利要求1所述的方法，其特征在于，所述对所述垂直剖面图中的肿瘤边界线进行拟合，以对拟合后的肿瘤边界线进行均匀划分，得到各个肿瘤边界线段，包括：

通过预设的曲线平滑方程，对所述垂直剖面图中的肿瘤边界线进行拟合，得到拟合后的肿瘤边界线；

根据预设的取点数量，确定所述拟合后的肿瘤边界线中的各个划分点；

根据各所述划分点，对所述拟合后的肿瘤边界线进行均匀划分，得到各所述肿瘤边界线段。

7.如权利要求1至6中任一项所述的方法，其特征在于，所述获取目标部位的三维肿瘤医学图像，包括：

获取各个角度下的目标部位的肿瘤医学图像；

通过运动结构恢复算法，对各所述肿瘤医学图像进行三维建模，得到所述目标部位的三维肿瘤医学图像。