[发明专利]一种多幅医学图像的识别方法及相关装置

说明书

本申请公开了一种多幅医学图像的识别方法及相关装置，所述方法包括获取携带有多幅医学图像的待识别的医学图像，自动识别所述医学图像中的各幅医学图像各自对应的图像区域，并基于识别到的各图像区域确定各幅医学图像各自对应的图像模态。本申请在获取到携带有多幅医学图像的待识别的医学图像，自动识别各幅医学图像的图像区域和图像模态，这样可以避免因手动筛选多幅医学图像带来的筛选误差和高耗时的问题。

技术领域

本申请涉及生物医学技术领域，特别涉及一种多幅医学图像的识别方法及相关装置。

背景技术

近年来影像技术以及各种影像设备在医院广泛使用，产生的大量医学数据帮助医学人工智能得到了重大意义的发展。但由于不同的采集机器、不同的检查需求及医生的操作习惯等原因，所采集的数据集可以包括单幅医学图像和多幅医学图像。而现有的人工智能算法往往需要采用幅数相同的医学图像作为输入项。由此，在采用人工智能算法进行医学图像处理时，需要对医学图像进行预处理以使得医学图像的幅数相同

现有主要是通过人工筛选的方式来识别医学图像中的各单幅医学图像。然而，现有通过人工筛选的方式的方法一方面会增加医学图像处理的人工成本，另一方也容易出现因人工失误而造成的错捡或者漏检的问题。

因而现有技术还有待改进和提高。

发明内容

本申请要解决的技术问题在于，针对现有技术的不足，提供一种多幅医学图像的识别方法及相关装置。

为了解决上述技术问题，本申请实施例第一方面提供了一种多幅医学图像的识别方法，所述的方法包括：

获取待识别的医学图像，其中，所述医学图像为多幅医学图像；

识别所述医学图像中的各幅医学图像各自对应的图像区域，并基于识别的各图像区域确定各幅医学图像各自对应的图像模态。

所述的多幅医学图像的识别方法，其中，所述识别所述医学图像中的各幅医学图像各自对应的图像区域具体包括：

对所述医学图像进行边缘检测，得到各幅医学图像的候选图像边缘；

基于形状先验知识对各候选图像边缘进行修正，得到各幅医学图像各自对应的图像区域。

所述的多幅医学图像的识别方法，其中，所述基于识别的各图像区域确定各幅医学图像各自对应的图像模态具体包括：

提取各图像区域各自对应的图像特征；

基于各图像特征以及经过训练的分类器，确定各幅医学图像各自对应的图像模态。

所述的多幅医学图像的识别方法，其中，所述分类器包括若干SVM分类器，若干SVM分类器中的各SVM分类器各自配置的默认图像模态互不相同；所述基于各图像特征以及经过训练的分类器，确定各幅医学图像各自对应的图像模态具体包括：

将各图像特征分别输入各SVM分类器；

控制各SVM分类器确定属于各自配置的默认图像模态的图像区域，以得到各幅医学图像各自对应的图像模态。

所述的多幅医学图像的识别方法，其中，所述识别所述医学图像中的各幅医学图像各自对应的图像区域，并基于识别的各图像区域确定各幅医学图像各自对应的图像模态具体包括：

将所述医学图像输入经过训练的识别网络模型，通过所述识别网络模型确定各幅医学图像各自对应的图像区域及图像模态。

所述的多幅医学图像的识别方法，其中，所述识别网络模型包括特征提取模块和定位与识别模块，所述将所述医学图像输入经过训练的识别网络模型，通过所述识别网络模型确定各幅医学图像各自对应的图像区域及图像模态具体包括：

将所述医学图像输入所述特征提取模块，通过所述特征提取模块确定所述医学图像对应的特征图；