[发明专利]医学图像质控、分类模型训练方法、装置及计算机设备

权利要求书

1.一种医学图像序列质控方法，其特征在于，所述方法包括：

将针对指定医学检查项目的二维医学图像输入至医学图像分类模型中；其中，所述二维医学图像是将针对所述指定医学检查项目的目标医学图像序列进行投影得到的；所述医学图像分类模型包括主干卷积网络、第一分支卷积网络以及第二分支卷积网络；其中，所述第一分支卷积网络、所述第二分支卷积网络分别连接于所述主干卷积网络；

采用所述主干卷积网络对所述二维医学图像进行特征提取，得到主干图像特征；

将所述主干图像特征分别输入至所述第一分支卷积网络、所述第二分支卷积网络中，对应得到所述第一分支卷积网络输出的第一类别概率数据、所述第二分支卷积网络输出的第二类别概率数据；

基于所述第一类别概率数据、所述第二类别概率数据的融合结果确定所述二维医学图像对应的身体部位类别；

根据所述身体部位类别与所述指定医学检查项目所要求的目标部位确定目标医学图像序列的质控结果。

2.根据权利要求1所述的方法，其特征在于，所述主干卷积网络包括若干密集连接模块，所述采用所述主干卷积网络对所述二维医学图像进行特征提取，得到主干图像特征，包括：

通过所述密集连接模块中具有膨胀率的卷积核提取所述二维医学图像中的身体部位特征，得到所述主干图像特征。

3.根据权利要求1所述的方法，其特征在于，所述第一分支卷积网络包括第一卷积块和第二卷积块；将所述主干图像特征输入至所述第一分支卷积网络，对应得到所述第一分支卷积网络输出的第一类别概率数据，包括：

利用所述第一卷积块中第一预设数量的卷积核对所述主干图像特征进行卷积处理，得到第一图像特征；其中，所述第一图像特征用于表示所述二维医学图像中像素间的相互关系；

利用所述第二卷积块中第二预设数量的卷积核对所述第一图像特征进行卷积处理，得到第二图像特征；

对所述第二图像特征进行平均池化处理，得到所述第一类别概率数据。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述第二分支卷积网络包括第三卷积块、池化层以及第四卷积块；将所述主干图像特征输入至所述第二分支卷积网络，对应得到所述第二分支卷积网络输出的第二类别概率数据，包括：

利用所述第三卷积块中第一预设数量的卷积核对所述主干图像特征进行特征聚合，得到第三图像特征；

利用所述池化层对所述第三图像特征进行最大池化处理，得到图像关键语义特征；

利用所述第四卷积块对所述图像关键语义特征进行特征聚合，得到第四图像特征；

对所述第四图像特征进行全局平均池化处理，得到所述第二类别概率数据。

5.根据权利要求1所述的方法，其特征在于，所述基于所述第一类别概率数据、第二类别概率数据的融合结果确定所述二维医学图像对应的身体部位类别，包括：

根据所述第一类别概率数据、第二类别概率数据进行相加处理，得到所述融合结果；

在所述融合结果中确定满足预设条件的目标概率值；

将所述目标概率值对应的类别确定为所述身体部位类别。

6.根据权利要求1所述的方法，其特征在于，所述根据所述身体部位类别与所述指定医学检查项目所要求的目标部位确定目标医学图像序列的质控结果，包括：

在所述身体部位类别与所述目标部位不匹配的情况下，确定所述目标医学图像序列的质量不达标；或者，

在所述身体部位类别与所述目标部位匹配的情况下，确定所述目标医学图像序列的质量达标。

7.根据权利要求1所述的方法，其特征在于，所述将针对所述指定医学检查项目的目标医学图像序列进行投影，包括：

获取目标医学图像序列的切片体素矩阵、斜率标签数据以及截距标签数据；

基于所述斜率标签数据以及所述截距标签数据，将所述切片体素矩阵转换为计算内存可处理的目标体素矩阵；

根据体素间距以及切片间距对所述目标体素矩阵进行插值处理，得到插值体素矩阵；

基于所述插值体素矩阵中位于切片垂直方向上的每列体素的体素值标准差，得到所述二维医学图像。