[发明专利]医学图像处理方法及设备

说明书

本发明提供一种医学图像处理方法及医学图像处理设备，包括：利用基于深度学习的分割算法对医学图像进行分割以得到标注了关注区域的归一化图像；将所述归一化图像的像素矩阵与所述医学图像的像素矩阵相乘以得到重建前图像；利用基于深度学习的超分辨率算法对所述重建前图像进行超分辨率重建以得到重建后图像。本发明的方法或设备能够得到高质量的医学图像以供医生做出更准确的诊断，此外计算负荷小，能够快速得到重建后图像。

技术领域

本发明涉及图像处理领域，具体涉及一种医学图像处理方法及设备。

背景技术

现代医学技术日益发展，其中很大一部分得力于医学影像技术的日渐成熟。医学影像技术包括CT(Computed Tomography)技术、MRI(Magnetic Resonance Imaging)技术、超声技术等，这些技术使得医生足以充分了解患者内部病理结构，从而制定精确治疗方案，具有重大的诊断意义。医学图像在形成过程中由于受到成像环境、成像系统影响不可避免产生降质，在智能手机和家庭便携医疗设备的普及下，对低质量医学图像的处理在医学图像领域具有广阔的应用前景和重要的理论研究意义。

发明内容

本发明的目的在于一种具有增强的分辨率的医学图像处理方法及设备，其能够得到高质量的医学图像以供医生做出更准确的诊断。

本发明一个方案提供了一种医学图像处理方法，包括：利用基于深度学习的分割算法对医学图像进行分割以得到标注了关注区域的归一化图像；将所述归一化图像的像素矩阵与所述医学图像的像素矩阵相乘以得到重建前图像；利用基于深度学习的超分辨率算法对所述重建前图像进行超分辨率重建以得到重建后图像。

优选地，该方法进一步包括在对所述医学图像进行所述分割之前，对所述医学图像进行标准化处理。

优选地，所述标准化处理包括色彩标准化和/或光照标准化处理。

优选地，该方法进一步包括提取所述重建后图像中的关注区域并将其显示出来。

优选地，该方法进一步包括：将所述重建后图像用于构建医学图像识别模型；或者将所述重建后图像输入到医学图像识别模型中，以识别所述重建后图像中的关注区域的类别和/或名称。

本发明另一个方案提供了一种医学图像处理设备，包括存储器和处理器，所述存储器配置为存储计算指令，所述处理器通过执行所述计算指令以对医学图像进行以下处理：利用基于深度学习的分割算法对医学图像进行分割以得到标注了关注区域的归一化图像；将所述归一化图像的像素矩阵与所述医学图像的像素矩阵相乘以得到重建前图像；利用基于深度学习的超分辨率算法对所述重建前图像进行超分辨率重建以得到重建后图像。

优选地，在对所述医学图像进行所述分割之前，所述处理器还执行对所述医学图像进行标准化处理的计算指令。

优选地，所述标准化处理的计算指令包括色彩标准化的计算指令和/或光照标准化处理的计算指令。

优选地，所述处理器还执行提取所述重建后图像医学图像中的关注区域的计算指令。

优选地，该医学图像处理设备还包括：显示器，其配置为将所述重建后图像中的关注区域显示出来。

利用本发明方案的医学图像处理方法和/或医学图像处理设备，先利用基于深度学习的分割算法对医学图像进行分割得到标注了关注区域的归一化图像，然后对该归一化图像处理得到重建前图像，接下来利用基于深度学习的超分辨率算法对所述重建前图像进行超分辨率重建，所得到的重建后图像包含关注区域的高质量医学图像。该高质量的医学图像能够用于医生直接诊断，对于医学影像技术所得到的医学图像(原图)分辨率较低容易造成医生误判的情况，经本发明方案处理的医学图像具有高质量，能够提高医生诊断的正确率。并且重建后的高质量医学图像可以用于训练生成高精度的医学图像识别模型。此外，也可以将重建后的高质量医学图像输入到医学图像识别模型中，从而能够自动识别医学图像的类别和名称。