[发明专利]医学图像处理方法、装置、电子设备及计算机存储介质

权利要求书

1.一种医学图像处理方法，其特征在于，包括：

获取待处理的三维3D医学图像；

将所述3D医学图像切分为相邻的至少两个图像块；

通过神经网络模型对各图像块进行特征提取，得到每个图像块的特征图，并基于每个图像块各自的特征图，确定每个图像块对应的预测概率图，其中，所述预测概率图表征了图像块中每个像素属于各病种的概率；

基于各图像块的预测概率图，确定所述3D医学图像中对应于各所述病种的病灶区域的检测结果；

其中，所述神经网络模型是通过以下方式训练得到的：

获取样本3D医学图像，各所述样本3D医学图像包括相邻的至少两张切片，各切片中标注有对应于各病种的标注结果，所述标注结果表征了切片中每个像素属于各病种的病灶区域的概率；

基于所述样本3D医学图像，对初始网络模型进行训练，直至所述初始网络模型的损失函数收敛，将训练结束时的模型作为所述神经网络模型，所述损失函数的值表征了各切片对应的预测结果和标注结果的差异程度；

其中，所述预测结果为通过所述初始网络模型得到的切片中的每个像素属于各病种的病灶区域的检测结果；所述损失函数包括第一损失函数和第二损失函数，所述第一损失函数的值表征了各切片中的每个像素的预测结果与每个像素相对应的标注结果之间的差异程度，所述第二损失函数的值表征了各切片中各切片对中每对切片对所对应的预测结果与相对应的标注结果之间的差异程度。

2.根据权利要求1所述的方法，其特征在于，所述对各图像块进行特征提取，得到每个图像块的特征图，包括：

对各图像块进行特征提取，得到所述3D医学图像的至少一个层级的特征图；

基于所述至少一个层级的特征图，确定各图像块所对应的权重特征图；

基于所述各图像块所对应的权重特征图，以及所述至少一个层级的特征图，得到每个图像块的特征图。

3.根据权利要求2所述的方法，其特征在于，所述至少一个层级的特征图包括至少两个层级的特征图，所述基于所述至少一个层级的特征图，确定各图像块所对应的权重特征图，包括：

基于每个层级的特征图，确定各图像块对应于每个层级的权重特征图；

所述基于所述各图像块所对应的权重特征图，以及所述至少一个层级的特征图，得到每个图像块的特征图，包括：

基于每个层级的特征图、以及各图像块对应于每个层级的权重特征图，确定每个图像块对应于每个层级的特征图；

对于每个图像块，将该图像块所对应的各个层级的特征图融合，得到该图像块的特征图。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于各图像块的预测概率图，确定所述3D医学图像中对应于各所述病种的病灶区域的检测结果，包括：

将所述各图像块的预测概率图按照各图像块的切分顺序拼接，得到所述3D医学图像的概率图；

基于所述3D医学图像的概率图，确定所述3D医学图像中对应于各所述病种的病灶区域的检测结果。

5.根据权利要求4所述的方法，其特征在于，所述基于所述3D医学图像的概率图，确定所述3D医学图像中对应于各所述病种的病灶区域的检测结果，包括：

对所述3D医学图像的概率图针对每一个病种进行二值化处理，得到所述3D医学图像对应的分割结果，所述分割结果表征了所述3D医学图像中每个像素属于各所述病种的病灶区域的检测结果；

基于所述3D医学图像对应的分割结果，确定所述3D医学图像中对应于各所述病种的病灶区域的检测结果。

6.根据权利要求5所述的方法，其特征在于，所述基于所述3D医学图像对应的分割结果，确定所述3D医学图像中对应于各所述病种的病灶区域的检测结果，包括：

基于所述3D医学图像对应的分割结果，确定所述3D医学图像中的连通域，所述连通域为二值化值相同的相邻像素所对应的区域；

基于各所述连通域，确定所述3D医学图像中对应于各所述病种的病灶区域的检测结果。