[发明专利]用于医学图像检测的数据增强的方法、装置和存储介质

说明书

本公开涉及一种用于医学图像检测的数据增强的方法、装置和存储介质。用于医学图像检测的数据增强的方法包括：获取与待检测的对象相关的医学图像样本集；基于医学图像样本集中缺乏的对象的属性，在医学图像样本集中选取第一、第二医学图像，使得第一医学图像中包含缺乏属性的对象而第二医学图像中不包含；在第一医学图像中截取包含缺乏属性的第一区域图像块；在第二医学图像中截取不包含缺乏属性的第二区域图像块；基于包括对象部和对象部的周边部的蒙版对第一区域图像块和第二区域图像块进行融合，得到合成区域图像块，将其嵌回到第二医学图像中，得到第三医学图像；将第三医学图像添加到医学图像样本集中，得到数据增强后的医学图像样本集。

技术领域

本公开涉及医学图像处理领域，更具体地，涉及一种用于医学图像检测的数据增强的方法、装置和存储介质。

背景技术

医学图像中病灶的自动检测可以提升医生的阅片效率，而且可以提供病灶的量化信息。目前基于深度学习的病灶检测方法具有高鲁棒性和精确性，但是医学图像中病灶的分布非常广泛，训练数据不可能覆盖到所有的病灶分布情况，并且病灶类型以及所在解剖结构位置或上述多种因素的组合的正负样本的比例不平衡也会对深度学习的精度及泛化能力有很大的影响。因此一个好的数据增强方式，是提升病灶检测精度和模型泛化能力的关键。

目前较为流行图像数据增强方法的是对图像做旋转、平移、放缩、翻转等方式做全图整体的变换，以及Mixup和复制-粘贴等图像增强方式。图像整体变换的增强方式不能增加不同解剖结构位置上的正样本，复制-粘贴是将含有某类病灶的正样本图像中的病灶区域简单地复制后粘贴到其他负样本图像中，然后作为新增的正样本加入医学图像样本集，这种方式会在增强图像上留下很明显的图像合成的痕迹，与真实的含有病灶的医学图像样本相比，在样本的真实性方面具有较大的差距，甚至将其用于机器学习时，可能会造成额外的不利影响。因此，目前还没有针对医学图像样本集中病灶类型、所在解剖结构位置等方面的正负样本不均衡问题的非常有效的数据增强方法。

发明内容

针对现有技术的不足，提供了本公开以解决现有技术中存在的上述问题。

需要一种用于医学图像检测的数据增强的方法、装置和存储介质，其能够识别医学图像样本集中待检测对象在病灶类型、位置、尺寸等方面的样本数量缺乏或正负样本的不均衡性，并基于识别出的缺乏的对象的属性，在医学图像样本集中分别选取包含缺乏属性的对象的医学图像正样本和不包含缺乏属性的对象的医学图像负样本，并采用基于蒙版的图像块融合算法，将融合处理后的含有缺乏属性的对象的合成区域图像块嵌回医学图像负样本中，并作为正样本添加到医学图像样本集，以使医学图像样本集得到数据增强，进而提升利用数据增强后医学图像样本集进行待检测对象的检测的精度，以及利用该医学图像样本集训练的深度学习模型的泛化能力。

根据本公开的第一方案，提供一种用于医学图像检测的数据增强的方法，所述方法包括：获取与待检测的对象相关的医学图像样本集；基于所述医学图像样本集中缺乏的对象的属性，在所述医学图像样本集中选取第一医学图像和第二医学图像，使得所述第一医学图像中包含缺乏属性的对象，所述第二医学图像不包含缺乏属性的对象；在所述第一医学图像中截取包含缺乏属性的对象的区域，以得到第一区域图像块；在所述第二医学图像中截取不包含缺乏属性的对象的区域，以得到第二区域图像块；基于包括对象部和对象部的周边部的蒙版对所述第一区域图像块和所述第二区域图像块进行融合，从而得到合成区域图像块；将所述合成区域图像块嵌回到所述第二医学图像中，以得到第三医学图像；以及将所述第三医学图像添加到所述医学图像样本集中，以得到数据增强后的医学图像样本集。