[发明专利]医学图像质量评估方法、电子设备及存储介质

说明书

本发明提供一种医学图像质量评估方法、电子设备及存储介质，该方法包括：获取待评估医学图像；通过预先训练的回归网络对所述待评估医学图像进行处理，得到所述待评估医学图像的质量检测数值；获取与所述质量检测数值所属的阈值范围对应的质量评估等级，并将获取到的所述质量评估等级作为所述待评估医学图像的目标质量评估等级。本发明根据回归网络输出的质量检测数值所属的阈值范围而确定的质量评估等级，考虑了等级之间的排序关系，提高了医学图像评估的准确性。

技术领域

本申请涉及医学成像技术领域，特别是涉及一种医学图像质量评估方法、电子设备及存储介质。

背景技术

在临床诊断中，医学图像检测仪器已成为人体病情诊断的重要设备，其生成的医学图像的质量优劣直接影响了后续医生的诊断及病人的治疗，因而对医学图像进行准确的质量评估是非常重要的。

例如，X-ray胸片是目前应用最广泛的医学图像检查手段，其使用场景包括急诊、重症监护、一般门诊、体检等。胸片的质量直接影响诊断结果，而肩胛骨在肺野程度上的占比是评价胸片图像质量的一个重要因素。

目前，主要将医学图像质量评估转化为简单的分类问题，即采用分类模型对医学图像进行评估。然而，分类模型并不考虑类别之间的排序关系，比如进行猫、狗、鸟三分类时，分类模型将一张实际为猫的图片识别为狗和鸟的损失是一样的，即分类模型的损失只有分类“正确”与“错误”之分；但在图像质量评估时，如果将一张合格的胸片识别为轻微和严重时的损失相同，则显然是不合理的。可见，利用分类模型所分的类别之间是完全独立的，忽略了类别之间的内在联系，因而用于进行医学图像质量评估时，准确度不高。

发明内容

为了解决利用分类模型进行医学图像质量评估时，未考虑类别之间的排序关系而导致分类准确度不高的缺陷，本发明提供一种基于回归网络的医学图像质量评估方法、电子设备及存储介质

为了实现上述目的，本发明一方面提供一种医学图像质量评估方法，包括：

获取待评估医学图像；

通过预先训练的回归网络对所述待评估医学图像进行处理，得到所述待评估医学图像的质量检测数值；

获取与所述质量检测数值所属的阈值范围对应的质量评估等级，并将获取到的所述质量评估等级作为所述待评估医学图像的目标质量评估等级。

在本发明一个优选实施例中，所述回归网络包括：

特征提取模块，用于提取所述待评估医学图像对应的特征图；

回归运算模块，用于对所述特征图进行回归运算，得到所述待评估医学图像的质量检测数值。

在本发明一个优选实施例中，所述特征提取模块为基于残差结构的神经网络，且所述残差结构包括注意力单元。

在本发明一个优选实施例中，所述获取与所述质量检测数值所属的阈值范围对应的质量评估等级，包括：

获取不同阈值范围与不同质量评估等级之间的对应关系；

从所述不同质量评估等级中，获取与所述质量检测数值所属的阈值范围对应的质量评估等级。

在本发明一个优选实施例中，在获取与所述质量检测数值所属的阈值范围对应的质量评估等级之前，还包括：

配置不同阈值范围与不同质量评估等级之间的对应关系。

在本发明一个优选实施例中，所述配置不同阈值范围与不同质量评估等级之间的对应关系，包括：

配置第一阈值范围[K0，K1)对应于第一质量评估等级K0；

配置第二阈值范围[K1，K2)对应于第二质量评估等级K1；