本發(fā)明涉及一種醫(yī)學(xué)影像處理模型訓(xùn)練方法，根據(jù)先驗(yàn)醫(yī)學(xué)影像訓(xùn)練出包括了神經(jīng)網(wǎng)絡(luò)分割模型和神經(jīng)網(wǎng)絡(luò)分類模型的醫(yī)學(xué)影像處理模型。基于此，通過醫(yī)學(xué)影像處理模型的訓(xùn)練，在對(duì)待處理醫(yī)學(xué)影像的處理中，可通過醫(yī)學(xué)影像處理模型提前對(duì)待處理醫(yī)學(xué)影像完成分割，降低待處理醫(yī)學(xué)影像的干擾因素。同時(shí)，還可通過醫(yī)學(xué)影像處理模型對(duì)待處理醫(yī)學(xué)影像進(jìn)行分類概率預(yù)測(cè)，預(yù)測(cè)待處理醫(yī)學(xué)影像對(duì)應(yīng)的醫(yī)學(xué)信息分類概率，降低醫(yī)護(hù)工作的負(fù)擔(dān)以利于提高醫(yī)護(hù)工作的效率。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是涉及一種醫(yī)學(xué)影像處理模型訓(xùn)練方法、醫(yī)學(xué)影像處理方法及裝置。

背景技術(shù)

醫(yī)學(xué)影像是指為了醫(yī)療或醫(yī)學(xué)研究，對(duì)人體或人體某部分，以非侵入方式取得內(nèi)部組織影像的技術(shù)與處理過程。一般地，醫(yī)學(xué)影像包含以下兩個(gè)相對(duì)獨(dú)立的研究方向：醫(yī)學(xué)成像系統(tǒng)和醫(yī)學(xué)影像處理。其中，在醫(yī)院成像系統(tǒng)完成了圖像成像后，需要對(duì)圖像進(jìn)行進(jìn)一步處理，以便于后續(xù)如醫(yī)學(xué)診斷或數(shù)據(jù)加工等相關(guān)處理。

目前，傳統(tǒng)的醫(yī)學(xué)影像處理主要是針對(duì)圖像特性本身的處理，例如對(duì)醫(yī)學(xué)影像進(jìn)行圖像增強(qiáng)以便于醫(yī)護(hù)人員觀察或?qū)︶t(yī)學(xué)影像進(jìn)行數(shù)據(jù)壓縮以便于跨域傳輸?shù)取ａt(yī)學(xué)影像處理在圖像層面上大大便利了醫(yī)護(hù)工作的開展復(fù)雜度。但是，醫(yī)學(xué)影像在成像過程中，由于人體個(gè)體差異天然導(dǎo)致大量客觀干擾因素。以對(duì)肺部進(jìn)行成像胸部X光為例，由于成像對(duì)象的個(gè)體差異，獲取到的肺部圖像大小不一，以現(xiàn)有的模板把肺部圖像分割出來可能會(huì)由于個(gè)體差異導(dǎo)致分割不準(zhǔn)確。同時(shí)，由于醫(yī)學(xué)影像表征的大部分健康信息可根據(jù)圖像直觀確定，但醫(yī)護(hù)人員在分析每份醫(yī)學(xué)影像時(shí)仍需要一一分析歸類，為醫(yī)護(hù)工作徒增工作量的同時(shí)，也降低了醫(yī)護(hù)效率。

由此可見，在完成醫(yī)學(xué)影像成像后，后續(xù)對(duì)醫(yī)學(xué)影像的處理仍存在以上的缺陷。

發(fā)明內(nèi)容

基于此，有必要針對(duì)傳統(tǒng)對(duì)醫(yī)學(xué)影像的處理仍存在的缺陷，提供一種醫(yī)學(xué)影像處理模型訓(xùn)練方法、醫(yī)學(xué)影像處理方法及裝置。

一種醫(yī)學(xué)影像處理模型訓(xùn)練方法，包括步驟：

獲取先驗(yàn)醫(yī)學(xué)影像以及先驗(yàn)醫(yī)學(xué)影像的先驗(yàn)分割影像，獲得先驗(yàn)醫(yī)學(xué)影像數(shù)據(jù)集和先驗(yàn)分割影像數(shù)據(jù)集；

根據(jù)先驗(yàn)醫(yī)學(xué)影像數(shù)據(jù)集和先驗(yàn)分割影像數(shù)據(jù)集建立第一神經(jīng)網(wǎng)絡(luò)，以訓(xùn)練神經(jīng)網(wǎng)絡(luò)分割模型；

為先驗(yàn)分割影像標(biāo)注醫(yī)學(xué)信息分類標(biāo)簽，獲得先驗(yàn)分割影像分類數(shù)據(jù)集；

根據(jù)先驗(yàn)分割影像分類數(shù)據(jù)集建立第二神經(jīng)網(wǎng)絡(luò)，以訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類模型；

組合神經(jīng)網(wǎng)絡(luò)分割模型和神經(jīng)網(wǎng)絡(luò)分類模型，以訓(xùn)練醫(yī)學(xué)影像處理模型。

上述的醫(yī)學(xué)影像處理模型訓(xùn)練方法，在獲得先驗(yàn)醫(yī)學(xué)影像數(shù)據(jù)集和先驗(yàn)分割影像數(shù)據(jù)集后，根據(jù)先驗(yàn)醫(yī)學(xué)影像數(shù)據(jù)集和先驗(yàn)分割影像數(shù)據(jù)集建立第一神經(jīng)網(wǎng)絡(luò)，以訓(xùn)練神經(jīng)網(wǎng)絡(luò)分割模型。進(jìn)一步地，為先驗(yàn)分割影像標(biāo)注醫(yī)學(xué)信息分類標(biāo)簽，獲得先驗(yàn)分割影像分類數(shù)據(jù)集，并根據(jù)先驗(yàn)分割影像分類數(shù)據(jù)集建立第二神經(jīng)網(wǎng)絡(luò)，以訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類模型。最后，組合神經(jīng)網(wǎng)絡(luò)分割模型和神經(jīng)網(wǎng)絡(luò)分類模型，以訓(xùn)練醫(yī)學(xué)影像處理模型。基于此，通過醫(yī)學(xué)影像處理模型的訓(xùn)練，在對(duì)待處理醫(yī)學(xué)影像的處理中，可通過醫(yī)學(xué)影像處理模型提前對(duì)待處理醫(yī)學(xué)影像完成分割，降低待處理醫(yī)學(xué)影像的干擾因素。同時(shí)，還可通過醫(yī)學(xué)影像處理模型對(duì)待處理醫(yī)學(xué)影像進(jìn)行分類概率預(yù)測(cè)，預(yù)測(cè)待處理醫(yī)學(xué)影像對(duì)應(yīng)的醫(yī)學(xué)信息分類概率，降低醫(yī)護(hù)工作的負(fù)擔(dān)以利于提高醫(yī)護(hù)工作的效率。

在其中一個(gè)實(shí)施例中，在獲得先驗(yàn)醫(yī)學(xué)影像數(shù)據(jù)集和先驗(yàn)分割影像數(shù)據(jù)集的過程之前，還包括步驟：

對(duì)先驗(yàn)醫(yī)學(xué)影像和先驗(yàn)分割影像進(jìn)行第一圖像預(yù)處理。

在其中一個(gè)實(shí)施例中，第一神經(jīng)網(wǎng)絡(luò)包括U-Net神經(jīng)網(wǎng)絡(luò)。

在其中一個(gè)實(shí)施例中，U-Net神經(jīng)網(wǎng)絡(luò)的損失函數(shù)為Dice損失函數(shù)；

Dice損失函數(shù)如下式：