[发明专利]一种医学图像处理方法及处理装置

说明书

本发明公开了一种医学图像处理的方法及装置，通过图像摄取装置得到原始医学图像；识别的医学缓存的图像，经过预处理形成含敏感区域的一级图像；从一级图像中确定第一医学特征单元至第N医学特征单元；通过机器分析，识别第N医学特征单元中包含的若干个目标，输出含敏感区域的第一医学特征单元至第N医学特征单元的图像。与现有设备存储的图像自动比对，对于迟钝图像进行舍弃，节省不必要的医学分析，提高了工作效率，可以进行人工删除或者保留，降低出错率，按层级输出含敏感区域的图像，方便医生的诊断。

技术领域

本发明涉及医学图像处理技术领域，具体是一种医学图像处理方法及处理装置。

背景技术

医学处理装置主要用于获得对象的内部结构的图像并对其处理，作为呈现而非插入性检测装置的医学成像装置捕获并处理人体内的结构细节、内部组织和流体的图像，并向医生提供图像，可以通过使用从医学成像装置输出的医学图像来诊断患者的健康状况和疾病。

在医学处理装置中的图像的分割算法一般而言是由“传统特征提取”+“分类器”模型逐渐向“深度学习”模型转变，因此基于深度学习的多目标分割算法也正被广泛应用于各个领域。在医学技术领域中，基于深度学习的多目标分割算法主要用于对医学图像进行器官分割。

由于图像中多目标之间没有关联和部位从属信息，传统的多目标分割方法中并没有考虑到层级的概念，因此，典型的多目标图像分割的深度学习算法，均是在预训练网络模型的基础上直接进行多类目标分割的训练。

如此存在如下问题：

目前的多类目标分割的方法，用于解决医学技术领域的器官分割问题，由于分割的器官较多，分析系统复杂，可能会遗漏部分重要信息，进而影响准确度。

发明内容

本发明的目的在于克服现有技术的不足，而提供一种医学图像处理方法及处理装置，该处理方法对医学图像进行多目标分割时，同时进行预处理，简化操作系统，对高敏感的医学特征单元进行重点目标处理，对于迟钝部位的图像进行舍弃，提高了器官识别的精确度，减少了机器处理器的负担，并按照层级依次输出包含敏感区域的图像。

实现本发明目的的技术方案是：

一种医学图像处理的方法，包括如下步骤：

1）图像获取：获取原始医学图像并缓存；

2）图像预处理：识别缓存的医学图像，经过顺序读取以及对含敏感区域的图像提取、迟钝区域的图像删除，形成一级图像；

3）目标定位：根据敏感区域，从一级图像中逐级确定第一医学特征单元至第N医学特征单元；

4）机器分析：分析识别第N医学特征单元中包含的若干个目标是否包含敏感区域；

5）图像输出：输出包含敏感区域第一医学特征单元至第N医学特征单元中的图像。

所述的原始医学图像，为至少两个图像数据，原始图像的数量依据使用者对人体扫描的有效次数和目标部位的大小而定。

所述的敏感区域，为该区域的组织、器官与正常人相比，获取图像内部的组织、器官不同或发生病变等现象；

所述的迟钝区域，为与正常人相比，该区域的组织、器官相同或没有发生病变等现象。

所述的图像预处理，是使用基于卷积神经网络的人工神经网络模型，与正常人医学图像进行对比，得到含敏感区域的一级图像。

所述的一级图像，是至敏感区域内的图像模块的组合或者医学特征相似图像的组合。