[发明专利]医学图像中病症组织定位方法、装置与设备

权利要求书

1.一种医学图像中病症组织定位方法，所述方法包括：

获取医学图像数据；

对所述医学图像数据进行增强均衡处理，以使医学图像数据中小类医学图像数据与大类医学图像数据均衡，得到数据集；

将所述数据集输入至已训练的基于病症组织索引网络模型，得到不同组织的分类结果，所述已训练的基于病症组织索引网络模型基于样本医学图像数据以及对应的组织分类结果训练得到；

根据所述不同组织的分类结果，定位医学图像中病症组织；

所述已训练的基于病症组织索引网络模型包括已训练的完全卷积残差网络和病症组织指数计算单元；

所述将所述数据集输入至已训练的基于病症组织索引网络模型，得到不同组织的分类结果包括：

将所述数据集输入至所述已训练的完全卷积残差网络，获取所述数据集对应的病症区域特征；将所述病症区域特征输入至所述病症组织指数计算单元，获取不同组织对应的分类分值；

所述将所述病症区域特征输入至所述病症组织指数计算单元，获取不同组织对应的分类分值包括：

采用概率分布热力图提取病症区域中每个像素对病症组织分类的贡献度，对所述病症区域特征进行双线性插值操作；将双线插值操作后的数据进行求和得到粗概率图；根据所述粗概率图，获取病症组织标准化的可能性；将所述病症区域中各个像素到最近边界的距离表示该像素对病症组织分类的重要性，得到距离矩阵；将病症组织的距离矩阵与标准化可能性进行相乘，得到分类概率分布矩阵；对分类概率分布矩阵中的病症区域的可能性进行平均，以获得不同组织对应的分类分值；根据预设分值与组织类型分类结果对应关系以及不同组织对应的分类分值，得到不同组织的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述医学图像数据进行增强均衡处理，以使小类医学图像数据与大类医学图像数据均衡，得到数据集包括：

识别所述医学图像数据中大类别医学图像数据和小类别医学图像数据；

对所述大类别医学图像数据进行下采样、并对所述小类别医学图像数据进行上采样，以使下采样处理后的大类别医学图像数据与上采样处理后的小类别医学图像数据均衡，得到数据集。

3.根据权利要求2所述的方法，其特征在于，所述对所述大类别医学图像数据进行下采样、并对所述小类别医学图像数据进行上采样，以使下采样处理后的大类别医学图像数据与上采样处理后的小类别医学图像数据均衡，得到数据集包括：

对所述大类别医学图像数据进行下采样，对所述小类别医学图像数据进行上采样，其中，下采样处理后的大类别医学图像数据与上采样处理后的小类别医学图像数据对应数据量相等；

对下采样处理后的大类别医学图像数据与上采样处理后的小类别医学图像数据进行加权均衡处理，得到数据集。

4.根据权利要求1所述的方法，其特征在于，所述对所述医学图像数据进行增强均衡处理，以使小类医学图像数据与大类医学图像数据均衡，得到数据集包括：

识别所述医学图像数据中大类别医学图像数据和小类别医学图像数据；

采用生成对抗网络对所述小类别医学图像数据进行扩充，以使小类医学图像数据与大类医学图像数据均衡，得到数据集。

5.根据权利要求1所述的方法，其特征在于，所述将所述数据集输入至已训练的基于病症组织索引网络模型，得到不同组织的分类结果之前还包括：

构建初始完全卷积残差网络，所述初始完全卷积残差网络包括64个卷积层和4个反卷积层，所述初始完全卷积残差网络中每个Bottleneck模块包含3个卷积层、且每个残差模块包含6个卷积层；

将样本医学图像数据以及对应的病症区域特征输入至所述初始完全卷积残差网络进行训练，得到已训练的完全卷积残差网络。