[发明专利]医学图像中病症组织定位方法、装置与设备有效

专利信息
申请号: 201910560411.9 申请日: 2019-06-26
公开(公告)号: CN110276802B 公开(公告)日: 2021-08-17
发明(设计)人: 陈建国;李肯立;肖正;彭继武;李闯;陈岑;李克勤 申请(专利权)人: 湖南大学
主分类号: G06T7/70 分类号: G06T7/70;G06T7/00;G06N3/04
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 王珊珊
地址: 410001 湖*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 医学 图像 病症 组织 定位 方法 装置 设备
【说明书】:

本申请涉及一种医学图像中病症组织定位方法、装置、设备、计算机设备和存储介质,整个方案对获取的医学图像数据进行增强均衡处理,增强处理后的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,避免医学图像定位中存在正负数据严重偏斜问题,基于增强均衡处理得到的数据集以及已训练的基于病症组织索引网络模型,得到医学图像中不同组织的分类结果,再根据该分类结果准确定位出医学图像中病症组织。

技术领域

本申请涉及医学图像处理技术领域,特别是涉及一种医学图像中病症组织定位方法、装置与设备。

背景技术

医学图像处理技术领域,病症组织定位与检测、组织器官与病灶分割和分类是当前医学图像分析领域的重点研究工作。复杂的医学图像分析通常需要综合进行组织器官检测、分割和分类。按照任务划分,分割、检测和分类是三大主要研究方向。病变组织和区域的定位是临床诊断和分析工作中的重要预处理步骤,定位的精确度直接影响诊断效果。

由于医学病理特征成因复杂、图像随机误差较大、图像断层之间重叠等因素,基于传统机器学习的医学图像分析方法的前期预处理技术复杂,分析效果不佳。

因此,目前急需一种准确的医学图像中病症组织定位方案,以支持医生最终得出准确的诊断结果。

发明内容

基于此,有必要针对上述技术问题,提供一种准确的医学图像中病症组织定位方法、装置、计算机设备和存储介质。

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。

在其中一个实施例中,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。

在其中一个实施例中,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。

在其中一个实施例中,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。

在其中一个实施例中,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:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖南大学,未经湖南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910560411.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top