[发明专利]一种医学影像处理方法、装置和电子设备

权利要求书

1.一种医学影像处理方法，其特征在于，包括：

获取医学影像图片；

将所述医学影像图片输入预先训练得到的分级网络模型，由所述分级网络模型对所述医学影像图片进行计算，以输出包括C-1个元素的分级数组，其中，所述医学影像图片对应C个病变等级，且所述C个病变等级包括1个不存在病变的病变等级，以及包括C-1个存在病变的病变等级，所述分级数组的第k个元素为所述医学影像图片对应的病变等级大于或等于第k级的概率，1≤k≤C-1，所述不存在病变的病变等级为第0级，所述C个病变等级为第0级至第C-1级。

2.根据权利要求1所述的方法，其特征在于，在获取所述医学影像图片之前，所述方法还包括：

构建卷积神经网络模型；

向所述卷积神经网络模型输入训练数据，由所述卷积神经网络模型根据所述训练数据进行训练，以得到所述分级网络模型。

3.根据权利要求2所述的方法，其特征在于，所述训练数据包括样本影像图片和与所述样本影像图片相对应的目标数组，所述目标数组包括C-1个元素；

当所述样本影像图片所对应的病变等级为不存在病变的病变等级时，所述目标数组中的C-1个元素的值均为0；

当所述样本影像图片所对应的病变等级为第S级时，所述目标数组的前S个元素的值均为1，所述目标数组的第S+1至第C-1个元素的值均为0。

4.根据权利要求1所述的方法，其特征在于，在将所述医学影像图片输入预先训练得到的分级网络模型之前，所述方法还包括：

分别对所述医学影像图片进行归一化处理和滤波处理，以得到预处理图片；

所述将所述医学影像图片输入预先训练得到的分级网络模型，由所述分级网络模型对所述医学影像图片进行计算，以输出包括C-1个元素的分级数组，包括：

将所述预处理图片输入预先训练得到的分级网络模型，由所述分级网络模型对所述预处理图片进行计算，以输出包括C-1个元素的分级数组。

5.根据权利要求1所述的方法，其特征在于，在所述将所述医学影像图片输入预先训练得到的分级网络模型，由所述分级网络模型对所述医学影像图片进行计算，以输出包括C-1个元素的分级数组之后，所述方法还包括：

根据所述分级数组，确定所述医学影像图片对应的病变等级。

6.一种医学影像的处理装置，其特征在于，包括：

获取模块，用于获取医学影像图片；

计算模块，用于将所述医学影像图片输入预先训练得到的分级网络模型，由所述分级网络模型对所述医学影像图片进行计算，以输出包括C-1个元素的分级数组，其中，所述医学影像图片对应C个病变等级，且所述C个病变等级包括1个不存在病变的病变等级，以及包括C-1个存在病变的病变等级，所述分级数组的第k个元素为所述医学影像图片对应的病变等级大于或等于第k级的概率，1≤k≤C-1，所述不存在病变的病变等级为第0级，所述C个病变等级为第0级至第C-1级。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

构建模块，用于在获取所述医学影像图片之前，构建卷积神经网络模型；

训练模块，用于向所述卷积神经网络模型输入训练数据，由所述卷积神经网络模型根据所述训练数据进行训练，以得到所述分级网络模型。

8.根据权利要求7所述的装置，其特征在于，所述训练数据包括样本影像图片和与所述样本影像图片相对应的目标数组，所述目标数组包括C-1个元素；

当所述样本影像图片所对应的病变等级为不存在病变的病变等当所述样本影像图片所对应的病变等级为第S级时，所述目标数组的前S个元素的值均为1，所述目标数组的第S+1至第C-1个元素的值均为0。