[发明专利]一种医学影像处理方法、装置和电子设备

说明书

本申请公开了一种医学影像处理方法、装置和电子设备，涉及计算机领域中的图片处理领域。具体实现方案为：一种医学影像处理方法，包括：获取医学影像图片；将医学影像图片输入预先训练得到的分级网络模型，由分级网络模型对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，医学影像图片对应C个病变等级，且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，分级数组的第k个元素为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。本申请实施例提供的一种医学影像处理方法、装置和电子设备，可以解决现有技术中的方法对医学影像图片处理效果较差的问题。

技术领域

本申请涉及计算机领域的图像处理领域，具体涉及一种医学影像处理方法、装置和电子设备。

背景技术

随着医学成像技术和计算机技术的不断发展和进步，医学影像分析已成为医学研究、临床疾病诊断和治疗中一个不可或缺的工具和技术手段，其中，通过对医学影像图片进行处理，并得到相应的处理结果，可以为后续治疗提供参考。现有技术中，通常是将医学影像图片输入神经网络模型，由神经网络模型对医学影像图片中的病灶区域进行识别及计算等处理，以输出对应的处理结果，然而，当预测模型中某一环节出错或计算不准确时，将直接导致对应的处理结果不准确，可见，现有技术中的方法对医学影像图片处理效果较差。

发明内容

本申请提供一种医学影像处理方法、装置和电子设备，以解决现有技术中的方法对医学影像图片处理效果较差的问题。

第一方面，本申请提供一种医学影像处理方法，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所述第k级的概率，1≤k≤C-1。

这样，在对医学影像图片进行处理时，通过分别计算医学影像图片所对应的病变等级大于或等于各个病变等级的概率，如此，即便其中一个概率值存在误差，也可以结合其他概率值对医学影像图片所对应的病变等级进行预测，所以克服了现有技术中的方法对医学影像图片处理效果较差的问题，进而提高了对医学影像图片处理结果的可靠性。

可选地，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。

该实施方式中，通过采用卷积神经网络技术构建并训练的分级网络模型，从而可以提高阅片的效率。

可选地，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。

该实施方式中，通过采用上述方法对分级网络模型进行训练，可以有效的提高所训练出的分级网络模型的可靠性。

可选地，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；