[发明专利]基于医学影像的病灶分析方法和装置

说明书

本申请实施例提供一种医学影像的病灶分析方法、装置、电子设备和计算机可读存储介质，解决了现有技术对医学影像中的病灶分析不够全面不够精准的问题。该基于医学影像的病灶分析方法包括：基于医学影像数据提取病灶表征数据；基于病灶表征数据提取病灶特征信息；将所述病灶特征信息输入第一机器学习模型，以获得第一病灶特征向量；将所述医学影像数据和所述病灶表征数据输入第二机器学习模型，以获得第二病灶特征向量；合并所述第一病灶特征向量和所述第二病灶特征向量，获得与所述病灶对应的融合特征向量；以及根据所述融合特征向量获取所述病灶的分析结果。

技术领域

本申请涉及图像处理技术领域，具体涉及一种基于医学影像的病灶分析方法、装置、电子设备和计算机可读存储介质。

背景技术

肺炎是一种常见的呼吸道炎症疾病，主要指由细菌、病毒等引起的肺部感染，早期的肺炎，CT(Computed Tomography)影像上呈现的病灶区域较小，并不明显，医生在观察的时候，需要花费大量时间来寻找相应的病灶。最近新型冠状病毒肺炎肆虐，CT影像作为判断新型冠状病毒肺炎的重要指标之一，使影像科医生的工作负荷大大增加。

目前，现有技术中采用神经网络对医学影像中的病灶进行检测，提取病灶特征信息，采用标记框的形式获取病灶区域，对病灶进行识别和标记，由于采用标记框的形式，病灶的具体形态无法表示，只能确定病灶的位置，无法对病灶进行更加全面的分析。采用人工智能网络识别分析医学图像中病灶特征，并将其与数据库中医学图像的病灶特征进行对比，根据比对结果识别病灶，由于病灶的形态多样化，只是将病灶与数据库中的病灶进行对比，而不是针对病灶本身进行分析，使得识别结果不够准确。由此可见，如何对CT影像中的病灶进行全面的特征提取和精确的分析，使病灶的分析结果更加全面精准是现今急需解决的重要问题。

发明内容

为了解决现有技术中存在的上述问题，本申请实施例提供了一种基于医学影像的病灶分析方法、装置、电子设备和计算机可读存储介质。

根据本发明实施例的一方面，提供一种基于医学影像的病灶分析方法，包括：基于医学影像数据提取病灶表征数据；基于病灶表征数据提取病灶特征信息；将所述病灶特征信息输入第一机器学习模型，以获得第一病灶特征向量；将所述医学影像数据和所述病灶表征数据输入第二机器学习模型，以获得第二病灶特征向量；合并所述第一病灶特征向量和所述第二病灶特征向量，获得与所述病灶对应的融合特征向量；以及根据所述融合特征向量获取所述病灶的分析结果。

在本申请的一个实施例中，上述根据所述融合特征向量获取所述病灶的分析结果包括：将所述融合特征向量，输入第三机器学习模型以获得所述病灶的分析结果。

在本申请的一个实施例中，上述将所述融合特征向量，输入第三机器学习模型以获得所述病灶的分析结果包括：将所述融合特征向量，输入第三机器学习模型以获得所述病灶的类别和/或严重度。

在本申请的一个实施例中，上述在将所述融合特征向量，输入第三机器学习模型以获得所述病灶的类别和/或严重度之后，还包括：根据所述病灶的类别和/或严重度，发出预警。

在本申请的一个实施例中，上述基于医学影像数据提取病灶表征数据包括：将所述医学影像数据输入第四机器学习模以获取病灶表征数据；其中，所述病灶表征数据包括以下几项中的一种或多种组合：病灶轮廓、病灶所在器官的结构单元的轮廓、病灶所在器官的整体轮廓。

在本申请的一个实施例中，上述病灶特征信息包括以下一种或多种组合：所述病灶在所述病灶的器官中的占比、所述病灶所在器官的结构单元的感染数量。

在本申请的一个实施例中，上述病灶包括肺炎；其中，所述肺炎的类型包括：细菌性肺炎、新型冠状病毒肺炎、除新型冠状病毒肺炎外的其他病毒性肺炎、支原体肺炎、衣原体肺炎、真菌性肺炎、原虫性肺炎；和/或，其中，所述肺炎的严重度包括：轻度、中度和重度。

在本申请的一个实施例中，上述肺炎的严重度还包括：所述新型冠状病毒肺炎的概率值。