[发明专利]医学图像处理方法、装置、计算机设备和存储介质

权利要求书

1.一种医学图像处理方法，其特征在于，所述方法包括：

将待处理医学图像输入至目标伪影识别模型，得到所述目标伪影识别模型输出的目标伪影属性信息，所述目标伪影属性信息用于指示所述待处理医学图像中的伪影的属性特征，其中，所述目标伪影识别模型是根据第一训练样本集训练得到的，所述第一训练样本集包括对应标注第一标签的第一训练医学图像和未对应标注第一标签的第二训练医学图像，所述第一标签包括先验伪影属性信息；

将所述待处理医学图像和所述目标伪影属性信息输入至目标伪影程度识别模型，得到所述目标伪影程度识别模型输出的伪影程度指示信息，所述伪影程度指示信息用于指示所述待处理医学图像中的伪影对所述待处理医学图像的图像质量的影响程度，所述目标伪影程度识别模型是根据第二训练样本集训练得到的，其中，所述第二训练样本集包括对应标注第二标签的第三训练医学图像和未对应标注第二标签的第四训练医学图像，所述第二标签包括先验伪影程度指示信息；

若所述待处理医学图像中的伪影对所述待处理医学图像的图像质量的影响程度大于或等于预设伪影影响程度阈值，则输出提示信息。

2.根据权利要求1所述的方法，其特征在于，所述目标伪影识别模型的训练过程为：

根据所述第一训练医学图像对初始伪影识别网络进行训练，得到候选伪影识别网络；

将所述第二训练医学图像输入至所述候选伪影识别网络，获取所述候选伪影识别网络输出的训练伪影属性信息，并将所述训练伪影属性信息作为所述第二训练医学图像对应的第一伪标签；

利用所述第一训练医学图像以及带有所述第一伪标签的第二训练医学图像对所述候选伪影识别网络进行训练，得到所述目标伪影识别模型。

3.根据权利要求2所述的方法，其特征在于，所述利用所述第一训练样本以及带有所述第一伪标签的第二训练样本对所述候选伪影识别网络进行训练，得到所述目标伪影识别模型，包括：

将所述第一训练医学图像输入至所述候选伪影识别网络，根据所述候选伪影识别网络的输出以及所述第一训练医学图像带有的第一标签得到第一损失值；

将所述第二训练医学图像输入至所述候选伪影识别网络，根据所述候选伪影识别网络的输出以及所述第二训练医学图像带有的第一伪标签得到第二损失值；

获取所述第一损失值和所述第二损失值分别对应的第一权重值和第二权重值，并根据获取到所述第一权重值和所述第二权重值对所述第一损失值和所述第二损失值进行加权求和处理，得到第一目标损失值，根据所述第一目标损失值对所述候选伪影识别网络中的网络参数进行更新。

4.根据权利要求1所述的方法，其特征在于，所述目标伪影程度识别模型的训练过程为：

根据所述第三训练医学图像对初始伪影程度识别网络进行训练，得到候选伪影程度识别网络；

将所述第四训练医学图像输入至所述候选伪影程度识别网络，获取所述候选伪影程度识别网络输出的训练伪影程度指示信息，并将所述训练伪影程度指示信息作为所述第二训练样本对应的第二伪标签；

利用所述第三训练医学图像以及带有所述第二伪标签的第四训练医学图像对所述候选伪影程度识别网络进行训练，得到所述目标伪影程度识别模型。

5.根据权利要求4所述的方法，其特征在于，所述利用所述第三训练医学图像以及带有所述第二伪标签的第四训练医学图像对所述候选伪影程度识别网络进行训练，得到所述目标伪影程度识别模型，包括：

将所述第三训练医学图像输入至所述候选伪影程度识别网络，根据所述候选伪影程度识别网络的输出以及所述第三训练医学图像带有的第二标签得到第三损失值；

将所述第四训练医学图像输入至所候选伪影程度识别网络，根据所述候选伪影程度识别网络的输出以及所述第四训练医学图像带有的第二伪标签得到第四损失值；

获取所述第三损失值和所述第四损失值分别对应的第三权重值和第四权重值，并根据获取到的所述第三权重值和所述第四权重值对所述第三损失值和所述第四损失值进行加权求和处理，得到第二目标损失值，根据所述第二目标损失值对所述候选伪影程度识别网络中的网络参数进行更新。