[发明专利]一种基于双通道条件融合的医学图像因果合理性检测方法

说明书

本发明公开了一种基于双通道条件融合的医学图像因果合理性检测方法，包括：获取医学图像数据集并从中选取一张医学图像记为原始医学图像；利用医学图像扰动器获取正样对和负样对；建立双通道条件融合模型，采用双通道分别对正样对和负样对中两张医学图像融合提取其因果特征，根据两次医学图像的时间间隔，有区别的比较与融合来自两张医学图像的抽象特征，并且能抑制因为病人姿态和设备参数不同带来的差异，使得提取的抽象特征对时间高度敏感，增加时间感知能力，可更好的获得因果特征，克服现有技术因果关系提取方法中时间跨度不可调，对因病人姿态、成像参数不同带来的干扰过于敏感的问题，且能够获得更加准确的检测结果。

技术领域

本发明属于医学图像检测领域，具体涉及一种基于双通道条件融合的医学图像因果合理性检测方法。

背景技术

随着现在医学影像装备的远程化、多模态融合、智能化，使得医学影像数据的质量及可靠性难以得到绝对的保障。医学图像的上传可能有意或无意的上传他人的、病人过往的、算法合成或篡改过的、因操作失误造成的错误成像，从而影响医生的诊断结果。并且随着现在医学影像装备的智能化，特别是一些量大、面广，筛查性的医学影像，因其数量过于庞大，难以配置专业人员审核所有上传的影像。鉴于医学影像中的组织器官会随着时间的流逝有其固定的发展规律，两幅具有时间先后的医学影像必然存在着因果关系，具体则是生物组织及器官甚至疾病也有其特有的发展流程，不会突然出现违反组织器官生长或疾病发展的正常规律的变化。往往使用人工智能算法来审核上传的图像，利用时序因果性判断医学影像是否属于目标病人、是否属于过往历史数据、影像反映的组织器官的变化是否符合其自然发展规律，能够在不依赖人工审核的情况下评价具有时间先后关系的两幅影像中组织器官的因果合理性。然而病人在先后两次筛查时，会因为病人姿态、成像参数的不同，给医学影像带来一些额外的变化，从而对因果关系的提取造成干扰。

周涛等人提出了Hi-net多模态混合医学图像合成网络结构，参考文献：Zhou T,FuH,Chen G,Shen J,Shao L.Hi-net:hybrid-fusion network for multi-modal MR imagesynthesis.IEEE transactions on medical imaging 2020, 39(9):2772-2781.。Hi-net使用两种模态的医学影像，合成第三种模态的医学影像，并设置了混合融合模块实现了从低到高的不同抽象层次上的信息融合。作为输入的两种模态的医学影像可以是两张具备因果关系的同模态医学影像，通过多模态融合可以提取两张医学影像的因果特征。但是不支持在不同时间跨度下的因果关系的提取，并且容易受到因为病人姿态、成像参数不同带来的干扰。

发明内容

本发明的目的在于针对上述问题，提出一种基于双通道条件融合的医学图像因果合理性检测方法，克服了现有技术因果关系提取方法中时间跨度不可调，对因病人姿态、成像参数不同带来的干扰过于敏感的问题，能够获得更加准确的检测结果。

为实现上述目的，本发明所采取的技术方案为：

本发明提出的一种基于双通道条件融合的医学图像因果合理性检测方法，包括如下步骤：

S1、获取医学图像数据集并从医学图像数据集中选取一张医学图像记为原始医学图像其中，A为病人编号，i为原始医学图像的拍摄生成日期，a表示拍摄部位，b表示拍摄角度；

S2、利用医学图像扰动器从医学图像数据集中选取两张医学图像分别记为第一医学图像和第二医学图像使构成符合因果合理性的正样对，构成不符合因果合理性的负样对， Y为所在样对的两张医学图像的时间间隔，B为病人编号，j为医学图像扰动器选取的医学图像的拍摄生成日期，c表示拍摄部位，d表示拍摄角度；

S3、建立双通道条件融合模型，双通道条件融合模型包括第一通道模块、第二通道模块、判决器和三个特征提取器，第一通道模块和第二通道模块均包括时间信息分发器和多个依次连接的嵌入融合单元，嵌入融合单元包括依次连接的时间信息嵌入器和融合模块，并执行如下操作：