脑部医学图像处理方法、装置、电子设备及存储介质

本申请涉及数据处理，尤其涉及一种脑部医学图像处理方法、装置、电子设备及存储介质。

背景技术：

1、随着机器学习和深度学习技术的迅猛发展，出现了大量的确定脑部医学图像中的脑白质高信号的方法。由于脑部医学图像中的脑白质高信号通常具有形状大小不规则、分布随机、边界模糊的特征，这对确定脑白质高信号提出了一定的挑战。现有技术中，即便是目前性能最佳的深度学习模型也无法做到完全精准的判断，因此判断结果只能作为一个辅助诊断的参考，后续用户手动校正是必不可少的环节。

2、现有的对脑部医学图像中的脑白质高信号的判断通常只是给出一个“非黑即白”的判断结果作为辅助用户诊断的参考。这些方法在实际临床应用时存在以下问题：深度学习模型直接给出了“是或不是”的判断结果，在面对不太明显的脑白质高信号时通常会直接漏判，用户无法得知模型做出这些判断的自信程度，仍然需要费时费力去主动寻找这些漏判的脑白质高信号，增加了工作负担。

技术实现思路

1、有鉴于此，本申请的目的在于提出一种脑部医学图像处理方法、装置、电子设备及存储介质，以克服现有技术中全部或部分不足。

2、基于上述目的，本申请提供了一种脑部医学图像处理方法，包括：获取三维脑部医学图像，并对所述三维脑部医学图像进行切片，得到多个二维切片图像；将每个二维切片图像输入至经过训练的深度学习模型，经由所述深度学习模型输出每个二维切片图像中待检测目标的分布概率图；基于所述分布概率图，确定所述待检测目标的待检测区域，并计算所述待检测区域内所述待检测目标的平均概率；基于预设分布等级和所述平均概率确定所述待检测区域对应的等级；基于全部所述待检测区域对应的等级，对所述三维脑部医学图像相应的区域进行等级标记，得到带有所述待检测目标等级标记的三维脑部医学图像。

3、可选地，在对所述三维脑部医学图像进行切片之前，所述方法包括：对所述三维脑部医学图像进行去颅骨操作；基于预设三维脑部医学图像，对经过所述去颅骨操作后的三维脑部医学图像进行配准；将经过所述配准后的三维脑部医学图像的图像尺寸调整为预设尺寸；对调整为预设尺寸的三维脑部医学图像中的体素值进行修正。

4、可选地，所述对调整为预设尺寸的三维脑部医学图像中的体素值进行修正，包括：确定所述调整为预设尺寸的三维脑部医学图像中的待检测图像；对所述待检测图像进行体素值填充；对经过所述体素值填充后的待检测图像中的体素值进行变换；将在所述三维脑部医学图像中除所述待检测图像中的体素之外的其他体素的体素值更改为所述待检测图像中体素对应的最小体素值。

5、可选地，在基于所述分布概率图，确定所述待检测目标的待检测区域之前，所述方法包括：响应于确定所述分布概率图中的预设区域内存在概率大于零的像素，将所述概率大于零的像素的概率设置为零。

6、可选地，所述基于所述分布概率图，确定所述待检测目标的待检测区域，包括：对所述分布概率图进行像素过滤；对经过所述像素过滤后的分布概率图中概率大于零的像素进行聚类，得到所述待检测区域。

7、可选地，所述对所述分布概率图进行像素过滤，包括：响应于确定所述分布概率图中存在概率小于预设概率的像素，将所述概率小于预设概率的像素的概率置为零。

8、可选地，所述深度学习模型的训练方法包括：获取初始历史三维脑部医学图像，对所述初始历史三维脑部医学图像进行预处理以及切片，得到多个初始历史二维切片图像；对所述初始历史二维切片图像进行标注，得到带有待检测目标的历史二维切片图像；对所述初始历史二维切片图像进行数据增强；将经过所述数据增强的初始历史二维切片图像和所述带有待检测目标的历史二维切片图像划分为训练集和测试集；初始化所述深度学习模型的权重，采用所述训练集对所述深度学习模型进行迭代训练；基于所述测试集对经过迭代训练的所述深度学习模型进行测试，得到测试评估参数，当所述测试评估参数大于预设评估阈值时，得到训练完成的深度学习模型。

9、基于同一发明构思，本申请还提供了一种脑部医学图像处理装置，包括切片模块，被配置为获取三维脑部医学图像，并对所述三维脑部医学图像进行切片，得到多个二维切片图像；输出模块，被配置为将每个二维切片图像输入至经过训练的深度学习模型，经由所述深度学习模型输出每个二维切片图像中待检测目标的分布概率图；计算模块，被配置为基于所述分布概率图，确定所述待检测目标的待检测区域，并计算所述待检测区域内所述待检测目标的平均概率；确定模块，被配置为基于预设分布等级和所述平均概率确定所述待检测区域对应的等级；标记模块，被配置为基于全部所述待检测区域对应的等级，对所述三维脑部医学图像相应的区域进行等级标记，得到带有所述待检测目标等级标记的三维脑部医学图像。

10、基于同一发明构思，本申请还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上所述的方法。

11、基于同一发明构思，本申请还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上所述的方法。

12、从上面所述可以看出，本申请提供的脑部医学图像处理方法、装置、电子设备及存储介质，通过获取三维脑部医学图像，并对所述三维脑部医学图像进行切片，得到多个二维切片图像，有利于后续深度学习模型对输入数据进行处理时获得更好的处理效果。将每个二维切片图像输入至经过训练的深度学习模型，经由所述深度学习模型输出每个二维切片图像中待检测目标的分布概率图，即使在面对特征不太明显的待检测目标，深度学习模型也不会造成漏判，保证了确定全部待检测目标的全面性。基于所述分布概率图，确定所述待检测目标的待检测区域，并计算所述待检测区域内所述待检测目标的平均概率，使得待检测区域内待检测目标的像素点对应的概率具有代表性。基于预设分布等级和所述平均概率确定所述待检测区域对应的等级，使用户直观的获知待检测区域的待检测目标出现的可能性。基于全部所述待检测区域对应的等级，对所述三维脑部医学图像相应的区域进行等级标记，得到带有所述待检测目标等级标记的三维脑部医学图像，用户可以直观获知全部待检测目标的出现可能性，无需费时费力去主动寻找漏判的待检测目标，减轻了工作负担。

技术特征：

1.一种脑部医学图像处理方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，在对所述三维脑部医学图像进行切片之前，所述方法包括：

3.根据权利要求2所述的方法，其特征在于，所述对调整为预设尺寸的三维脑部医学图像中的体素值进行修正，包括：

4.根据权利要求1所述的方法，其特征在于，在基于所述分布概率图，确定所述待检测目标的待检测区域之前，所述方法包括：

5.根据权利要求1所述的方法，其特征在于，所述基于所述分布概率图，确定所述待检测目标的待检测区域，包括：

6.根据权利要求5所述的方法，其特征在于，所述对所述分布概率图进行像素过滤，包括：

7.根据权利要求1所述的方法，其特征在于，所述深度学习模型的训练方法包括：

8.一种脑部医学图像处理装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。

10.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，其特征在于，所述计算机指令用于使计算机执行权利要求1至7任一所述方法。

技术总结
本申请提供一种脑部医学图像处理方法、装置、电子设备及存储介质，所述方法包括获取三维脑部医学图像，并对所述三维脑部医学图像进行切片，得到多个二维切片图像；将每个二维切片图像输入至经过训练的深度学习模型，经由所述深度学习模型输出每个二维切片图像中待检测目标的分布概率图；确定所述待检测目标的待检测区域，并计算所述待检测区域内所述待检测目标的平均概率；基于预设分布等级和所述平均概率确定所述待检测区域对应的等级；对所述三维脑部医学图像相应的区域进行等级标记，得到带有所述待检测目标等级标记的三维脑部医学图像，解决了现有技术中易漏判脑部医学图像中的待检测目标的技术问题，减轻了用户的工作负担。

技术研发人员：陈姚静,程奥,姜竹青,张占军
受保护的技术使用者：北京师范大学
技术研发日：
技术公布日：2024/1/14