医学图像检测方法及相关装置、设备和存储介质与流程

本技术涉及计算机视觉，特别是涉及一种医学图像检测方法及相关装置、设备和存储介质。

背景技术：

1、ct(computed tomography，计算机断层扫描)图像、mr(magnetic resonance，核磁共振)图像等医学图像在诸多场景中得到应用。

2、目前，在获取医学图像之后，往往需要医生手动勾勒病灶，并进一步对勾勒结果进行手工分析，以为后续可能要采取的手术规划提供重要的决策依据。但是，这种方式耗时耗力，效率较低，特别是对急诊急救等时效要求较高的场景来说，对医生的阅片经验提出极高的要求。有鉴于此，如何提升医学图像的检测效率和检测精度，成为亟待解决的问题。

技术实现思路

1、本技术提供一种医学图像检测方法及相关装置、设备和存储介质。

2、本技术第一方面提供了一种医学图像检测方法，包括：基于目标器官的医学图像进行检测，得到医学图像中关于器官病灶的第一检测结果；其中，目标器官含有若干器官区段；基于医学图像和目标器官的模板图像进行匹配，得到医学图像中各个器官区段分别占据的第一图像区域；其中，模板图像标注有器官区段占据的第二图像区域；基于第一检测结果和医学图像中各个器官区段分别占据的第一图像区域，确定各个器官区段中器官病灶的第二检测结果。

3、因此，基于目标器官的医学图像进行检测，得到医学图像中关于器官病灶的第一检测结果，且目标器官含有若干器官区段，再基于医学图像和目标器官的模板图像进行匹配，得到医学图像中各个器官区段分别占据的第一图像区域，且模板图像标注有器官区段占据的第二图像区域，从而基于第一检测结果和医学图像中各个器官区段分别占据的第一图像区域，确定各个器官区段中器官病灶的第二检测结果，一方面能够无需依赖于人工勾勒和分析，自动检测医学图像，有助于提升医学图像的检测效率，另一方面通过先检测整个医学图像中关于器官病灶的第一检测结果和医学图像中各个器官区段分别占据的第一图像区域，再结合两者确定出各个器官区段分别关于器官病灶的第二检测结果，从而能够将检测结果精细化到器官区段的粒度，为每个器官区段提供关于器官病灶的检测结果，进而能够提升医学图像的检测精度。故此，能够提升医学图像的检测效率和检测精度。

4、其中，医学图像中各个器官区段分别占据的第一图像区域是基于医学图像分别与多个模板图像进行配准得到的。

5、因此，通过医学图像分别与多个模板图像进行配准，得到医学图像中各个器官分段分别占据的第一图像区域，从而在确定医学图像中各个器官区段的过程中参考多个模板图像的标注信息，进而能够有助于尽可能地提升第一图像区域的准确性。

6、其中，基于医学图像和目标器官的模板图像进行匹配，得到医学图像中各个器官区段分别占据的第一图像区域，包括：将医学图像分别与各个模板图像进行配准，得到各个模板图像分别对应的配准参数；基于模板图像的配准参数对模板图像进行形变，得到模板图像对应的形变图像；基于各个模板图像分别对应的形变图像上相同器官区段分别占据的第二图像区域进行融合，得到医学图像中对应器官区段所占据的第一图像区域。

7、因此，将医学图像分别与各个模板图像进行配准，得到各个模板图像分别对应的配准参数，再基于模板图像的配准参数对模板图像进行形变，得到模板图像对应的形变图像，从而基于各个模板图像分别对应的形变图像上相同器官区段分别占据的第二图像区域进行融合，得到医学图像中对应器官区段所占据的第一图像区域，进而对于每个器官区段来说，都能够通过融合各个模板图像分别对应的形变图像上该器官区段占据的第二图像区域，得到医学图像中该器官区段所占据的第一图像区域，有助于进一步提升第一图像区域的准确性。

8、其中，将医学图像分别与各个模板图像进行配准，得到各个模板图像分别对应的配准参数，包括：基于模板图像进行仿射变化，得到模板图像经仿射变化之后的仿射图像；基于仿射图像和医学图像进行预测，得到模板图像对应的配准参数。

9、因此，基于模板图像进行仿射变化，得到模板图像经仿射变化之后的仿射图像，再基于仿射图像和医学图像进行预测，得到模板图像对应的配准参数，故通过先仿射再预测的配准过程，能够结合刚性变化和非刚性变化共同确定配准参数，有助于提升配准参数的准确性。

10、其中，配准参数由配准模型对模板图像和医学图像进行配准得到，且配准模型包括顺序连接的仿射变化网络和形变预测网络；其中，仿射变化网络用于对模板图像进行仿射变化得到仿射图像，形变预测网络用于对仿射图像和医学图像进行形变预测得到形变场，作为配准参数。

11、因此，配准参数由配准模型对模板图像和医学图像进行配准得到，且配准模型包括顺序连接的仿射变化网络和形变预测网络，且仿射变化网络用于对模板图像进行仿射变化得到仿射图像，形变预测网络用于对仿射图像和医学图像进行形变预测得到形变场，作为配准参数，故能够通过深度学习的配准框架确定出配准参数，能够尽可能地缓解由于多个模板图像分别配准可能导致的时长增加，有助于提升配准速度。

12、其中，第一检测结果至少包括医学图像中各个器官病灶分别占据的第三图像区域，基于第一检测结果和医学图像中各个器官区段分别占据的第一图像区域，确定各个器官区段中器官病灶的第二检测结果，包括：基于第一图像区域对第三图像区域进行划分，得到若干第四图像区域；其中，第四图像区域表示医学图像中器官区段分别包围各个器官病灶的部分；基于在各个第一图像区域划分得到的第四图像区域进行度量，得到医学图像中各个器官区段分别所含的病灶体积。

13、因此，第一检测结果至少包括医学图像中各个器官病灶分别占据的第三图像区域，从而基于第一图像区域对第三图像区域进行划分，得到若干第四图像区域，且第四图像区域表示医学图像中器官病灶分别被各个器官包围的部分，进而基于在各个第一图像区域划分得到的第四图像区域进行度量，得到医学图像中各个器官区段分别所含的病灶体积，由此能够对每个器官区段所含器官病灶进行精确量化，有助于为医生提供更为丰富的辅助信息。

14、其中，第一检测结果还包括医学图像中各个第三图像区域分别代表的病灶类别，在基于第一图像区域对第三图像区域进行划分，得到若干第四图像区域之后，方法还包括：基于第四图像区域所属的第三图像区域和各个第三图像区域分别代表的病灶类别，确定第四图像区域代表的病灶类别。

15、因此，第一检测结果还包括医学图像中各个第三图像区域分别代表的病灶类别，从而在划分得到若干第四图像区域之后，进一步基于第四图像区域所属的第三图像区域和各个第三图像区域分别代表的病灶类别，确定第四图像区域代表的病灶类别，由此能够对每个器官区段所含器官病灶也进行精确分类，有助于进一步为医生提供更为丰富的辅助信息。

16、其中，在基于目标器官的医学图像进行检测，得到医学图像中关于器官病灶的第一检测结果之前，方法还包括：基于医学图像进行目标分割，得到医学图像中目标器官的器官实质占据的第五图像区域；基于目标器官的医学图像进行检测，得到医学图像中关于器官病灶的第一检测结果，包括：基于第五图像区域进行检测，得到第一检测结果。

17、因此，在对医学图像进行检测之前，先基于医学图像进行目标分割，得到医学图像中目标器官的器官实质占据的第五图像区域，再基于第五图像区域进行检测，得到第一检测结果，故能够将后续与器官病灶相关的检测结果限定在器官实质内，一方面由于基于第二图像区域进行检测相较于基于医学图像检测，能够减少检测数据量，从而有助于减少硬件开销，另一方面由于将检测限定在第五图像区域，能够尽可能避免由于伪影等干扰因素带来的假阳问题。故此，能够进一步提升医学图像的检测效率和检测精度。

18、其中，目标器官包括脑部，器官病灶包括出血灶，且器官区段包括脑功能区。

19、因此，目标器官设置为包括脑部，器官病灶设置为包括出血灶，器官区段设置为包括脑功能区，能够对脑部各个脑功能区分别所含出血灶进行精确检测，有助于在脑部医学图像检测，特别是脑出血检测为医生提供精确且高效的辅助信息。

20、本技术第二方面提供了一种医学图像检测装置，包括：检测模块、匹配模块和确定模块，检测模块，用于基于目标器官的医学图像进行检测，得到医学图像中关于器官病灶的第一检测结果；其中，目标器官含有若干器官区段；匹配模块，用于基于医学图像和目标器官的模板图像进行匹配，得到医学图像中各个器官区段分别占据的第一图像区域；其中，模板图像标注有器官区段占据的第二图像区域；确定模块，用于基于第一检测结果和医学图像中各个器官区段分别占据的第一图像区域，确定各个器官区段中器官病灶的第二检测结果。

21、本技术第三方面提供了一种电子设备，包括相互耦接的存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现上述第一方面中的医学图像检测方法。

22、本技术第四方面提供了一种计算机可读存储介质，其上存储有程序指令，程序指令被处理器执行时实现上述第一方面中的医学图像检测方法。

23、上述方案，基于目标器官的医学图像进行检测，得到医学图像中关于器官病灶的第一检测结果，且目标器官含有若干器官区段，再基于医学图像和目标器官的模板图像进行匹配，得到医学图像中各个器官区段分别占据的第一图像区域，且模板图像标注有器官区段占据的第二图像区域，从而基于第一检测结果和医学图像中各个器官区段分别占据的第一图像区域，确定各个器官区段中器官病灶的第二检测结果，一方面能够无需依赖于人工勾勒和分析，自动检测医学图像，有助于提升医学图像的检测效率，另一方面通过先检测整个医学图像中关于器官病灶的第一检测结果和医学图像中各个器官区段分别占据的第一图像区域，再结合两者确定出各个器官区段分别关于器官病灶的第二检测结果，从而能够将检测结果精细化到器官区段的粒度，为每个器官区段提供关于器官病灶的检测结果，进而能够提升医学图像的检测精度。故此，能够提升医学图像的检测效率和检测精度。