一种医学图像分析方法、装置、存储介质及电子设备与流程

本说明书涉及医学，尤其涉及一种医学图像分析方法、装置、存储介质及电子设备。

背景技术：

1、一直以来，脑疾病都是医学领域中重点关注的方面之一。常见的脑疾病如孤独症、抑郁症、阿兹海默等，这些脑疾病的发作会对病患带来非常巨大的危害，需要尽早检查与治疗。但目前，现有的医疗手段在对脑疾病进行诊断时，步骤通常较为复杂。

2、通常情况下，脑疾病的检测和诊断涉及多种医学评估方法，包括临床评估、影像学检查、生物标志物分析和相关的神经生物学研究。举例来说，首先，医生需要与病患及其家属进行沟通，并对病患的行为进行一段时间的观察；其次，通过各种医学图像对病患的脑部结构进行异常分析；最后，通过家族史和基因组学分析确定遗传风险。可以看出，现有的方法在对脑疾病进行评估时非常耗时，这显然不利于尽早发现与治疗病症的目标。

3、因此，如何对脑部区域的医学图像进行更加简单高效的分析是一个亟待解决的问题。

技术实现思路

1、本说明书提供一种医学图像分析方法、装置、存储介质及电子设备，以至少部分地解决现有技术存在的上述问题。

2、本说明书采用下述技术方案：

3、本说明书提供了一种医学图像分析方法，包括：

4、获取包含脑部区域的目标医学图像；

5、对所述目标医学图像进行划分，得到所述脑部区域包含的各脑区；

6、以所述各脑区为节点，所述各脑区之间的关联关系为边，构建所述脑部区域的图数据；

7、将所述图数据输入预先训练的第一模型，使所述第一模型判断所述脑部区域是否存在异常；

8、响应于所述脑部区域存在异常，将所述图数据输入预先训练的第二模型，得到所述第二模型输出的所述脑部区域的状态分析结果。

9、可选地，两个脑区之间的关联关系用于表征一个脑区的状态对另一个脑区的状态的影响程度；

10、确定所述各脑区之间的关联关系，具体包括：

11、确定所述目标医学图像中所述各脑区的图像特征；

12、针对任意两个脑区，确定该两个脑区的图像特征之间的相似度；

13、根据所述相似度确定该两个脑区之间是否存在关联关系，所述关联关系在所述图数据中表征的影响程度的大小与所述相似度正相关。

14、可选地，将所述图数据输入预先训练的第二模型，得到所述第二模型输出的所述脑部区域的状态分析结果，具体包括：

15、获取所述脑部区域所属的病患的临床信息；

16、将所述图数据与所述临床信息输入预先训练的第二模型，得到所述第二模型输出的所述脑部区域的状态分析结果。

17、可选地，将所述图数据与所述临床信息输入预先训练的第二模型，具体包括：

18、对所述临床信息进行编码，得到编码信息；

19、融合所述编码信息与所述图数据，得到融合图数据；

20、将所述融合图数据输入预先训练的第二模型。

21、可选地，所述临床信息包括所述病患的性别、年龄、病史、认知功能评估值、行为功能评估值、神经学心理评估值、电学生理评估值、实验室检查结果、临床检查结果中的至少一种。

22、可选地，预先训练第一模型，具体包括：

23、获取包含样本脑部区域的样本医学图像以及所述样本医学图像是否真实存在异常的标注结果；

24、根据所述样本医学图像构建所述样本脑部区域的样本图数据；

25、将所述样本图数据输入待训练的第一模型，得到所述第一模型输出的对所述样本脑部区域是否存在异常的预测结果；

26、根据所述预测结果与所述标注结果之间的差异，对所述第一模型进行训练。

27、可选地，预先训练第二模型，具体包括：

28、获取包含存在异常的样本脑部区域的样本医学图像以及所述样本医学图像的标注状态；

29、根据所述样本医学图像构建所述样本脑部区域的样本图数据；

30、将所述样本图数据输入待训练的第二模型，得到所述第二模型输出的预测状态；

31、根据所述预测状态与所述标注状态之间的差异，对所述第二模型进行训练。

32、可选地，在将所述样本医学图像输入待训练的第二模型之前，所述方法还包括：

33、获取所述样本脑部区域所属的样本病患的样本临床信息；

34、将所述样本图数据输入待训练的第二模型，具体包括：

35、将所述样本图数据与所述样本临床信息输入待训练的第二模型。

36、本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述医学图像分析方法。

37、本说明书提供了一种电子设备，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，所述处理器执行所述程序时实现上述医学图像分析方法。

38、本说明书采用的上述至少一个技术方案能够达到以下有益效果：

39、在本说明书提供的医学图像分析方法中，获取包含脑部区域的目标医学图像；对所述目标医学图像进行划分，得到所述脑部区域包含的各脑区；以所述各脑区为节点，所述各脑区之间的关联关系为边，构建所述脑部区域的图数据；将所述图数据输入预先训练的第一模型，使所述第一模型判断所述脑部区域是否存在异常；响应于所述脑部区域存在异常，将所述图数据输入预先训练的第二模型，得到所述第二模型输出的所述脑部区域的状态分析结果。

40、在采用本说明书提供的医学图像分析方法对包含脑部区域的目标医学图像进行分析时，可首先在目标医学图像中划分出脑部区域包含的各脑区，并基于划分结果得到脑部区域的图数据；通过神经网络模型对图数据进行分析，得到脑部区域的状态分析结果。采用本方法不仅能够减少冗余图像信息对神经网络模型的干扰与计算开销，还能够额外关注脑区间的拓扑结构信息，提升对多种脑疾病的分析效果。

技术特征：

1.一种医学图像分析方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，两个脑区之间的关联关系用于表征一个脑区的状态对另一个脑区的状态的影响程度；

3.如权利要求1所述的方法，其特征在于，将所述图数据输入预先训练的第二模型，得到所述第二模型输出的所述脑部区域的状态分析结果，具体包括：

4.如权利要求3所述的方法，其特征在于，将所述图数据与所述临床信息输入预先训练的第二模型，具体包括：

5.如权利要求3所述的方法，其特征在于，所述临床信息包括所述病患的性别、年龄、病史、认知功能评估值、行为功能评估值、神经学心理评估值、电学生理评估值、实验室检查结果、临床检查结果中的至少一种。

6.如权利要求1所述的方法，其特征在于，预先训练第一模型，具体包括：

7.如权利要求1所述的方法，其特征在于，预先训练第二模型，具体包括：

8.如权利要求7所述的方法，其特征在于，在将所述样本医学图像输入待训练的第二模型之前，所述方法还包括：

9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～8任一项所述的方法。

10.一种电子设备，其特征在于，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，所述处理器执行所述程序时实现上述权利要求1～8任一项所述的方法。

技术总结
本说明书公开了一种医学图像分析方法、装置、存储介质及电子设备。在本说明书提供的医学图像分析方法中，获取包含脑部区域的目标医学图像；对所述目标医学图像进行划分，得到所述脑部区域包含的各脑区；以所述各脑区为节点，所述各脑区之间的关联关系为边，构建所述脑部区域的图数据；将所述图数据输入预先训练的第一模型，使所述第一模型判断所述脑部区域是否存在异常；响应于所述脑部区域存在异常，将所述图数据输入预先训练的第二模型，得到所述第二模型输出的所述脑部区域的状态分析结果。

技术研发人员：王雪纯,石峰,周翔,沈定刚
受保护的技术使用者：上海联影智能医疗科技有限公司
技术研发日：
技术公布日：2024/11/7