医学图像的处理方法、装置、计算机设备和存储介质与流程

摘要: 本技术涉及医学图像处理,特别是涉及一种医学图像的处理方法、装置、计算机设备和存储介质。背景技术:1、随着医学成像技术的发展,医学成像设备的成像质量越来越高。不同...
医学图像的处理方法、装置、计算机设备和存储介质与流程

本技术涉及医学图像处理,特别是涉及一种医学图像的处理方法、装置、计算机设备和存储介质。

背景技术:

1、随着医学成像技术的发展,医学成像设备的成像质量越来越高。不同的医学中心、不同的成像设备、或基于不同的图像处理算法所得到的医学图像的成像质量是不同的,对应的医学图像的分析判断标准也是不同的。医生在对跨中心,或跨设备,或跨算法的不同图像进行对比分析时,由于不同的图像所对应的分析判断标准不同,导致无法进行对比分析,或对比分析较为困难的情况。

2、因此,如何实现跨中心,或跨设备,或跨算法的不同图像之间的图像一致化,是目前亟待解决的技术问题。

技术实现思路

1、基于此,有必要针对上述技术问题,提供一种能够实现跨中心,或跨设备,或跨算法的不同图像之间的图像一致化的医学图像的处理方法、装置、计算机设备和存储介质。

2、第一方面,本技术提供了一种医学图像的处理方法,包括:

3、获取目标对象的初始医学图像和所述目标对象的解剖信息;

4、将所述初始医学图像和所述解剖信息输入至预设图像处理模型中进行图像质量一致化处理,得到所述初始医学图像对应的目标医学图像;

5、其中,所述预设图像处理模型用于实现不同成像标准下的多个图像质量指标的一致化,且所述预设图像处理模型包括与各所述图像质量指标对应的特征一致化网络,所述预设图像处理模型是根据训练数据集进行图像质量一致化的训练得到的,所述训练数据集中的样本医学图像是通过不同的医学成像设备或同一个医学成像设备对不同中心扫描得到的。

6、在其中一个实施例中,所述预设图像处理模型的训练过程包括:

7、根据样本医学图像、所述样本医学图像对应的样本解剖信息和目标样本图像,获取所述训练数据集;所述样本医学图像和所述目标样本图像为相同对象的成对医学图像,或者,不同对象的非成对医学图像;

8、将所述训练数据集输入至初始图像处理模型中进行训练,得到所述预设图像处理模型。

9、在其中一个实施例中,所述初始图像处理模型包括多个第一编码器网络、第二编码器网络和解码器网络,所述将所述训练数据集输入至初始图像处理模型中进行训练,得到所述预设图像处理模型,包括:

10、将所述样本医学图像和所述样本解剖信息分别输入至各所述第一编码器网络进行特征提取,得到各所述第一编码器网络输出的样本特征和解剖特征;

11、将所述目标样本图像输入至所述第二编码器网络进行特征提取,得到所述第二编码器网络输出的目标特征;

12、根据各所述样本特征的权重、各所述解剖特征的权重以及所述目标特征的权重,对各所述样本特征、各所述解剖特征以及所述目标特征进行特征融合,得到融合特征;

13、将所述融合特征和所述目标特征输入至所述解码器网络中进行图像生成,得到生成样本图像,并基于所述生成样本图像和所述目标样本图像对所述初始图像处理模型进行迭代训练,直至得到训练完成的所述预设图像处理模型。

14、在其中一个实施例中,所述基于所述生成样本图像和所述目标样本图像对所述初始图像处理模型进行迭代训练,直至得到训练完成的所述预设图像处理模型,包括:

15、基于所述生成样本图像和所述目标样本图像之间的图像差异,确定第一损失值;

16、基于各所述样本特征和所述目标特征之间的特征差异,确定第二损失值;

17、基于所述第一损失值和所述第二损失值,对所述初始图像处理模型进行迭代训练,直至得到训练完成的所述预设图像处理模型。

18、在其中一个实施例中,所述多个第一编码器网络包括解剖信息编码器网络、对比度编码器网络、噪声编码器网络和图像分辨率编码器网络中的至少两个。

19、在其中一个实施例中,若所述样本医学图像为pet图像,则所述多个第一编码器网络还包括tof编码器网络;若所述样本医学图像为spect图像,则所述多个第一编码器网络还包括能量编码器网络、psf编码器网络。

20、在其中一个实施例中,所述方法还包括:

21、获取测试医学图像和所述测试医学图像对应的测试解剖信息;

22、将所述测试医学图像和所述测试解剖信息输入至训练完成的所述预设图像处理模型中进行图像质量一致化处理,得到所述测试医学图像对应的目标测试图像;

23、基于预设性能指标,对所述目标测试图像和所述目标样本图像进行性能对比,得到性能对比结果;

24、在所述性能对比结果不满足预设性能要求的情况下,返回重新执行所述获取测试医学图像和所述测试医学图像对应的测试解剖信息的步骤。

25、第二方面,本技术还提供了一种医学图像的处理装置,包括:

26、获取模块,用于获取目标对象的初始医学图像和所述目标对象的解剖信息;

27、一致化处理模块,用于将所述初始医学图像和所述解剖信息输入至预设图像处理模型中进行图像质量一致化处理,得到所述初始医学图像对应的目标医学图像;

28、其中,所述预设图像处理模型用于实现不同成像标准的至少一个图像质量指标的一致化,且所述预设图像处理模型包括与各所述图像质量指标对应的特征一致化网络,所述预设图像处理模型是根据训练数据集进行图像质量一致化的训练得到的,所述训练数据集中的样本医学图像是通过不同的医学成像设备或同一个医学成像设备对不同中心扫描得到的。

29、第三方面,本技术还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面中的医学图像的处理方法的步骤。

30、第四方面,本技术还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中的医学图像的处理方法的步骤。

31、第五方面,本技术还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面中的医学图像的处理方法的步骤。

32、上述医学图像的处理方法、装置、计算机设备和存储介质,获取目标对象的初始医学图像和目标对象的解剖信息;将初始医学图像和解剖信息输入至预设图像处理模型中进行图像质量一致化处理,得到初始医学图像对应的目标医学图像;其中,预设图像处理模型用于实现不同成像标准下的多个图像质量指标的一致化,且预设图像处理模型包括与各图像质量指标对应的特征一致化网络,预设图像处理模型是根据训练数据集进行图像质量一致化的训练得到的,训练数据集中的样本医学图像是通过不同的医学成像设备或同一个医学成像设备对不同中心扫描得到的。由于本技术实施例中的预设图像处理模型是根据不同中心的样本医学图像进行图像质量一致化的训练所得到的,故预设图像处理模型可以对不同中心、不同成像标准下的多个图像质量指标的样本医学图像进行质量一致化,且预设图像处理模型包括与各图像质量指标对应的特征一致化网络,因此,本技术实施例可以采用各图像质量指标对应的特征一致化网络,从各图像质量指标方面,将不同成像标准下的各初始医学图像的图像质量进行一致化,从而能够实现跨中心,或跨设备,或跨算法的不同图像之间的图像一致化。