胸膜掩码图像确定、智能分析方法和系统

本公开涉及医学图像智能分析，尤其涉及一种胸膜掩码图像确定、智能分析方法和系统。

背景技术：

1、胸膜是覆盖在肺表面和胸廓内面的一层薄而光滑的浆膜，分为脏层胸膜和壁层胸膜。脏层胸膜紧贴肺表面，与肺紧密结合；壁层胸膜覆盖于胸壁内面、膈上面和纵隔侧面。两层胸膜在肺根处相互移行，形成一个密闭的潜在腔隙，即胸膜腔，腔内含有少量浆液，可减少呼吸时的摩擦。

2、胸膜的主要功能，包括：润滑作用、维持胸腔负压及保护作用。具体地，润滑作用：分泌浆液，使肺与胸壁在呼吸时能顺畅滑动，减少摩擦。维持胸腔负压：胸膜腔内的负压有助于肺的扩张和静脉血、淋巴液的回流。保护作用：作为物理屏障，保护肺和胸腔内的器官免受外界损伤和感染。

3、胸膜相关疾病包括胸膜炎、胸腔积液、胸膜粘连等，可能由感染、外伤、肿瘤等原因引起。然而，胸膜在胸部医学图像上显示得不清晰，难以对胸膜进行勾画，以至于不能得到性能满足要求的基于深度学习分割网络构建的预设胸膜分割模型对应的技术问题。

技术实现思路

1、本公开提出了一种胸膜掩码图像确定、智能分析方法和系统的技术方案。

2、根据本公开的一方面，提供了一种胸膜掩码图像确定方法，包括：利用第二预设边缘宽度对胸部医学图像对应的肺野掩码图像中肺野进行膨胀操作，得到肺野膨胀掩码图像；对所述肺野膨胀掩码图像及所述肺野掩码图像执行像素级的减法操作，确定所述胸膜对应的胸膜掩码图像。

3、优选地，确定所述胸部医学图像对应的肺野掩码图像，包括：对所述胸部医学图像中的肺野进行分割，得到所述胸部医学图像对应的肺野掩码图像。

4、优选地，所述对所述胸部医学图像中的肺野进行分割，得到所述胸部医学图像对应的肺野掩码图像，包括：获取基于深度学习分割网络构建的预设肺野分割模型；利用所述预设肺野分割模型对所述胸部医学图像中的肺野进行分割，得到所述胸部医学图像对应的肺野掩码图像。

5、优选地，在所述利用所述预设肺野分割模型对所述胸部医学图像中的肺野进行分割之前，包括：利用预设数目的胸部医学图像及其对应的肺野掩码训练图像，对预设深度学习分割网络进行训练，得到基于深度学习分割网络构建的预设肺野分割模型。

6、根据本公开的一方面，提供了一种医学图像智能分析方法，包括：利用如上述胸膜掩码图像确定方法，确定所述胸部医学图像中胸膜对应的胸膜掩码图像；利用肺野动态区域划分方法，对所述胸部医学图像进行肺野区域划分，得到所述胸部医学图像中每个结节对应的肺野区域划分网络；基于所述每个结节对应的肺野区域划分网络及所述胸膜掩码图像，确定所述每个结节最近的胸膜区域图像。

7、优选地，确定所述胸部医学图像中每个结节，包括：对所述胸部医学图像中的结节进行分割，确定所述胸部医学图像中每个结节。

8、优选地，所述对所述胸部医学图像中的结节进行分割，确定所述胸部医学图像中每个结节，包括：利用基于深度学习分割网络构建的预设结节分割模型，对所述胸部医学图像中的结节进行分割，得到所述胸部医学图像对应的结节掩码图像；根据所述结节掩码图像确定所述胸部医学图像中每个结节。

9、优选地，所述医学图像智能分析方法，还包括：利用所述每个结节最近的结节胸膜区域图像，确定所述胸部医学图像是否存在结节胸膜牵拉征。

10、优选地，所述利用所述每个结节最近的结节胸膜区域图像，确定所述胸部医学图像是否存在结节胸膜牵拉征，包括：利用基于深度学习的预设特征目标检测模型，对所述结节胸膜区域图像进行特征目标检测，确定所述结节胸膜区域图像中所述预设位置结节邻近胸膜之间是否存在条索状特征或线状特征；若存在，则确定所述胸部医学图像存在结节胸膜牵拉征；否则，确定所述胸部医学图像不存在结节胸膜牵拉征。

11、优选地，基于包括所述是否存在结节胸膜牵拉征对应的待选择预设结节定量图像学特征，进行结节相关的预设胸部疾病进行预测。

12、优选地，所述基于包括所述是否存在结节胸膜牵拉征对应的待选择预设结节定量图像学特征，进行结节相关的预设胸部疾病进行预测，包括：对所述基于包括所述是否存在结节胸膜牵拉征对应的待选择预设结节定量图像学特征进行特征选择，得到预设胸部疾病对应的预设结节定量图像学特征；基于所述预设胸部疾病对应的预设结节定量图像学特征，进行结节相关的预设胸部疾病进行预测。

13、优选地，所述基于所述预设胸部疾病对应的预设结节定量图像学特征，进行结节相关的预设胸部疾病进行预测，包括：利用第一时刻的胸部医学图像中预设胸部疾病对应的预设结节定量图像学特征及在所述第一时刻之后第二时刻的预设胸部疾病结果，对预设预测器进行训练，构建预设胸部疾病模型。

14、优选地，所述待选择预设结节定量图像学特征，还包括：结节长径、结节边缘是否清晰、结节形态、结节棘突征、结节分叶征、结节空泡征的一种或几种。

15、优选地，检测所述结节棘突征，包括：包括：根据胸部医学图像对应的结节掩码图像中每个结节的长径及短径，计算所述每个结节对应的长径短径比值；其中，所述胸部医学图像配置为二维医学图像；若所述长径短径比值大于或等于第一预设长径短径比值，则确定对应的结节存在棘突征。

16、根据本公开的一方面，提供了一种胸膜掩码图像确定系统，包括：膨胀单元，用于利用第二预设边缘宽度对胸部医学图像对应的肺野掩码图像中肺野进行膨胀操作，得到肺野膨胀掩码图像；减法单元，用于对所述肺野膨胀掩码图像及所述肺野掩码图像执行像素级的减法操作，确定所述胸膜对应的胸膜掩码图像。

17、根据本公开的一方面，提供了一种胸膜掩码图像确定系统，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述胸膜掩码图像确定方法。

18、根据本公开的一方面，提供了一种胸膜掩码图像确定系统，包括：计算机可读存储介质，其上存储有计算机程序/指令和比特流，该计算机程序/指令被处理器执行时实现上述胸膜掩码图像确定方法生成所述比特流。

19、根据本公开的一方面，提供了一种胸膜掩码图像确定系统，包括：计算机程序产品，所述计算机程序产品配置有计算机程序/指令，该计算机程序/指令被处理器执行时实现上述胸膜掩码图像确定方法。

20、根据本公开的一方面，提供了一种医学图像智能分析系统，包括：膨胀单元，用于利用第二预设边缘宽度对胸部医学图像对应的肺野掩码图像中肺野进行膨胀操作，得到肺野膨胀掩码图像；减法单元，用于对所述肺野膨胀掩码图像及所述肺野掩码图像执行像素级的减法操作，确定所述胸膜对应的胸膜掩码图像；划分单元，用于对所述胸部医学图像进行肺野区域划分，得到所述胸部医学图像中每个结节对应的肺野区域划分网络；第一确定单元，用于基于所述每个结节对应的肺野区域划分网络及所述胸膜掩码图像，确定所述每个结节最近的胸膜区域图像。

21、根据本公开的一方面，提供了一种医学图像智能分析系统，包括：膨胀单元，用于利用第二预设边缘宽度对胸部医学图像对应的肺野掩码图像中肺野进行膨胀操作，得到肺野膨胀掩码图像；减法单元，用于对所述肺野膨胀掩码图像及所述肺野掩码图像执行像素级的减法操作，确定所述胸膜对应的胸膜掩码图像；划分单元，用于对所述胸部医学图像进行肺野区域划分，得到所述胸部医学图像中每个结节对应的肺野区域划分网络；第一确定单元，用于基于所述每个结节对应的肺野区域划分网络及所述胸膜掩码图像，确定所述每个结节最近的胸膜区域图像；第二确定单元，用于利用所述每个结节最近的结节胸膜区域图像，确定所述胸部医学图像是否存在结节胸膜牵拉征。

22、根据本公开的一方面，提供了一种医学图像智能分析系统，包括：膨胀单元，用于利用第二预设边缘宽度对胸部医学图像对应的肺野掩码图像中肺野进行膨胀操作，得到肺野膨胀掩码图像；减法单元，用于对所述肺野膨胀掩码图像及所述肺野掩码图像执行像素级的减法操作，确定所述胸膜对应的胸膜掩码图像；划分单元，用于对所述胸部医学图像进行肺野区域划分，得到所述胸部医学图像中每个结节对应的肺野区域划分网络；第一确定单元，用于基于所述每个结节对应的肺野区域划分网络及所述胸膜掩码图像，确定所述每个结节最近的胸膜区域图像；第二确定单元，用于利用所述每个结节最近的结节胸膜区域图像，确定所述胸部医学图像是否存在结节胸膜牵拉征；预测单元，用于基于包括所述是否存在结节胸膜牵拉征对应的待选择预设结节定量图像学特征，进行结节相关的预设胸部疾病进行预测。

23、根据本公开的一方面，提供了一种医学图像智能分析系统，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述医学图像智能分析方法。

24、根据本公开的一方面，提供了一种医学图像智能分析系统，包括：计算机可读存储介质，其上存储有计算机程序/指令和比特流，该计算机程序/指令被处理器执行时实现上述医学图像智能分析方法生成所述比特流。

25、根据本公开的一方面，提供了一种医学图像智能分析系统，包括：计算机程序产品，所述计算机程序产品配置有计算机程序/指令，该计算机程序/指令被处理器执行时实现上述医学图像智能分析方法。

26、在本公开实施例中，本公开提出了一种胸膜掩码图像确定、智能分析方法和系统的技术方案，以解决所述胸膜在所述胸部医学图像上显示得不清晰，难以对所述胸膜进行勾画，以至于不能得到性能满足要求的基于深度学习分割网络构建的预设胸膜分割模型对应的技术问题。

27、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。

28、根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。