一种基于胸部CT的医学图像处理方法和装置与流程

本申请实施例涉及医学影像处理，尤其涉及一种基于胸部ct的医学图像处理方法和装置。

背景技术：

1、近年来深度学习被应用于医学影像分析，resnet、mobilenet等卷积神经网络及影像组学方法可从ct影像中提取定量特征，进行基于定量特征进行风险预测。

2、但现有技术的缺陷在于：基于ct影像分析模型未能多任务之间的特征之间的关联性，其中单任务独立训练导致数据利用效率低且各任务无法通过共享表征协同增强；而简单固定权重的多任务模型又易因各任务损失量级差异和收敛速度不同产生梯度竞争，致使某一任务主导训练而其他任务欠拟合，无法同时实现多风险任务预测的准确输出。

3、针对上述问题，现有技术亟须改进。

技术实现思路

1、为实现上述目的，本申请实施例的第一方面提出了一种基于胸部ct的医学图像处理方法，所述方法包括：

2、获取目标胸部ct影像；

3、将所述目标胸部ct影像输入预训练的肺实质分割网络，得到肺实质分割概率图，并基于后处理生成肺实质掩膜，并基于所述肺实质掩膜提取肺实质感兴趣区域；

4、将所述肺实质感兴趣区域输入预训练的多任务深度学习网络；其中，所述多任务深度学习网络包括共享特征编码器和多个任务分支，由所述共享特征编码器对所述肺实质感兴趣区域进行特征提取，得到与多个预测任务相关联的共享影像特征，并由所述多个任务分支基于共享影像特征输出对应的多个预测任务的预测结果；其中，所述多任务深度学习网络通过基于同方差不确定性动态加权的多任务联合损失函数训练得到。

5、本申请实施例提供的上述方法，至少具有如下的有益效果：

6、相比于现有技术中多为单预测任务模型或组合多个独立模型的方式，首先，本方法采用了共享特征编码器，通过共享特征编码器对肺实质感兴趣区域进行特征提取，使得多任务能够共享和学习肺部影像的通用特征，这种共享机制促进了任务间的知识迁移和协同学习，提高了模型的泛化能力和预测精度；再者，引入了基于同方差不确定性动态加权的多任务联合损失函数，通过动态调整各任务损失的权重，通过自适应的权重调整机制保证了所有任务都能得到均衡且充分的训练，显著的提升利用医学图像进行任务分析的效率和多任务的准确度。

7、为实现上述目的，本申请实施例的第二方面提出了一种基于胸部ct的医学图像处理装置，所述装置包括：

8、数据获取模块，用于获取目标胸部ct影像；

9、感兴趣区域提取模块，用于将所述目标胸部ct影像输入预训练的肺实质分割网络，得到肺实质分割概率图，并基于后处理生成肺实质掩膜，并基于所述肺实质掩膜提取肺实质感兴趣区域；

10、风险预测模块，用于将所述肺实质感兴趣区域输入预训练的多任务深度学习网络；其中，所述多任务深度学习网络包括共享特征编码器和多个任务分支，由所述共享特征编码器对所述肺实质感兴趣区域进行特征提取，得到与多个预测任务相关联的共享影像特征，并由所述多个任务分支基于共享影像特征输出对应的多个预测任务的预测结果；其中，所述多任务深度学习网络通过基于同方差不确定性动态加权的多任务联合损失函数训练得到。

11、为实现上述目的，本申请实施例的第三方面提出了一种电子设备，包括至少一个控制器和用于与所述控制器通信连接的存储器；所述存储器存储有能够被所述至少一个控制器执行的指令，所述指令被至少一个所述控制器执行，以使至少一个所述控制器执行：如第一方面实施例所述的一种基于胸部ct的医学图像处理方法。

12、为实现上述目的，本申请实施例的第四方面还提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行：如第一方面实施例所述的一种基于胸部ct的医学图像处理方法。

13、可以理解的是，上述第二方面至第四方面与相关技术相比存在的有益效果与上述第一方面与相关技术相比存在的有益效果相同，可以参见上述第一方面中的相关描述，在此不再赘述。

1.一种基于胸部ct的医学图像处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于胸部ct的医学图像处理方法，其特征在于，所述肺实质分割网络包括：3d u-net；

3.根据权利要求1所述的一种基于胸部ct的医学图像处理方法，其特征在于，所述目标胸部ct影像通过以下方式获得：

4.根据权利要求1所述的一种基于胸部ct的医学图像处理方法，其特征在于，所述后处理的过程包括：

5.根据权利要求1所述的一种基于胸部ct的医学图像处理方法，其特征在于，所述共享特征编码器包括3d resnet-18、mobilenetv2、shufflenet、efficientnet或convnet中的任一种。

6.根据权利要求1所述的一种基于胸部ct的医学图像处理方法，其特征在于，在所述获取目标胸部ct影像之前，还包括：

7.根据权利要求6所述的一种基于胸部ct的医学图像处理方法，其特征在于，所述多任务深度学习网络的训练前5个epoch采用固定权重；自第6个epoch起启用所述可学习参数，由所述多任务深度学习网络根据各任务损失的不确定性自动调整权重。

8.一种基于胸部ct的医学图像处理装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括：至少一个处理器和用于与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7任一项所述的一种基于胸部ct的医学图像处理方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行权利要求1至7任一项所述的一种基于胸部ct的医学图像处理方法。