医学图像异常点识别方法、设备、电子装置和存储介质与流程

技术特征：
1.一种医学图像异常点识别方法，其特征在于，包括：基于扫描对象的扫描图像，获取所述扫描对象的多个身体部位图像；根据预设的医学参数阈值对所述身体部位图像中的异常点进行识别，得到第一异常点，所述医学参数阈值与身体部位具有对应关系；基于深度学习算法对多个所述身体部位图像中的异常点进行识别，得到第二异常点；根据所述第一异常点和所述第二异常点，确定与所述扫描对象对应的目标异常点。2.根据权利要求1所述的医学图像异常点识别方法，其特征在于，所述根据所述第一异常点和所述第二异常点，确定与所述扫描对象对应的目标异常点包括：获取所述扫描对象的肿瘤识别需求；根据所述肿瘤识别需求的类型、所述第一异常点以及所述第二异常点得到所述扫描对象的目标异常点。3.根据权利要求2所述的医学图像异常点识别方法，其特征在于，所述根据所述肿瘤识别需求的类型、所述第一异常点以及所述第二异常点得到所述扫描对象的目标异常点包括：在所述肿瘤识别需求的类型为肿瘤识别误报率优先的情况下，根据所述第一异常点与所述第二异常点的交集，确定所述目标异常点。4.根据权利要求2所述的医学图像异常点识别方法，其特征在于，所述根据所述肿瘤识别需求的类型、所述第一异常点以及所述第二异常点得到所述扫描对象的目标异常点包括：在所述肿瘤识别需求的类型为肿瘤识别漏报率优先的情况下，根据所述第一异常点与所述第二异常点的并集，确定所述目标异常点。5.根据权利要求1所述的医学图像异常点识别方法，其特征在于，所述基于扫描对象的扫描图像，获取所述扫描对象的多个身体部位图像包括：获取所述扫描对象的ct图像和pet图像；在所述ct图像中，获取所述扫描对象的多个身体部位；根据所述ct图像与所述pet图像之间的映射关系以及多个所述身体部位，在所述pet图像中获取所述扫描对象的多个身体部位图像。6.根据权利要求1所述的医学图像异常点识别方法，其特征在于，在所述确定与所述扫描对象对应的目标异常点之后，所述方法还包括：获取预设的病历配置文件；根据所述目标异常点的参数信息与所述预设的病历配置文件，生成所述扫描对象的电子病历。7.根据权利要求1至6任一项所述的医学图像异常点识别方法，其特征在于，所述深度学习算法通过深度学习模型实现，所述深度学习模型的训练过程包括：以扫描图像中身体部位图像以及标注了异常点的身体部位图像作为训练集；根据所述训练集对深度学习算法进行训练，直到所述深度学习算法的损失函数收敛。8.一种医学图像异常点识别设备，其特征在于，包括获取模块、分割模块、识别模块和确定模块：所述获取模块，用于基于扫描对象的扫描图像，获取所述扫描对象的多个身体部位图
像；所述分割模块，用于根据预设的医学参数阈值对所述身体部位图像中的异常点进行识别，得到第一异常点，所述医学参数阈值与身体部位具有对应关系；所述识别模块，用于基于深度学习算法对多个所述身体部位图像中的异常点进行识别，得到第二异常点；所述确定模块，用于根据所述第一异常点和所述第二异常点，确定与所述扫描对象对应的目标异常点。9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的医学图像异常点识别方法。10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至7中任一项所述的医学图像异常点识别方法的步骤。

技术总结
本申请涉及一种医学图像异常点识别方法、设备、电子装置和存储介质，其中，该医学图像异常点识别方法包括：基于扫描对象的扫描图像，获取扫描对象的多个身体部位图像，根据预设的医学参数阈值对身体部位图像中的异常点进行识别，得到第一异常点，基于深度学习算法对多个身体部位图像中的异常点进行识别，得到第二异常点，根据第一异常点和第二异常点，确定与扫描对象对应的目标异常点。通过本申请，解决了相关技术中通过人工实现医学图像异常点的勾画，效率较低的问题，有效提高了医学图像异常点识别的效率。常点识别的效率。常点识别的效率。


技术研发人员：马润霞 吉子军
受保护的技术使用者：上海联影医疗科技股份有限公司
技术研发日：2021.08.25
技术公布日：2021/11/21