医学影像处理方法、病灶类型识别方法以及相关产品与流程

1.本发明涉及图像处理领域，特别涉及一种医学影像处理方法、病灶类型识别方法、设备和计算机可读存储介质。


背景技术：

2.由于能够比较全面地展示病灶特征，医学影像，例如磁共振(magnetic resonance，mr)影像成为临床诊断的重要依据。医护人员在医学影像的辅助下，结合自身的医疗经验，能够提高对疾病诊断的准确率。一般地，医学影像都是由一些医疗器械采集病患相关部位的图像，经过图像处理软件的必要处理后输出给临床的医护人员。然而，目前的医学影像处理方法都是同一程序，而每个医护人员参看医学影像的方式、习惯等不一样，如此，给医护人员的识图造成了障碍。


技术实现要素：

3.本技术提供一种用于肝脏病灶诊断交互的医学影像处理方法、病灶类型识别方法、设备和计算机可读存储介质，以自适应地输出符合每个医护人员诊断习惯的医学影像。
4.一方面，本技术提供了一种医学影像处理方法，所述方法包括：
5.对目标生理部位的多个医学影像序列进行预处理，获得病灶区域的多个征象的医学影像；
6.响应于用户的影像编辑操作，对多个征象的医学影像进行调整，获取调整后的多个征象的医学影像。
7.在一种优选地实例中，所述响应于用户的影像编辑操作，对多个征象的医学影像进行调整，获取调整后的多个征象的医学影像的步骤之后包括：
8.展示调整后的多个征象的医学影像。
9.在一种优选地实例中，所述对目标生理部位的多个医学影像序列进行预处理，获得病灶区域的多个征象的医学影像的步骤包括：
10.对目标生理部位的多个医学影像序列进行配准；和/或，
11.按照预定排列顺序，对目标生理部位的多个医学影像序列进行排序。
12.在一种优选地实例中，所述对目标生理部位的多个医学影像序列进行预处理，获得病灶区域的多个征象的医学影像的步骤包括：
13.采用至少一种预设的病灶识别算法，对目标生理部位的多个医学影像序列进行识别，获得病灶区域；
14.提取病灶区域中的征象信息，获得病灶区域的多个征象的医学影像。
15.在一种优选地实例中，所述响应于用户的影像编辑操作，对多个征象的医学影像进行调整，获取调整后的多个征象的医学影像的步骤包括：
16.响应于用户的排序操作，对多个征象的医学影像中的至少两个医学影像和/或与多个征象的医学影像中的至少两个医学影像相对应病灶区域所在的目标生理部位医学图
像进行排序，获取排序后的多个征象的医学影像。
17.在一种优选地实例中，所述响应于用户的影像编辑操作，对多个征象的医学影像进行调整，获取调整后的多个征象的医学影像的步骤包括：
18.响应于用户的编辑操作，对多个征象的医学影像中的至少一个影像进行修订，获取修订后的多个征象的医学影像。
19.在一种优选地实例中，所述编辑操作包括：修改征象信息、增加征象信息、删除征象信息中的一种或多种操作医学影像处理方法。
20.另一方面，本技术提供了一种病灶类型识别方法，包括：
21.基于如上所述的医学影像处理方法对目标生理部位医学影像中病灶区域对应的多个征象的医学影像进行处理，获取调整后的多个征象的医学影像；
22.利用预设的征象类别识别规则，识别每个征象对应的类别和征象类别的数量，并根据识别结果确定病灶类型。
23.在一种优选地实例中，所述基于如上所述的医学影像处理方法对目标生理部位医学影像中病灶区域对应的多个征象的医学影像进行处理，获取调整后的多个征象的医学影像的前一步骤包括：
24.根据用户的标识信息，匹配与所述标识信息相对应的医学影像处理方法。
25.第三方面，本技术提供了一种医学影像处理装置，所述装置包括：
26.预处理模块，对目标生理部位的多个医学影像序列进行预处理，获得病灶区域的多个征象的医学影像；
27.编辑模块，响应于用户的影像编辑操作，对多个征象的医学影像进行调整，获取调整后的多个征象的医学影像。
28.在一种优选地实例中，该装置包括：展示模块，展示调整后的多个征象的医学影像。
29.第四方面，本技术提供了
30.一种病灶类型识别装置，所述装置包括：
31.处理模块，基于上所述的医学影像处理方法对目标生理部位医学影像中病灶区域对应的多个征象的医学影像进行处理，获取调整后的多个征象的医学影像；
32.识别模块，利用预设的征象类别识别规则，识别每个征象对应的类别和征象类别的数量，并根据识别结果确定病灶类型。
33.在一种优选地实例中，该装置包括：匹配模块，根据用户的标识信息，匹配与所述标识信息相对应的如上所述的医学影像处理方法。
34.第五方面，本技术提供了一种设备，所述设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述所述医学影像处理方法的步骤。
35.第六方面，本技术提供了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程序，所述计算机程序被处理器执行时实现如上述所述医学影像处理方法的步骤。
36.从上述本技术提供的技术方案可知，由于在收到当前医护人员的标识以及该当前医护人员对医学影像中病灶及其征象的指定时，能够按照与当前医护人员相应的展示方式
展示包含指定病灶及其征象的医学影像，因此，本技术的技术方案提升了医护人员识别医学影像的效率，亦可以基于医学影像提升对病患的诊断正确率。
附图说明
37.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
38.图1是本技术实施例提供的医学影像处理方法的流程图；
39.图2是本技术实施例提供的处理医学影像的装置的结构示意图；
40.图3是本技术实施例提供的设备的结构示意图。
具体实施方式
41.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
42.在本说明书中，诸如第一和第二这样的形容词仅可以用于将一个元素或动作与另一元素或动作进行区分，而不必要求或暗示任何实际的这种关系或顺序。在环境允许的情况下，参照元素或部件或步骤(等)不应解释为局限于仅元素、部件、或步骤中的一个，而可以是元素、部件、或步骤中的一个或多个等。
43.在本说明书中，为了便于描述，附图中所示的各个部分的尺寸并不是按照实际的比例关系绘制的。
44.本技术提出了一种医学影像处理方法，如附图1所示，主要包括：
45.s1、对目标生理部位的多个医学影像序列进行预处理，获得病灶区域的多个征象的医学影像；
46.s2、响应于用户的影像编辑操作，对多个征象的医学影像进行调整，获取调整后的多个征象的医学影像；
47.s3、展示调整后的多个征象的医学影像。
48.本方案中，步骤s1包括：步骤s101和s102，详述如下：
49.步骤s101：通过对采集的医学影像进行序列配准，识别医学影像中病灶的位置。
50.在本技术实施例中，医学影像可以是通过各种医学成像设备(例如核磁共振设备、ct等)采集得到并在一定程度上能够反映病灶的图像。对于病患的同一部位，可能是通过若干不同医学成像设备得到不同的医学影像，或者是通过同一医学成像设备从不同角度得到的医学影像，或者在成像时由于病患的客观原因(例如，病患的呼吸)，导致得到的一系列医学影像(即医学影像序列)可能存在偏差，因此，需要对采集的医学影像进行序列配准，从而识别医学影像中病灶的位置。在本技术一个实施例中，通过对采集的医学影像进行序列配准，识别医学影像中病灶的位置可以是：基于医学影像的互信息或者相似度，或者基于医学影像的基准影像，对医学影像进行序列配准，得到已配准医学影像，采用预设算法，检出已
配准医学影像中病灶的位置。
51.一般地，进行医学影像序列配准的过程就是寻找使两个待配准医学影像数据之间相似性最大的变换参数即配准参数(例如，缩放参数、旋转参数和平移参数等)，当相似性最大时，表示此时的变换参数对应的变换方式可以使得两个待医学影像之间进行配准。基于上述事实，作为本技术一个实施例，上述基于医学影像的互信息，对医学影像进行序列配准，得到已配准医学影像可以是：采用互信息算法查找每个医学影像之间互信息最大的变换参数，将互信息最大的变换参数作为配准参数对医学影像进行序列配准，得到已配准医学影像。具体地，可以根据sobel算子对每个医学影像进行边缘检测，得到多个边缘信息，采用互信息算法查找每个边缘信息之间互信息最大的变换参数，将每个边缘信息对应的互信息最大的变换参数作为配准参数对医学影像进行序列配准，得到已配准医学影像，其中，sobel算子是一种离散型的差分算子，用于计算图像亮度函数梯度的近似值，其可以包含两组3
×
3的矩阵，分别为横向模板gx及纵向模板gy，将两个模板分别与图像进行平面卷积，便能得到横向和纵向的亮度差分近似值。
52.作为本技术另一实施例，上述基于医学影像的相似度，对医学影像进行序列配准，得到已配准医学影像可以是：基于中间医学影像和第一医学影像各自所包含的对象区域，获取中间医学影像和第一医学影像的相似度；根据中间医学影像和第一医学影像的相似度，对变换模型的参数进行调整，以将参数调整后的变换模型用于对第二医学影像进行图像变换以得到更新的中间医学影像，直至更新的中间医学影像和第一医学影像的相似度满足相似条件时更新的中间医学影像与第一医学影像配准，得到已配准医学影像。上述实施例中，第一医学影像是采集的医学影像序列中可作为配准标准的标准图像，第二医学影像是采集的医学影像序列中待配准医学影像。至于中间医学影像，其为第二医学影像通过变换模型变换得到，而中间医学影像和第一医学影像的相似度的具体获取方法，可以是先获取第一医学影像中第一对象区域和中间医学影像中第二对象区域的重合区域，之后，获取第一对象区域和第二对象区域的中心区域，最后，根据重合区域和中心区域，获取第一对象区域和第二对象区域之间的区域相似度值。需要说明的是，中间医学影像和第一医学影像的相似度越高，表征所配准的中间医学影像中的第二对象区域越接近作为配准标准的第一医学影像中的第一对象区域。需要说明的是，上述实施例中，将第二医学影像变换为中间医学图像的变换模型可以为仿射变换模型或b样条曲线差值模型。
53.作为本技术另一实施例，上述基于医学影像的基准影像，对医学影像进行序列配准，得到已配准医学影像可以是：读取医学影像的基准影像，分别计算该基准影像与医学影像中的畸变影像序列的均方差，得到目标函数值数据组；从目标函数值数据组中选取最小目标函数值所对应的校正函数对畸变影像进行校准，得到第一配准医学影像；根据梯度下降法搜索目标函数的全局最小值，以全局最小值所对应的校正函数对第一配准医学影像进行校准，得到第二配准医学影像，将第二配准医学影像作为已配准医学影像。
54.在上述实施例中，采用预设算法，检出已配准医学影像中病灶的位置可以是：利用深度学习全卷积神经网络对已配准医学影像进行图像分割，得到病灶区域影像；根据病灶区域影像，在已配准医学影像使用边缘检测算法标记出已配准医学影像的病灶边界。需要说明的是，本技术实施例中的深度学习全卷积神经网络是利用多个医学影像以及标注好了的每个医学影像的病灶区域训练得到，因此，本技术实施例中的医学影像可以对已配准医
学影像进行图像分割而得到病灶区域影像。至于根据病灶区域影像，在已配准医学影像使用边缘检测算法标记出已配准医学影像的病灶边界，具体可以是图像处理设备首先通过边缘检测算法检测得到病灶区域影像的边界，然后通过轮廓提取算法提取出病灶区域影像中各个边界点的坐标；由于病灶区域影像与已配准医学影像可以全部重叠或者部分重叠在一起，因此，可以直接按照病灶区域影像中各个边界点的坐标，在已配准医学影像中标记出已配准医学影像的病灶边界。
55.需要说明的是，为了提供更加具有临床意义的信息，在上述本技术实施例中，还包括对采集的医学影像进行类型识别，具体可以是通过医学数字成像和通信(dicom，digital imaging and communications of medicine，)图像的信息或者医学影像序列的字段名称，解析出该医学影像序列是属于ct平扫序列或ct增强序列(包括ct增强序列80kv、ct增强120kv、mr t1、mr t2等)中的哪一种序列。
56.步骤s102：提取病灶的位置处对应病灶的征象。
57.在本技术实施例中，可以通过对多个已配准医学影像进行预设的数学运算规则，生成新的医学影像序列，在新的医学影像序列中提取病灶的位置处对应病灶的征象，或者，利用预先训练好的神经网络模型，在指定的医学影像序列中提取病灶的位置处对应病灶的征象，从而获得该征象的类别。对于通过对多个已配准医学影像进行预设的数学运算，从而提取病灶的位置处对应病灶的征象，例如可以是对第一医学影像x和第二医学影像y按照预设的数学运算规则(1
‑
x)
·
y对x和y进行计算，得到新的医学影像i＝(1
‑
x)
·
y，再在新的医学影像i上提取病灶的位置处对应病灶的征象。
58.从上述实施例可知，经上述步骤s101和步骤s102，可以将每个医学影像序列中病灶的位置识别出来，并且提取到病灶的位置处对应病灶的征象，这些病灶的征象放在一起可以构成病灶征象集合。需要说明的是，在本技术实施例中，病灶的征象可以标记在医学影像序列中，也可以作为每个医学影像序列的子图显示在每个医学影像序列周边。
59.在形成病灶征象集合后，可以通过步骤s2和步骤s3进一步对病灶正向集合中的医学影像进行处理。具体来说，当收到当前医护人员的标识以及当前医护人员对病灶及其征象的指定时，按照与当前医护人员相应的展示方式展示包含指定病灶及其征象的医学影像。
60.在本技术实施例中，当前医护人员的标识用于唯一表示该当前医护人员的身份，其可以是医护人员所在科室 姓名，或者医院给予该医护人员的编号，等等。可以生成各个医护人员的诊断习惯模型，然后，在日常诊断中对每个医护人员的诊断习惯模型进行训练，让诊断习惯模型自动学习每个医护人员的诊断习惯，此处，医护人员的诊断习惯包括该医护人员习惯看诊哪些角度或位置的医学影像序列以及需要看诊的是哪些病灶征象，等等。当收到当前医护人员的标识以及当前医护人员对病灶及其征象的指定时，诊断习惯模型根据当前医护人员的标识，按照与当前医护人员相应的展示方式，例如，按照该医护人员的诊断习惯，将一个医学影像序列以及在该医学影像序列中排列病灶的征象，将其展示给该医护人员，或者，按照该医护人员的诊断习惯，将一组医学影像序列以及每组医学影像序列中排列的征象展示给医生，以辅助医护人员对疾病的诊疗。
61.由于图像处理设备的误差或者识别错误，可能对病灶对应的征象识别有误，此时，需要对这些错误进行修正，即，在上述本技术实施例中，包括接收对病灶对应的征象进行的
重编辑，这些对征象的重编辑可以是对征象的修改、增加(即将遗漏的征象补充上)和删除(即删掉认为不是征象的征象)，等等。可以是接收医护人员输入的指令，在征象位置(征象子图)进行改动，例如，加批注或者加一个轮廓等等。
62.本方案所述的医学影像处理方法在收到当前医护人员的标识以及该当前医护人员对医学影像中病灶及其征象的指定时，能够按照与当前医护人员相应的展示方式展示包含指定病灶及其征象的医学影像，因此，本技术的技术方案提升了医护人员识别医学影像的效率，亦可以基于医学影像提升对病患的诊断正确率。
63.请参阅附图2，是本技术实施例提供的一种处理医学影像的装置，可以包括预处理模块201、编辑模块202和展示模块203，详述如下：
64.获取模块201，对目标生理部位的多个医学影像序列进行预处理，获得病灶区域的多个征象的医学影像；
65.提取模块202，响应于用户的影像编辑操作，对多个征象的医学影像进行调整，获取调整后的多个征象的医学影像；
66.展示模块203，展示调整后的多个征象的医学影像。
67.可选地，上述附图2示例的获取模块201可以包括配准单元和检测单元，其中：
68.配准单元，用于基于医学影像的互信息或者相似度，或者基于医学影像的基准影像，对医学影像进行序列配准，得到已配准医学影像；
69.检测单元，用于采用神经网络和/或特征算子，检出已配准医学影像中病灶的位置。
70.可选地，上述示例的配准单元可以包括查找单元和第一配准单元，其中：
71.查找单元，用于采用互信息算法查找每个医学影像之间互信息最大的变换参数；
72.第一配准单元，用于将互信息最大的变换参数作为配准参数对医学影像进行序列配准，得到已配准医学影像。
73.可选地，上述示例的配准单元可以包括相似度获取单元和第二配准单元，其中：
74.相似度获取单元，用于基于中间医学影像和第一医学影像各自所包含的对象区域，获取中间医学影像和第一医学影像的相似度，其中，中间医学影像为第二医学影像通过变换模型变换得到；
75.第二配准单元，用于根据中间医学影像和第一医学影像的相似度，对变换模型的参数进行调整，以将参数调整后的变换模型用于对第二医学影像进行图像变换以得到更新的中间医学影像，直至更新的中间医学影像和第一医学影像的相似度满足相似条件时更新的中间医学影像与第一中间医学影像配准，得到已配准医学影像。
76.可选地，上述示例的配准单元可以包括读取单元、第一校准单元和第二校准单元，其中：
77.读取单元，用于读取基准影像，分别计算基准影像与医学影像中的畸变影像序列的均方差，得到目标函数值数据组；
78.第一校准单元，用于从目标函数值数据组中选取最小目标函数值所对应的校正函数对畸变影像进行校准，得到第一配准医学影像；
79.第二校准单元，用于根据梯度下降法搜索目标函数的全局最小值，以全局最小值所对应的校正函数对第一配准医学影像进行校准，得到第二配准医学影像，将第二配准医
学影像作为已配准医学影像。
80.可选地，上述示例的检测单元可以包括图像分割单元和标识单元，其中：
81.图像分割单元，用于利用深度学习全卷积神经网络对已配准医学影像进行图像分割，得到病灶区域影像；
82.标识单元，用于根据病灶区域影像，在已配准医学影像使用边缘检测算法标记出已配准医学影像的病灶边界。
83.本方案所述处理医学影像的装置能够在收到当前医护人员的标识以及该当前医护人员对医学影像中病灶及其征象的指定时，能够按照与当前医护人员相应的展示方式展示包含指定病灶及其征象的医学影像，因此，本技术的技术方案提升了医护人员识别医学影像的效率，亦可以基于医学影像提升对病患的诊断正确率。
84.在利用上述医学影像处理方法对目标生理部位的多个医学图像序列进行处理后，可以基于处理结果对目标生理部位的病灶类型进行识别。具体来说，本技术实施例还提供一种病灶类型识别方法，包括：根据用户的标识信息，匹配与所述标识信息相对应的如上所述的医学影像处理方法；基于如上所述的医学影像处理方法对目标生理部位医学影像中病灶区域对应的多个征象的医学影像进行处理，获取调整后的多个征象的医学影像；利用预设的征象类别识别规则，识别每个征象对应的类别和征象类别的数量，并根据识别结果确定病灶类型。
85.通常情况下病灶会包含多个征象，将多个征象作为参考进行综合评定后，确定病灶的类型。因此，本方案中构建预设的征象类别识别规则的过程可以为：预先对病灶对应的征象进行分级，例如，一、二、三级等；判断征象集合里的多个征象中一级征象的数量，若一级征象的数量达到预定阈值，则ai可以辅助判断该病灶为肝病。
86.为了进一步配合上述病灶类型识别方法的实施本技术实施例还提供一种病灶类型识别装置，所述装置包括：匹配模块，根据用户的标识信息，匹配与所述标识信息相对应的如上所述的医学影像处理方法；处理模块，基于如上所述的医学影像处理方法对目标生理部位医学影像中病灶区域对应的多个征象的医学影像进行处理，获取调整后的多个征象的医学影像；识别模块，利用预设的征象类别识别规则，识别每个征象对应的类别和征象类别的数量，并根据识别结果确定病灶类型。
87.图3是本技术一实施例提供的设备的结构示意图。如图3所示，该实施例的设备3主要包括：处理器30、存储器31以及存储在存储器31中并可在处理器30上运行的计算机程序32，例如医学影像处理方法的程序。处理器30执行计算机程序32时实现上述医学影像处理方法实施例中的步骤，例如图1所示的步骤s101至s103。或者，处理器30执行计算机程序32时实现上述各装置实施例中各模块/单元的功能，例如图2所示获取模块201、提取模块202和展示模块203的功能。
88.示例性地，医学影像处理方法的计算机程序32主要包括：通过对采集的医学影像进行序列配准，识别医学影像中病灶的位置；提取病灶的位置处对应病灶的征象；当收到当前医护人员的标识以及当前医护人员对病灶及其征象的指定时，按照与当前医护人员相应的展示方式展示包含指定病灶及其征象的医学影像。
89.计算机程序32可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器31中，并由处理器30执行，以完成本技术。一个或多个模块/单元可以是能够完
成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序32在设备3中的执行过程。例如，计算机程序32可以被分割成获取模块201、提取模块202和展示模块203(虚拟装置中的模块)的功能，各模块具体功能如下：获取模块201，用于通过对采集的医学影像进行序列配准，识别医学影像中病灶的位置；提取模块202，用于提取病灶的位置处对应病灶的征象；展示模块203，用于当收到当前医护人员的标识以及当前医护人员对病灶及其征象的指定时，按照与当前医护人员相应的展示方式展示包含指定病灶及其征象的医学影像。
90.设备3可包括但不仅限于处理器30、存储器31。本领域技术人员可以理解，图3仅仅是设备3的示例，并不构成对设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算设备还可以包括输入输出设备、网络接入设备、总线等。
91.所称处理器30可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field
‑
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
92.存储器31可以是设备3的内部存储单元，例如设备3的硬盘或内存。存储器31也可以是设备3的外部存储设备，例如设备3上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，存储器31还可以既包括设备3的内部存储单元也包括外部存储设备。存储器31用于存储计算机程序以及设备所需的其他程序和数据。存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
93.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即，将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
94.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
95.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
96.在本技术所提供的实施例中，应该理解到，所揭露的装置/设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组
件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
97.作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
98.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
99.集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非临时性计算机可读取存储介质中。基于这样的理解，本技术实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，医学影像处理方法的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤，即，通过对采集的医学影像进行序列配准，识别医学影像中病灶的位置；提取病灶的位置处对应病灶的征象；当收到当前医护人员的标识以及当前医护人员对病灶及其征象的指定时，按照与当前医护人员相应的展示方式展示包含指定病灶及其征象的医学影像。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。非临时性计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读内存(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，非临时性计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，非临时性计算机可读介质不包括电载波信号和电信信号。以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。以上所述的具体实施方式，对本技术的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本技术的具体实施方式而已，并不用于限定本技术的保护范围，凡在本技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。