CN115035020B 对医学图像进行对象分析的方法、装置和存储介质 （深圳科亚医疗科技有限公司）

202111558620.32021.12.20本公开涉及一种对医学图像进行对象分析部代表点，获取所述3D医学图像中的一组图像2获取所述一组图像片层中各个图像片层中所分割的对对所述内部代表点稀疏采样，基于采样后的内部代表点，获取所述3D基于所述对象的第一病变分析结果确定病变的各个连通域，并将所述第一病变分析结果对应的各个连通域与所述第二病各个连通域与所述第二病变分析结果的重合度大于预定阈值的区域的第一病变分析结果，计算该连通域与裁剪得到的相应图像块的重合面积，若重合面积小于或等于预定阈5.根据权利要求1-4中的任何一种所述的方法，其特征在于，所述内部代表点为中心稀疏化采样一组内部代表点，对稀疏化采样后的各个内部代表点进3为各个内部代表点的扩展蒙版标记连通域，在基于一组内部代表参考点，根据预设尺寸对所述3D医学图像的图像块连同所述第一模型分析得到的假阳性的图像块获取已具有病变标注mask的已知3D医学获取所述已知3D医学图像的灰度值的直方图，再获取所述直方图中纵轴的总累计值；窗宽ww(windowwidth)＝max_v-min_v,处理器，其配置为：执行根据权利要求1-15中任何一项所述的对医学图像17.一种具有存储在其上的指令的非暂时性计算机可读介质，所述指令在由处理器执行时实现根据权利要求1-15中任何一项所述的对医学图像进行对象4[0005]计算机断层扫描血管造影(ComputedTomographyAngiography,CTA)或磁共振血管造影(MagneticResonanceAngiography,MRA)可对全身各部位的血管及其病变进行成[0006]目前头颈CTA血管病变检测方法一般有人工分析和自动分析软件。人工斑块分析的不足，如西门子等CT设备厂商自带的半自动分析软件需耗费大量人工交互完成血管分的方案一般采用单一的检测模型，采用单一模型预测存在病变预测结果敏感性(此处亦指56[0015]本公开以更合理的方式参考血管分割结果计算血管的中心点(作为内部代表点的序列图像中血管病变的准确和高效检测，这一系列图像如头颈CTA图像序列，其中存在头[0028]图8图示了根据本公开的实施例的示例性对医学图像进行对象分析的装置的说明式对本公开作详细说明。下面结合附图和具体实施例对本公开的实施例作进一步详细描7andCommunicationsinMedicine,DICOM)协议，3D医学图像还需要符合CTA图像基本要[0032]在步骤S2，可以通过预设窗宽窗位对3D医学图像调窗(步骤S201)和归一化(步骤变标注蒙版的已知3D医学图像的灰度值。可以获取所述已知3D医学图像的灰度值的直方灰度值min_v,max_v计算窗宽窗位的公[0033]窗宽ww(windowwidth)＝max_v-min_v,8[0038]在步骤S4，可以在所述3D医学图像中在延伸的方向上获取一组图像片层(例如参表点(例如参见图2中的步骤S205)。步骤S5可以采用各种方式来获取所分割的对象的内部实施例中，所述延伸的方向为对所述对象的分割结果进行主成分分析所得到的主成分方9这样能确保裁剪的图像块包含待检测的对象，可避免传统的骨架化方案获取中心点冗余、复杂部位或组织(比如血管分叉处)中心点定位不准等问题，此方案还较骨架化方案速度通过第一病变检测模型(第一模型)逐图像块预测(步骤S402)，再经假阳抑制模块(步骤块获得数个病变CTA图像块及具有病变标注蒙版的图像块，作为训练、调优所需的阳性样通过第二病变检测模型(第二模型)逐图像块预测(步骤S406)，再经假阳抑制模块(步骤利用包含病变的标注信息的图像块连同所述第一模型分析得到的假阳性的图像块作为训别在于训练集还需添加第一病变检测模型预测的假阳性图像块。具体的对病变预测mask0[0062]图5示出根据本公开实施例的3D医学图像的病变预测蒙版进行dice系数优化过mask0逐连通域与第二病变检测模型预测的mask1进行比较，保留病变预测mask0中连通域[0064]1)获取病变预测mask0中数个病变连通域，逐个连通域按步骤2)-6)操作(步骤再设置一定边长沿中心点对CTA调窗图像裁剪以获取[0071]对获取的图像块使用第一病变检测模型与假阳抑制模块获取第一病变预测结为最终的病变预测结果。在第一病变检测模型和第二病变检测模型均进行了假阳抑制处[0074]图8图示了根据本公开的实施例的示例性对医学图像进行对象分析的装置的说明像进行对象分析的装置与诸如图像采集装置(未示出)、医学图像数据库808和图像数据存对象分析装置800可以是为图像数据获取和图像数据处理任务定制的计算机，或者是放置处理单元(CPU)、图形处理单元(GPU)等。更具体地，处理器801可以是复杂指令集计算 指令集的处理器或者运行指令集的组合的处理器。处理器801还可以是一个或多个专用处系统(SoC)等。如本领域技术人员将理解的，在一些实施例中，处理器801可以是专用处理制造的PentiumTM、CoreTM、XeonTM或Itanium系列的微处理器，由AMDTM制造的TurionTM、器。处理器801还可以包括图形处理单元，诸如来自GeForce8的GPU，由NvidiaTM制造的处理器801还可以包括加速处理单元，例如由AMDTM制造的DesktopA-4(6,6)系列，由IntelTM制造的XeonPhiTM系列。所公开的实施例不限于任何类型的处理器或处理器电路，其以其他方式被配置为获取包含对象的3D医学图像；对所述3D医学图像进行分割，以得到所述对象的分割结果；在所述3D医学图像中在延伸的方向上获取一组图像片层；获取所述一组图像片层中各个图像片层中所分割的对象的内部代表点；基于所述一组图像片层的所述对象的一组内部代表点，获取所述3D医学图像中的一组图像块；基于所述一组图像块进多核设计。处理器801可以执行存储在存储器804中的计算机程序指令序列，以执行本文公[0079]处理器801可以通信地耦合到存储器804并且被配置为执行存储在其中的计算机理器801访问，从ROM或者任何其他合适的存储器位置读取，并且加载在RAM中以供处理器于实现与本公开一致的对医学图像进行对象分析的方法的各个步骤或用于训练第一模型、对象分析装置800可以从医学图像数据库808取得特定患者的医学图像并为该特定患者的连同得到的对象分析结果传输并保存到医学图像数据库[0084]此外，训练好的第一模型和/或第二模型的参数可以存储在医学图像数据库808可以取得对应人群的训练好的第一模型和/或第二模型，以便基于所取得的训练好的模型[0087]输入/输出802可以被配置为允许对象分析装置800接收和/或发送数据。输入/输出802可以包括允许装置与用户或其他机器和装置通信的一个或多个数字和/或模拟通信[0092]以上描述旨在是说明性的而不是限制性的。例如，上述示例(或其一个或更多方