(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210268791.0 (22)申请日 2022.03.18 (66)本国优先权数据 202210173712.8 202 2.02.24 CN (71)申请人 唯智医疗科技 （佛山） 有限公司 地址 528000 广东省佛山市南海区桂城街 道桂澜北路2号亿能国际广场2座6层 646之四 申请人 广东唯仁医疗科技有限公司 (72)发明人 区初斌　安林　秦嘉　韦喜飞　 叶重荣　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 江银会(51)Int.Cl. G06T 7/00(2017.01) G06N 3/04(2006.01) G06K 9/62(2022.01) G16H 30/20(2018.01) G16H 50/20(2018.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 一种医学图像处 理方法、 装置及电子设备 (57)摘要 本发明公开了一种医学图像处理方法、 装置 及电子设备， 该方法包括： 获取来自预先确定出 的多个图像来源中每个图像来源对应的多张医 学图像得到的目标特征的医学图像集合； 对于每 个图像来源， 构建的与该图像来源对应的神经网 络模型， 并将目标特征的医学图像集合中该图像 来源对应的多张医学图像输入预先构建的与该 图像来源对应的神经网络模型， 进而得到目标特 征在每个图像来源的分类预测结果； 通过融合目 标特征在每个所述图像来源的分类预测结果， 得 到目标特征的最终分类结果。 可见， 实施本发明 能够从多个图像来源对图像进行处理， 有利于获 取各个图像来源的图像特征， 能够准确、 全面地 得到图像处理结果， 进而避免漏过病灶， 提供更 准确的医学辅助。 权利要求书3页 说明书17页 附图4页 CN 114648501 A 2022.06.21 CN 114648501 A 1.一种医学图像处 理方法， 其特 征在于， 所述方法包括： 获取目标特征的医学图像集合， 所述目标特征的医学图像集合中包括预先确定出的多 个图像来源中每 个所述图像来源 对应的多张医学图像； 对于每个所述图像来源， 获取 预先构建的与该图像来源 对应的神经网络模型； 对于每个所述图像来源， 将所述目标特征的医学图像集合中该图像来源对应的多张医 学图像输入所述预先构建的与该图像来源对应的神经网络模型， 得到所述目标特征在该图 像来源的分类预测结果； 融合所述目标特征在每个所述图像来源的分类预测结果， 得到所述目标特征的最终分 类结果。 2.根据权利要求1所述的医学图像处理方法， 其特征在于， 所述预先确定出的多个图像 来源包括第一图像来源、 第二图像来源、 第三图像来源； 所述获取目标 特征的医学图像集 合包括： 基于OCT系统， 沿快轴方向扫描目标特征得到所述第一图像来源对应的第一B ‑scan图 像集， 其中， 所述第一B ‑scan图像集包括多张第一B ‑scan图像； 基于所述第一B ‑scan图像集构建三维OCT图像， 并对所述三维OCT图像沿慢轴方向重采 样得到所述第二图像来源对应的第二B ‑Scan图像集， 其中， 所述第二B ‑Scan图像集包括多 张第二B‑Scan图像； 基于预设的分层算法对目标B ‑scan图像集 中的每张B‑scan图像执行图像分层处理， 得 到所述目标B ‑scan图像集中的每张B ‑scan图像的图像分层结果， 所述目标B ‑scan图像集包 括所述第一B ‑scan图像集或者所述第二B ‑Scan图像集； 提取所述目标B ‑scan图像集中的每张B ‑scan图像的图像分层结果中任意相邻两层之 间的图像像素， 并将所述目标B ‑scan图像集中的每张B ‑scan图像的图像 分层结果中任意相 邻两层之 间的图像像素进 行第一预设方向投影以得到所述第三图像来源对应的OCT投影图 像集， 其中， 所述第一预设方向与所述快轴方向以及所述慢轴方向均垂直， 所述OCT投影图 像集包括多张OCT投影图像； 其中， 所述目标 特征的医学图像集 合包括： 所述第一图像来源的对应的所述第一B ‑scan图像集、 所述第二图像来源的对应的所述 第二B‑Scan图像集以及所述第三图像来源的对应的所述OCT投影图像集。 3.根据权利要求2所述的医学图像处理方法， 其特征在于， 所述预先确定出的多个图像 来源还包括第四图像来源； 所述获取目标 特征的医学图像集 合还包括： 根据所述第一B ‑scan图像集确定OCTA图像集， 其中， 所述OCTA图像集包括多张OCTA图 像； 基于预设的分层算法对所述OCTA图像集中的每张所述OCTA图像执行图像分层处理， 得 到所述OCTA图像集中的每张所述OCTA图像对应的图像分层结果； 提取所述OCTA图像集中的每张所述OCTA图像对应的图像分层结果中任意相邻两层之 间的图像像素， 并将所述OCTA图像集中的每张所述OCTA图像对应的图像分层结果中任意相 邻两层之间的图像像素进行第一预设方向投影以得到所述第四图像来源对应的OCTA投影 图像集， 其中， 所述OCTA投影图像集包括多张OCTA投影图像；权　利　要　求　书 1/3 页 2 CN 114648501 A 2其中， 所述目标 特征的医学图像集 合， 还包括： 所述第四图像来源 对应的所述OCTA投影图像集。 4.根据权利 要求3所述的医学图像处理方法， 其特征在于， 所述根据所述第一B ‑scan图 像集确定OCTA图像集， 包括： 对所述第一B ‑scan图像集包括的多张所述第一B ‑scan图像进行分组， 得到多个第一B ‑ scan图像组， 其中， 每个所述第一B ‑scan图像组中包括基于同一扫描截面的多张第一B ‑ scan图像； 对于每个所述第一B ‑scan图像组， 根据该第一B ‑scan图像组中包括的基于同一扫描截 面的多张所述第一B ‑scan图像， 确定该第一B ‑scan图像组对应的OCTA图像； 根据每个所述第一B ‑scan图像组对应的OCTA图像， 确定OCTA图像集。 5.根据权利要求1 ‑4任一项所述的医学图像处理方法， 其特征在于， 对于每个所述图像 来源， 所述预先构建的与该图像来源对应的神经网络模型包括基于2D卷积的卷积神经网络 或基于3D卷积的卷积神经网络； 所述对于每个所述图像来源， 将所述目标特征的医学图像集合中该图像来源对应的多 张医学图像输入所述预先构建的与该图像来源对应的神经网络模型， 得到所述目标特征在 该图像来源下的分类预测结果， 包括： 对于每个所述图像来源， 当所述预先构建的与 该图像来源对应的神经网络模型为基于 2D卷积的卷积神经网络时， 将所述目标特征的医学图像集合中该图像来源对应的每张所述医学图像分别输入所 述预先构建的与该图像来源对应的卷积神经网络， 得到所述目标特征在该图像来源下的每 张所述医学图像对应的第一分类结果； 并判断所述目标特征的医学图像集合中该图像来源对应的每张所述医学图像对应的 第一分类结果是否为 正常类别； 若所述目标特征的医学图像集合中该图像来源对应的每张所述医学图像对应的第一 分类结果均为正常类别， 则将所述正常类别确定为所述目标特征在该图像来源下的分类预 测结果； 若所述目标特征的医学图像集合中该图像来源对应的任一所述医学图像对应的第一 分类结果不为正常类别， 则统计多个预设异常子类别分别包含所述目标特征的医学图像集 合中该图像来源对应的医学图像个数， 并将所述医学图像个数最多的所述预设异常子类别 确定为所述目标 特征在该图像来源的分类预测结果。 6.根据权利要求1 ‑4任一项所述的医学图像处理方法， 其特征在于， 对于每个所述图像 来源， 所述预先构建的与该图像来源对应的神经网络模型包括基于2D卷积的卷积神经网络 或基于3D卷积的卷积神经网络； 所述对于每个所述图像来源， 将所述目标特征的医学图像集合中该图像来源对应的多 张医学图像输入所述预先构建的与该图像来源对应的神经网络模型， 得到所述目标特征在 该图像来源下的分类预测结果， 包括： 对于每个所述图像来源， 当所述预先构建的与 该图像来源对应的神经网络模型为基于 3D卷积的卷积神经网络时， 根据所述目标特征的医学图像集合中该图像来源对应的多 张医学图像， 得到所述目标权　利　要　求　书 2/3 页 3 CN 114648501 A 3