一种医学影像技术的评价方法和装置与流程

本申请涉及医学影像技术领域，尤其涉及一种医学影像技术的评价方法和装置。

背景技术：

医学影像学是以放射诊断医学为基础的涵盖多种影像技术的学科。如普通X线摄影、数字摄影(CR、DR)、数字减影血管造影(DSA)、计算机X线断层扫描(CT)、磁共振成像(MRI)，超声技术(B超等)以及放射性核素扫描(SPECT、PET等)等等。

由于影像设备采集和处理信号方式的不同以及人类视觉的感知差异等，最终所接收到的医学影像信息存在着各样差别，因此如何从诊断价值角度出发，综合全面地评价医学影像技术(包括医学影像设备和方法)，对医学影像学的发展至关重要。

从诊断价值角度出发，评价医学影像技术的一个核心方面是对其精度的评价，即图像质量的评价。由于医学图像的成像原理和组织本身的特性差异，使得医学图像具有复杂性和多样性，其图像质量的评价必须以提供准确的诊断信息为根本原则，其评价结果要反映图像对诊断信息的保真程度。

然而现有的图像质量的评价均是基于图像特定物理量对图像质量进行评价，例如，图像的峰值信噪比、均方误差、熵等等。这些基于图像特定物理量对图像质量的评价方法只能从单方面评价图像质量，其无法完整地真实反映图像对诊断信息的保真程度，无法给出具有诊断价值的评价结果。例如，高峰值信噪比但包含些许伪影图像的诊断价值未必会高于较低峰值信噪比但无伪影的图像。事实上，放射科医生从低峰值信噪比而无伪影的图中往往可以得到更多有效的诊断信息。因此，现有的单方面评价图像质量的方法存在一定局限性，而且这种局限性越来越被学术界所强调。

因此，如何从医学影像的最终目的——疾病诊断的角度出发，给出具有诊断价值的医学影像技术的评价结果是业界不断努力解决的问题。

技术实现要素：

有鉴于此，本申请提供了一种医学影像技术的评价方法和装置，以给出具有诊断价值的医学影像技术的评价结果。

为了实现上述发明目的，本申请采用了如下技术方案：

一种医学影像技术的评价方法，包括：

获取由待评价医学影像技术获得的医学图像；

从所述医学图像中测量得到多个用于衡量医学影像技术的参数指标；所述多个用于衡量医学影像技术的参数指标包括多个图像质量参数；

将多个用于衡量医学影像技术的参数指标输入到预先训练的医学影像技术评价模型中；

获取所述医学影像技术评价模型的输出结果，所述输出结果作为待评价医学影像技术的评价结果；

所述医学影像技术评价模型根据医学图像训练样本的多个用于衡量医学影像技术的参数指标以及医学图像训练样本的医学诊断信息保真度评价结果训练得到。

可选地，所述方法还包括：

预先训练医学影像技术评价模型。

可选地，所述预先训练医学影像技术评价模型，具体包括：

获取N个医学图像训练样本，N为正整数；

分别获取每个医学图像训练样本的多个用于衡量医学影像技术的参数指标以及医学诊断信息保真度评价结果；

训练N个医学图像训练样本的多个用于衡量医学影像技术的参数指标与医学诊断信息保真度评价结果之间的对应关系，从而得到医学影像技术评价模型。

可选地，所述医学影像技术评价模型为线性函数模型和BP网络模型中的一种。

可选地，所述多个图像质量参数指标包括图像的峰值信噪比、均方误差、结构相似度、感知差异模型、熵中的至少两个。

可选地，所述多个用于衡量医学影像技术的参数指标还包括医学影像设备的成本参数、医学影像成像方法的鲁棒性参数和医学影像扫描时间参数中的至少一种。

一种医学影像技术的评价装置，包括:

第一获取单元，用于获取由待评价医学影像技术获得的医学图像；

测量单元，用于从所述医学图像中测量得到多个用于衡量医学影像技术的参数指标，所述多个用于衡量医学影像技术的参数指标包括多个图像质量参数；

输入单元，用于将多个用于衡量医学影像技术的参数指标输入到预先训练的医学影像技术评价模型中；

第二获取单元，用于获取所述医学影像技术评价模型的输出结果，所述输出结果作为待评价医学影像技术的评价结果；

其中，所述医学影像技术评价模型根据医学图像训练样本的多个用于衡量医学影像技术的参数指标以及医学图像训练样本的医学诊断信息保真度评价结果训练得到。

可选地，所述装置还包括训练单元，用于预先训练医学影像技术评价模型。

可选地，所述训练单元包括：

第一获取子单元，用于获取N个医学图像训练样本，N为正整数；

第二获取子单元，用于分别获取每个医学图像训练样本的多个用于衡量医学影像技术的参数指标以及医学诊断信息保真度评价结果；

训练子单元，用于训练N个医学图像训练样本的多个用于衡量医学影像技术的参数指标与医学诊断信息保真度评价结果之间的对应关系，从而得到医学影像技术评价模型。

一种终端设备，所述终端设备包括：

处理器以及存储器；

所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器，用于调用存储器中的指令执行权利要求1-6任意一项所述的医学影像技术的评价方法。

相较于现有技术，本申请具有以下有益效果：

基于以上技术方案可知，本申请实施例提供的医学影像技术的评价方法基于预先训练好的医学影像技术评价模型对医学影像技术进行评价。因医学影像技术评价模型是根据医学图像训练训练样本的多个用于衡量医学影像技术的参数指标以及医学图像训练样本的医学诊断信息保真度评价结果训练得到，因此，本申请实施例将从医学图像中测量得到的多个用于衡量医学影像技术的参数指标输入到医学影像技术评价模型中后，能够得到反映医学诊断信息保真度的输出结果，该输出结果作为医学影像技术的评价结果。因而也就可以获得反映医学诊断信息保真度的评价结果。该反映医学诊断信息保真度的评价结果能够衡量医学图像的临床诊断价值。因此，本申请实施例提供的医学影像技术的评价方法能够从医学影像的最终目的——疾病诊断的角度出发，给出具有诊断价值的医学影像技术的评价结果。

附图说明

为了清楚地理解本申请的具体实现方式，下面将描述本申请具体实现方式时用到的附图做一简要说明。

图1所示为本申请实施例提供的一种医学影像技术评价模型的训练方法的流程图；

图2所示为本申请实施例提供的一种医学影像技术评价方法的流程图；

图3所示为本申请实施例提供的一种针对运动伪影矫正技术的医学影像技术评价模型的训练方法的流程图；

图4所示为本申请实施例提供的一种针对运动伪影矫正技术的医学影像技术评价方法的流程图；

图5所示为本申请实施例提供的一种针对CT技术的医学影像技术评价方法的流程图；

图6所示为本申请实施例提供的一种用于医学影像技术评价的控制设备的结构图；

图7所示为本申请实施例提供的一种医学影像技术的评价装置的结构图。

具体实施方式

如背景技术所记载，现有的医学影像技术评价通常是基于特定的物理量的计算，例如针对峰值信噪比、均方误差或熵等特定物理量进行计算，然而由于医学图像的成像原理以及组织本身的特性差异，使得医学图像具有复杂性和多样性，这种基于特定的物理量的评价方式一方面具有片面性，无法完整地真实反映图像对诊断信息的保真程度，无法给出具有诊断价值的评价结果，作为衡量医学像设备或方法的评价标准并不准确，另一方面，该方法在评价时并未从医学影像的最终目的，即疾病诊断的角度去考虑，仅仅从工程的角度去衡量，未体现医学影像的特殊性，使得评价结果准确度不高。

有鉴于此，本申请实施例提供了一种基于预先训练好的医学影像技术评价模型对医学影像技术进行评价的方法。医学影像技术评价模型是根据医学图像训练样本的多个用于衡量医学影像技术的参数指标以及医学图像训练样本的医学诊断信息保真度评价结果训练得到，相较于现有技术中通过特定物理量计算得到医学诊断信息保真度评价结果，本申请实施例中医学技术评价模型充分考虑了衡量医学影像技术的多个参数指标，获取的信息更全面，将从医学图像中测量得到的多个参数指标输入到医学影像技术评价模型中后，所得到的输出结果能够更准确地反应医学诊断信息保真度，可以用于衡量医学图像的临床诊断价值。

需要说明，本申请实施例所述的医学影像技术包括医学影像设备和医学影像成像方法中的至少一个。

为了使本申请实施例提供的医学影像技术评价方法更容易理解，下面先结合附图对本申请实施例中的医学影像技术评价模型介绍。

图1所示为本申请实施例提供一种医学影像技术评价模型的训练方法的流程图，请参照图1，该方法包括：

S101：获取N个医学图像训练样本。

医学图像训练样本可以理解为用于训练模型的医学图像样本。医学图像训练样本可以从医学影像设备中获取，例如从医用X线机、数字影像设备、X线计算机体层成像设备、磁共振成像设备、超声成像设备和/或核医学成像设备中所获取的普通X线摄影、计算机X线摄影(Computed Radiography，CR)、数字X线摄影(Digital Radiography，DR)、数字减影血管造影(Digital Substraction Angiography，DSA)、计算机x线断层扫描(Computed Tomography，CT)、磁共振成像(Magnetic Resource Imaging，MRI)，超声技术(B超，B-scan ultrasonography)和/或正电子发送断层成像技术(Positron Emission Tomography，PET)等。其中，医学图像训练样本可以为上述医学影像设备的历史数据，也可以由医学影像设备实时获取。

N为医学影像训练样本的数量，可以理解，用于训练的医学影像训练样本数量至少为一个，也就是说N为正整数。医学影像训练样本的数量N越大，对医学影像技术评价模型的训练越有利，尤其利于提高医学影像技术评价模型的准确率。

S102：分别获取每个医学图像训练样本的多个用于衡量医学影像技术的参数指标以及医学诊断信息保真度评价结果。

业界常常采用图像质量衡量医学影像技术。而且，医生都是从医学图像上来进行病情诊断。因此，为了从疾病诊断的角度出发，给出具有诊断价值的医学影像技术的评价结果，衡量医学影像技术参数指标至少包括衡量医学影像的图像质量的参数指标。

在本申请实施例一些可能的实现方式中，衡量医学影像的图像质量的参数指标包括图像的峰值信噪比、均方误差、结构相似度、感知差异模型以及熵等，可以获取其中的至少两个用于医学影像技术评价模型的训练。

此外，为了全面地对医学影像技术进行评价，促进医学影像技术的改进和发展，除了从图像质量方面即医学影像技术的精度方面对医学影像技术进行评价外，还可以从医学影像设备成本、成像方法的鲁棒性、扫描时间长短等方面对医学影像技术进行评价。因此，在本申请实施例一些可能的实现方式中，本步骤获取的多个用于衡量医学影像技术的参数指标还可以包括医学影像设备的成本参数、医学影像成像方法的鲁棒性参数和医学影像扫描时间参数中的至少一种。

利用该获取到多个用于衡量医学影像技术的参数指标，可以从多方面对医学医像技术进行综合评价，克服了传统的单方面评价方法具有片面性的缺点，因而可以更准确、全面地评价医学影像技术。

医学诊断信息保真度评价结果是一种从疾病诊断角度对医学影像进行评价的结果。传统的基于特定物理量的计算的评价方式，其评价结果是从工程的角度去衡量，而本申请实施例中的医学诊断信息保真度从医学影像的最终目的即疾病诊断出发，根据医学影像中包括的诊断信息对医学影像进行评价，得到医学诊断信息保真度评价结果，由于充分考虑了医学影像的特殊性，使得对医学影像技术的评价更为准确。作为示例，医学诊断信息保真度评价结果可以通过临床专家根据自身经验对医学图像进行评价而得到。例如，可以将一位临床专家对医学影像的评价作为医学诊断信息保真度评价结果，为了进一步提高评价结果的准确性，还可以根据多位临床专家对医学影像的评价结果确定医学诊断信息保真度评价结果。作为更具体示例，医学诊断信息保真度评价结果可以为临床专家根据自身经验评估医学图像对有利于疾病诊断的价值大小所给出的评分。

为了便于理解，下面结合具体示例进行说明。

从医学影像设备中分别获取到2种图像，一种具有高峰值信噪比但包含些许伪影，一种具有低峰值信噪比但不包含伪影。如果按照传统的基于特定物理量的评价方式，例如基于图像的峰值信噪比的评价方式，那么对于具有高峰值信噪比的图像的评价结果高于具有低峰值信噪比的图像的评价结果。然而，医学影像往往是用于辅助医生进行疾病诊断，放射科的医生更倾向于采用低峰值信噪比、无伪影的图像，从低峰值信噪比但是无伪影的图像中可以获取更多有效的诊断信息，也就是说从诊断疾病的角度考虑，对于低峰值信噪比、无伪影的图像的评价结果优于高峰值信噪比、有伪影的图像的评价结果。这种从疾病诊断角度出发的评价结果能够更准确的反应医学影像的诊断价值，进而可以更准确地对医学影像技术进行评价。

S103：训练N个医学图像训练样本的多个用于衡量医学影像技术的参数指标与医学诊断信息保真度评价结果之间的对应关系，从而得到医学影像技术评价模型。

在获取到医学图像训练样本的多个用于衡量医学影像技术的参数指标以及医学诊断信息保真度评价结果之后，可以将衡量医学影像技术的参数指标与医学诊断信息保真度评价结果进行训练，得到用于衡量医学影像技术的的参数指标与医学诊断信息保真度评价结果之间的对应关系，进而得到医学影像技术评价模型。

用于衡量医学影像技术的参数指标与医学诊断信息保真度评价结果之间的对应关系可以通过函数进行表示，训练多个用于衡量医学影像技术的参数指标与医学诊断信息保真度评价结果之间的对应关系相当于确定医学诊断信息保真度评价结果与多个用于衡量医学影像技术的参数指标的函数表达式，也即确定函数表达式中各个参数的系数。

可以理解，根据对应关系的不同，训练得到的医学影像技术评价模型也不相同。在本申请实施例一些可能的实现方式中，医学影像技术评价模型可以为线性函数模型和人工神经网络(artificial neural networks，ANN)模型中的一种。其中，线性函数模型可以较容易地实现，可以将医学诊断信息评价结果表达为多个表征图像质量的参数指标的线性加权函数，然后通过先验知识，也就是医学图像训练样本中的多个衡量医学图像质量的参数指标与对应的医学诊断信息保真度评价结果，得到线性加权函数中各个参数指标的权值(也称系数)。人工神经网络模型可以逼近任意连续函数，具有很强的非线性映射能力，灵活性很大，能够更准确地描述医学诊断信息保真度。可以将医学图像训练样本的多个表征图像质量的参数指标与医学诊断信息保真度评价结果输入到人工神经网络中进行训练，以得到对应的网络模型。

作为本申请的一个具体示例，本步骤的具体实现方式可以如下：

预先设计多个用于衡量医学影像技术的参数指标与医学诊断信息保真度评价结果的函数表达式，然后根据N个医学图像训练样本的多个用于衡量医学影像技术的参数指标与医学诊断信息保真度评价结果之间的对应关系，计算得到函数表达式中的未知参数。如此，得到多个用于衡量医学影像技术的参数指标与医学诊断信息保真度评价结果之间的函数关系表达式，该函数关系表达式作为医学影像技术评价模型。

举例说明如下：

设计多个用于衡量医学影像技术的参数指标与医学诊断信息保真度评价结果的函数为线性函数，该线性函数表达式为：y＝a1*x1+a2*x2+a3*x3，在该函数表达式中，y为每个医学图像训练样本的医学诊断信息保真度评价结果，x1，x2，x3为每个医学图像训练样本的用于衡量医学影像技术的参数指标。

根据每个医学图像训练样本的医学诊断信息保真度评价结果与对应的用于衡量医学影像技术的参数指标的对应关系，计算该线性函数表达式中的参数a1，a2，a3，待参数a1，a2，a3得到后，即可得到准确的多个用于衡量医学影像技术的参数指标与医学诊断信息保真度评价结果之间的函数关系，从而得到医学影像技术评价模型。

以上为本申请实施例提供的一种医学影像技术评价模型的训练方法的具体实现方式，通过获取医学影像训练样本的多个用于衡量医学影像技术的参数指标与医学诊断信息保真度评价结果，训练医学图像训练样本的多个用于衡量医学影像技术的参数指标与医学诊断信息保真度评价结果之间的对应关系，从而得到医学影像技术评价模型。由于获取了多个衡量医学影像技术的参数指标，使得对医学影像的评价更为全面，克服了传统的评价方式的片面性等缺点，而且通过医学诊断信息保真度评价结果对医学影像技术进行评价，能够从诊断疾病的角度出发，体现了医学影像的特殊性，使得对于医学影像技术的评价更为准确。

另外，采用该医学影像技术评价模型对医学影像技术进行评价的方法，可以很灵活地选择衡量医学影像技术的参数指标。且当有新的用于衡量医学影像技术的参数指标出现后，可以采用该新的用于衡量医学影像技术的参数指标进行模型训练，从而得到相对应的评价模型。

基于上述医学影像技术评价模型，本申请实施例还提供了一种医学影像技术的评价方法。

图2所示为本申请实施例提供的一种医学影像技术的评价方法的流程图，请参照图2，该方法包括：

S201：获取由待评价医学影像技术获得的医学图像。

待评价医学影像技术可以是已经应用于医学领域的医学影像技术，也可以是新开发的、尚未临床应用的医学影像技术。例如，待评价医学影像技术可以为DSA、CT或者MRI等。获取由待评价医学影像技术获得的医学图像可以由多种实现方式，例如可以采用待评价医学影像技术的医学影像设备直接拍摄获得，也可以从上述医学影像设备的历史数据中获取。

S202：从医学图像中测量得到多个用于衡量医学影像技术的参数指标。

用于衡量医学影像技术的参数指标包括多种指标。其中，对于医学图像质量的衡量至关重要，也就是说用于衡量医学影像技术的参数指标可以包括表征图像质量的参数指标，例如峰值信噪比、均方误差、熵、感知差异模型以及结构相似度等表征图像质量的参数指标，多个图像质量参数可以为其中的至少两个。本步骤中，可以从医学图像中测量得到多个表征图像质量的参数指标，这些表征图像质量的参数指标可以用于从诊断疾病的角度对医学图像进行评价。

除了图像质量，还有许多其他因素影像医学影像技术的应用，进而影响着对医学影像技术的评价。例如，影像设备的成本、成像方法的鲁棒性以及扫描时间等等，对医学影像技术的评价发挥着重要作用。可以获取由待评价医学影像技术获得的医学图像，从医学图像中测量得到图像参数质量指标，获取医疗影像设备的成本参数、医疗影像成像方法的鲁棒性参数和医疗影像扫描时间参数中的至少一种，以便输入到医学影像技术评价模型，得到综合的医学影像技术评价结果。

需要说明的是，本步骤测量得到的用于衡量医学影像技术参数指标包含在训练医学影像技术评价模型采用的衡量医学影像技术参数指标内。具体地说，本步骤测量得到的用于衡量医学影像技术参数指标与训练医学影像技术评价模型采用的衡量医学影像技术参数指标可以相同。例如，训练医学影像技术评价模型中采用了图像质量参数峰值信噪比、均方差以及影像设备的成本参数，则本步骤测量由待评价医学影像技术获得的医学图像的图像质量参数峰值信噪比、均方误差以及影像设备的成本参数。若训练医学影像技术评价模型中采用了熵、结构相似度等图像质量参数以及成像方法的鲁棒性，则在本步骤测量由待评价医学影像技术获得的医学图像的熵、结构相似度等图像质量参数以及成像方法的鲁棒性。

S203：将多个用于衡量医学影像技术的参数指标输入到预先训练的医学影像技术评价模型中。

本步骤中的医学影像技术评价模型可以为根据图1所示实施例训练得到的医学影像技术评价模型。在本步骤中输入的用于衡量医学影像技术的参数指标与本步骤中的医学影像技术评价模型在训练时所采用的医学影像训练样本的参数指标相同。

S204：获取所述医学影像技术评价模型的输出结果，所述输出结果作为待评价医学影像技术的评价结果。

当将多个用于衡量医学影像技术的参数指标输入到预先训练的医学影像技术评价模型中后，经过医学影像技术评价模型的运算，得到医学影像技术的评价结果并输出，从而能够获取到医学影像技术评价模型的输出结果。

该输出结果可以视为对该医学图像的评价结果。由于该医学图像是由待评价医学影像技术获得的，对该医学图像的评价结果在一定程度上相当于对待评价医学影像技术的评价结果，故可以将该输出结果作为待评价医学影像技术的评价结果。

当输入医学影像技术评价模型的参数还包括医学影像设备的成本参数、医学影像成像方法的鲁棒性参数和/或医学影像扫描时间参数时，医学影像技术评价模型的输出结果，可以在反映医学影像技术精度的同时时，还可以反映医学影像技术的成本、鲁棒性和/或效率，因而能够比较全面地、定量地对待评价医学影像技术进行评价。

以上为本申请实施例提供的医学影像技术的评价方法的具体实现方式。该具体实现方式基于预先训练好的医学影像技术评价模型对医学影像技术进行评价。因医学影像技术评价模型是根据医学图像训练样本的多个用于衡量医学影像技术的参数指标以及医学图像训练样本的医学诊断信息保真度评价结果训练得到，因此，本申请实施例将从医学图像中测量得到的多个用于衡量医学影像技术的参数指标输入到医学影像技术评价模型中后，能够得到反映医学诊断信息保真度的输出结果，该输出结果作为医学影像技术的评价结果。因而也就可以获得反映医学诊断信息保真度的评价结果。该反映医学诊断信息保真度的评价结果能够衡量医学图像的临床诊断价值。因此，本申请实施例提供的医学影像技术的评价方法能够从医学影像的最终目的——疾病诊断的角度出发，给出具有诊断价值的医学影像技术的评价结果。

此外，该具体实现方式可以采用多个参数指标对医学影像技术进行评价，评价结果相对于传统的评价方法能够更全面的反映该医学影像技术的特点。这种全面的、定量的医学影像技术评价方法可以更为准确地评价各种医学影像技术，由于采用了统一的衡量标准去衡量各个技术的优劣性，可以对各种医学影像技术进行有效地筛选，可以将评价结果较好的医学影像技术应用于临床中。

为了便于理解，下面结合MRI中运动伪影矫正技术对本申请实施例提供的医学影像技术评价模型和医学影像技术评价方法进行介绍。

图3所示为本申请实施例提供的一种医学影像技术评价模型的训练方法的流程图，请参照图3，该方法包括：

S301：获取N个由运动伪影矫正技术扫描得到的图像样本。

在MRI系统中，针对扫描过程中难以避免的运动伪影，有多种运动伪影矫正技术，为了从中筛选出有效的运动伪影矫正技术，可以采用统一的标准对各个技术进行评价。具体到本申请实施例，可以训练一个统一的医学影像技术评价模型对各种运动伪影矫正技术进行评价。

训练医学影像技术评价模型，首先需要获取医学影像训练样本。在本步骤中，可以获取N个由运动伪影矫正技术扫描得到的图像样本，其中，N为正整数。这N个样本可以是由不同种类的运动伪影矫正技术扫描得到。

S302：测量各个图像样本的用于衡量医学影像技术的指标，分别用Y1、Y2…Ym表示。

在本步骤中，可以测量各个图像样本在m个方面的指标，由于图像样本的数量为N，故各个方面的指标Y1、Y2…Ym可以采用N维向量进行表示。

作为一个示例，m可以为3，Y1、Y2、Y3可以分别表示峰值信噪比、熵以及结构相似度。

S303：获取临床专家对各个图像样本进行评估得到的医学诊断信息保真度评价结果S。

由于图像样本的数量为N，对各个图像样本进行评估得到的医学诊断信息保真度评价结果S可以采用N维向量进行表示。

医学诊断信息保真度评价结果S可以采用打分的形式进行体现，图像样本中包含的诊断信息越多，分数越高，医学诊断信息保真度评价结果S越高。

S304：训练医学诊断信息保真度评价结果S与衡量医学影像技术的指标Y1、Y2…Ym之间的函数模型。

在本步骤中，可以采用一阶线性函数训练医学诊断信息保真度评价结果S与衡量医学影像技术的指标Y1、Y2…Ym之间的函数模型。例如，可以将函数模型表达如下：

S＝b1·Y1+b2·Y2+…bm·Ym (1)

其中，b1、b2以及bm等为各项指标的系数或权值，在本步骤中b1、b2以及bm为未知数。

需要说明的是，本申请实施例对S302、S303、S304的执行顺序不做限定，可以根据需要进行设置。例如，可以同时执行S302、S303和S304，也可以先执行S303或S304。

S305：将S302中测量的各项指标Y1、Y2…Ym与S303中获取的医学诊断信息保真度评价结果S输入函数模型，计算得到函数模型的未知参数，将计算后的参数值代入函数模型，得到医学影像技术评价模型。

由于Y1、Y2…Ym与S均为N维向量，将S302中测得的各项指标Y1、Y2…Ym与S303中获取的医学诊断信息保真度评价结果S输入函数模型，可以得到N个关于函数模型的未知参数的方程，可以对这N个方程联立求解，得到函数模型中未知参数的值。将求解得到的值代入函数模型，可以得到医学影像技术评价模型。

作为一个示例，当函数模型为式(1)所示的一阶线性函数模型时，将Y1、Y2…Ym与S输入到模型，可以得到N个关于b1、b2……bm的方程，通过对方程进行求解，可以得到b1、b2……bm的值，将b1、b2……bm代入式(1)得到医学影像技术评价模型。

上述S301～S305为训练医学影像技术评价模型的过程，其具体实现与图1所示实施例类似，相关步骤的具体实现过程可以参见图1所示实施例，这里不再赘述。

在训练针对运动伪影矫正技术的医学影像技术评价模型后，可以通过该医学影像技术评价模型分别对不同的运动伪影矫正技术进行评价。接下来，结合运动伪影矫正技术，对本申请实施例提供的医学影像技术的评价方法进行介绍。

图4所示为本申请实施例提供的一种医学影像技术的评价方法，用于对运动伪影矫正技术进行评价，该方法包括：

S401：获取由待评价运动伪影矫正技术得到的医学图像。

待评价运动伪影矫正技术可以为运动伪影矫正技术中的至少一种。获取由待评价运动伪影矫正技术得到的医学图像可以通过待评价运动伪影矫正技术实时扫描得到。

S402：测量待评价运动伪影矫正技术得到的医学图像的用于衡量医学影像技术的参数指标y1、y2…ym。

S402的执行过程与S302相同，这里不再赘述。

S403：将S402中测量的参数指标y1、y2…ym输入到医学影像技术评价模型，将输出结果作为待评价运动伪影矫正技术的评价结果。

S401～S403为通过S301～S305所训练的医学影像技术评价模型对待评价运动伪影矫正技术进行评价的过程，其具体实现与图2所示实施例类似，相关步骤的具体实现过程可以参考图2所示实施例。

本申请实施例结合MRI系统中运动伪影矫正技术，提供了一种运动伪影矫正技术的评价方法。获取N个由运动伪影矫正技术扫描得到的图像样本，获取每个图像样本的多个用于衡量医学影像技术的指标，以及临床专家对各个图像样本进行评估得到的医学诊断信息保真度评价结果，根据医学诊断信息保真度评价结果与多个用于衡量医学影像技术的指标的函数关系，训练医学影像技术评价模型。将待评价运动伪影矫正技术扫描得到的医学图像的用于衡量医学影像技术的参数指标，输入到该医学影像技术评价模型，得到待评价运动伪影矫正技术的评价结果。由于该医学影像技术评价模型是基于运动伪影矫正技术图像样本的多个用于衡量医学影像技术的指标以及临床专家对各个图像样本的诊断价值进行评估得到的医学诊断信息保真度评价结果训练的，一方面克服了传统方法中仅基于特定的物理量计算的片面性的特定，另一方面充分考虑了医学影像的特殊性，从诊断疾病的角度对医学影像进行评价，使得评价结果更贴近现实。通过采用本申请实施例提供的评价方式，可以结合运动伪影矫正技术的医学图像的诊断价值，从多方面采用统一的标准对各个运动伪影矫正技术进行衡量，从而筛选出有效的运动伪影矫正技术。

上述实施例主要是从图像质量层面对医学影像技术进行评价，可以理解一个医学影像技术能否在临床上得到广泛的应用还受到诸多其他因素的影响。例如，医学影像技术的临床应用可以受到成本、效率等因素的制约，成本过高、扫描时间过长均会影响使用者的体验。因此，对于医学影像技术的评价还可以在基于图像质量评价的基础上，结合医学影像设备的成本、医学影像成像原理的鲁棒性和/或医学影像扫描时间参数等进行评价。

下面以CT技术作为待评价医学影像技术为例，对医学影像技术的评价方法进行介绍。本申请实施例重点对结合医学影像设备的成本、医学影像成像原理的鲁棒性以及医学影像扫描时间参数等进行评价的过程进行介绍，其他部分可以参照前述实施例。

图5所示为本申请实施例提供的一种医学影像技术评价方法的流程图，请参照图5，该方法包括：

S501：获取由CT技术获得的医学图像。

S502：测量由CT技术获得的医学图像的用于衡量医学影像技术的指标，包括峰值信噪比、均方误差、熵、结构相似度、医学影像设备的成本、医学影像成像原理的鲁棒性以及医学影像扫描时间。

其中，峰值信噪比、均方误差、熵、结构相似度为图像质量参数指标，主要用于从图像质量方面等对医学影像技术进行评价，医学影像设备的成本、医学影像成像原理的鲁棒性以及医学影像扫描时间主要从医学影像技术本身例如成本、健壮性、效率等方面对医学影像技术进行评价。采用上述指标可以对待评价医学影像技术，例如本申请实施例中的CT技术，进行多方面、多角度的定量综合评价，在评价图像质量的同时，还对设备的成本、成像的时间效率等进行评价。

S503：将测量得到的多个用于衡量医学影像技术的指标输入到预先训练的医学影像技术评价模型。

为了方便表示，可以将峰值信噪比、均方误差、熵、结构相似度、医学影像设备的成本、医学影像成像原理的鲁棒性以及医学影像扫描时间分别采用y1、y2…y7进行表示。预先训练的医学影像技术评价模型可以表示为：

S＝f(y1,y2,y3,y4,y5,y6,y7) (2)

其中，S表示针对医学图像的医学诊断信息保真度评价结果。由式(2)可知，针对医学图像的医学诊断信息保真度评价结果可以表示为关于峰值信噪比y1、均方误差y2、熵y3、结构相似度y4、医学影像设备的成本y5、医学影像成像原理的鲁棒性y6以及医学影像扫描时间y7的函数。

由于采用了峰值信噪比y1、均方误差y2、熵y3、结构相似度y4，可以从成像原理以及组织本身的特性差异等多方面对医学影像技术的图像质量进行评价，而且采用了医学影像设备的成本y5、医学影像成像原理的鲁棒性y6以及医学影像扫描时间y7可以在除图像质量以外的其他层面对医学影像技术进行评价，使得评价结果更全面、更准确。

S504：获取医学影像技术评价模型的输出结果，将该输出结果作为CT技术的评价结果。

由于该输出结果是通过图像质量、设备成本、成像效率等多方面、多角度对CT技术获得的医学图像进行评价的结果，因此，可以将针对该医学图像的评价结果作为待评价的CT技术的评价结果。

本申请实施例提供了一种医学影像技术评价方法，通过将由CT技术获得的医学图像在图像质量层面、设备成本层面、成像原理鲁棒性层面、成像效率层面等多个指标，输入到预先训练的医学影像技术评价模型，该医学影像技术评价模型可以从图像质量、设备成本、鲁棒性、成像效率等多个层面对医学影像技术进行评价，将该模型的输出结果作为CT技术的评价结果，能够充分反映CT技术的诊断价值、成本、鲁棒性以及成像效率，这种评价方式相对于传统的基于特定物理量的评价方式更为全面，也更为准确。

上述实施例提供的医学影像技术的评价方法可以由图6所示的控制设备执行。图6所示的控制设备包括处理器(processor)610，通信接口(Communications Interface)620，存储器(memory)630，总线640。处理器610，通信接口620，存储器630通过总线640完成相互间的通信。

其中，存储器630中可以存储有医学影像技术的评价指令，该存储器例如可以是非易失性存储器(non-volatile memory)。处理器610可以调用执行存储器630中的医学影像技术评价的逻辑指令，以执行上述的医学影像技术的评价方法。作为实施例，该医学影像技术的评价的逻辑指令可以为控制软件对应的程序，在处理器执行该指令时，控制设备可以对应地在显示界面上显示该指令对应的功能界面。

医学影像技术的评价的逻辑指令的功能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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

上述的医学影像技术的评价的逻辑指令，可以称为“医学影像技术的评价装置”，该装置可以划分成各个功能模块。具体参见以下实施例。

下面介绍本申请实施例提供的医学影像技术的评价装置的具体实施方式。

图7所示为本申请实施例提供的一种医学影像技术的评价装置的结构图，请参照图7，该装置包括第一获取单元701、测量单元702、输入单元703以及第二获取单元704，其中：

第一获取单元701，用于获取由待评价医学影像技术获得的医学图像；

测量单元702，用于从医学图像中测量得到多个用于衡量医学影像技术的参数指标，多个用于衡量医学影像技术的参数指标包括多个图像质量参数；

输入单元703，用于将多个用于衡量医学影像技术的参数指标输入到预先训练的医学影像技术评价模型中；

第二获取单元704，用于获取医学影像技术评价模型的输出结果，输出结果作为待评价医学影像技术的评价结果；

其中，医学影像技术评价模型根据医学图像训练样本的多个用于衡量医学影像技术的参数指标以及医学图像训练样本的医学诊断信息保真度评价结果训练得到。

可选的，该装置还包括训练单元，用于预先训练医学影像技术评价模型。

可选的，训练单元包括：

第一获取子单元，用于获取N个医学图像训练样本，医学图像训练样本的个数为N，N为正整数；

第二获取子单元，用于分别获取每个医学图像训练样本的多个用于衡量医学影像技术的参数指标以及医学诊断信息保真度评价结果；

训练子单元，用于训练N个医学图像训练样本的多个用于衡量医学影像技术的参数指标与医学诊断信息保真度评价结果之间的对应关系，从而得到医学影像技术评价模型。

可选的，医学影像技术评价模型为线性函数模型和BP网络模型中的一种。

可选的，多个图像质量参数指标包括图像的峰值信噪比、均方误差、结构相似度、感知差异模型、熵中的至少两个。

可选的，多个用于衡量医学影像技术的参数指标还包括医学影像设备的成本参数、医学影像成像方法的鲁棒性参数和医学影像扫描时间参数中的至少一种。

需要说明，本申请实施例提供的医学影像技术的评价装置与本申请实施例提供的医学影像技术的评价方法相对应，其达到的技术效果也与评价方法达到的技术效果相对应。为了简要起见，在此不再详细描述，请参见上述示例的获取方法对应的技术效果。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。