图像检测方法及相关装置、电子设备和存储介质与流程

1.本技术涉及图像处理技术领域，特别是涉及一种图像检测方法及相关装置、电子设备和存储介质。


背景技术：

2.ct(computed tomography，计算机断层扫描)图像等医学图像在医疗规划等场景中具有极其重要意义。例如，在面对出血检测过程中，医生可以通过阅读医学图像获取相关辅助信息，以更好地辅助医生。
3.然而，在面对诸如出血性脑卒中等场景时，由于阅片速度往往是救治过程中极其重要的一环，以为后续手术规划提供重要辅助。有鉴于此，如何辅助医生提升阅片速度成为亟待解决的问题。


技术实现要素：

4.本技术提供一种图像检测方法及相关装置、电子设备和存储介质。
5.本技术第一方面提供了一种图像检测方法，包括：对待测医学图像进行检测，得到待测医学图像中出血灶的检测结果；其中，检测结果包括出血灶的出血量；在交互界面同屏显示待测医学图像和检测结果。
6.因此，对待测医学图像进行检测，得到待测医学图像中出血灶的检测结果，且检测结果包括出血灶的出血量，在此基础上，再在交互界面同屏显示待测医学图像和检测结果，故能够免于医生通过阅读待测医学图像手动估测出血量等相关指标，从而大大减少阅片过程中医生的手动操作时间，进而能够辅助医生提升阅片速度。
7.其中，交互界面包括第一显示区域和第二显示区域，且待测医学图像为三维医学图像，其中，第一显示区域用于同时显示待测医学图像分别在若干预设位面上的至少一个二维医学图像，第二显示区域用于显示出血灶列表，出血灶列表包括分别属于各个出血灶的数据项，数据项包括出血灶的出血量。
8.因此，交互界面设置为包括第一显示区域和第二显示区域，且待测医学图像为三维医学图像，第一显示区域用于同时显示待测医学图像分别在若干预设位面上的至少一个二维医学图像，第二显示区域用于显示出血灶列表，且出血灶列表设置为包括分别属于各个出血灶的数据项，数据项包括出血灶的出血量，即通过以列表形式展示出在待测医学图像中检出的血灶及其出血量，能够提升检测结果展示的直观性，且通过显示若干预设位面上的二维医学图像，能够从不同位面的角度展示医学图像，能够提升图像展示的丰富度，故此在提升检测结果展示的直观性和图像展示的丰富度的基础上，能够有利于进一步辅助医生提升阅片速度。
9.其中，检测结果还包括出血灶的类别，数据项还包括出血灶的类别。
10.因此，检测结果还包括出血灶的类别，且在数据项包括出血灶的出血量的基础上，还进一步包括出血灶的类别，即对于每一出血灶而言，能够在交互界面同时显示其类别和
出血量，故能够提升各个出血灶的信息丰富度，有利于进一步辅助医生提升阅片速度。
11.其中，检测结果还包括出血灶的轮廓，方法还包括：响应于用户在出血灶列表所选择的数据项，将被选择的数据项所属的出血灶的轮廓作为目标轮廓；在二维医学图像上以预设样式标记目标轮廓。
12.因此，检测结果还包括出血灶的轮廓，且响应于用户在出血灶列表所选择的数据项，将被选择的数据项所属的出血灶的轮廓作目标轮廓，并在二维医学图像上以预设样式标记目标轮廓，即能够响应医生操作在医学图像上标记医生期望看到的轮廓，有利于进一步辅助医生提升阅片速度。
13.其中，检测结果还包括出血灶的轮廓，在在交互界面同屏显示待测医学图像和检测结果之后，方法还包括：响应于用户在交互界面修改轮廓的操作，基于修改后的轮廓重新分析出血灶的出血量，并将交互界面所显示的出血量更新为重新分析得到的出血量。
14.因此，检测结果还包括出血灶的轮廓，且在同屏显示之后，进一步响应于用户在交互界面修改轮廓的操作，基于修改后的轮廓重新分析出血灶的出血量，并将交互界面所显示的出血量更新为重新分析得到的出血量，即能够响应医生操作在医学图像上修改自动检测出来的轮廓，并基于此自动重新进行出血量分析，有利于提升医生在阅片过程中操作的自主性，并能够免于医生手动进行复杂的分析计算，故此能够在提升自主性的同时，辅助医生提升阅片速度。
15.其中，待测医学图像为三维医学图像，待测医学图像在预设位面上包含若干二维医学图像，且交互界面显示预设位面上一个二维医学图像，响应于用户在交互界面修改轮廓的操作，基于修改后的轮廓重新分析出血灶的出血量，包括：获取预设位面上二维医学图像中修改后的轮廓；响应于用户的切换指令，在交互界面显示下一个二维医学图像，并重新执行获取预设位面上二维医学图像中修改后的轮廓的步骤以及后续步骤，直至获取到预设位面上各个二维医学图像中修改后的轮廓；基于预设位面上各个二维医学图像中修改后的轮廓，分析得到出血量。
16.因此，待测医学图像为三维医学图像，待测医学图像在预设位面上包含若干二维医学图像，且且交互界面显示预设位面上一个二维医学图像，在此基础上，获取预设位面上二维医学图像中修改后的轮廓，并响应于用户的切换指令，在交互界面显示下一个二维医学图像，以及重新执行上述获取修改后的轮廓的步骤以及后续步骤，直至获取到预设位面上各个二维医学图像中修改后的轮廓为止，在此基础上，再基于预设位面上各个二维医学图像中修改后的轮廓，分析得到出血量，故能够支持医生通过图像切换，在预设位面的各个二维医学图像上进行轮廓修改，能够降低轮廓修改的操作复杂度，有利于进一步辅助医生提升阅片速度。
17.其中，检测结果是利用检测模型检测得到的，且检测模型是基于样本医学图像训练得到的，样本医学图像至少标注有出血灶的样本轮廓。
18.因此，利用检测模型检测得到检测结果，且检测模型是基于样本医学图像训练得到的，样本医学图像至少标注有出血灶的样本轮廓，故能够有利于提升图像检测的效率。
19.其中，待测医学图像是对脑部扫描得到的，且出血灶包括以下至少一种：脑室内出血、脑实质出血、蛛网膜下腔出血、硬膜外出血、硬膜下血肿。
20.因此，待测医学图像是对脑部扫描得到的，且出血灶包括以下至少一种：脑室内出
血、脑实质出血、蛛网膜下腔出血、硬膜外出血、硬膜下血肿，即能够支持对不同类别脑出血的图像检测。
21.其中，检测结果还包括出血灶的类别；和/或，检测结果还包括出血灶的轮廓；和/或，检测结果还包括出血灶的像素值。
22.因此，检测结果还包括出血灶的类别、轮廓，以及出血灶的像素值中至少一者，故能够有利于进一步丰富可为医生提供的辅助信息，有利于进一步辅助医生提升阅片速度。
23.本技术第二方面提供了一种图像检测装置，包括：检测模块和显示模块，检测模块，用于对待测医学图像进行检测，得到待测医学图像中出血灶的检测结果；其中，检测结果包括出血灶的出血量；显示模块，用于在交互界面同屏显示待测医学图像和检测结果。
24.本技术第三方面提供了一种电子设备，包括相互耦接的存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现上述第一方面中的图像检测方法。
25.本技术第四方面提供了一种计算机可读存储介质，其上存储有程序指令，程序指令被处理器执行时实现上述第一方面中的图像检测方法。
26.上述方案，对待测医学图像进行检测，得到待测医学图像中出血灶的检测结果，且检测结果包括出血灶的出血量，在此基础上，再在交互界面同屏显示待测医学图像和检测结果，故能够免于医生通过阅读待测医学图像手动估测出血量等相关指标，从而大大减少阅片过程中医生的手动操作时间，进而能够辅助医生提升阅片速度。
附图说明
27.图1是本技术图像检测方法一实施例的流程示意图；
28.图2是交互界面一实施例的示意图；
29.图3是第二显示区域一实施例的示意图；
30.图4是本技术图像检测方法另一实施例的流程示意图；
31.图5是本技术图像检测装置一实施例的框架示意图；
32.图6是本技术电子设备一实施例的框架示意图；
33.图7是本技术计算机可读存储介质一实施例的框架示意图。
具体实施方式
34.下面结合说明书附图，对本技术实施例的方案进行详细说明。
35.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本技术。
36.本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。
37.请参阅图1，图1是本技术图像检测方法一实施例的流程示意图。
38.具体而言，可以包括如下步骤：
39.步骤s11：对待测医学图像进行检测，得到待测医学图像中出血灶的检测结果。
40.本公开实施例中，检测结果包括出血灶的出血量。具体地，出血量可以包括但不限
于出血灶的体积、出血灶的质量等，在此不做限定。需要说明的是，在获取出血灶的体积之后，可以通过血液密度与出血灶的体积之积，得到出血灶的质量。
41.在一个实施场景中，待测医学图像可以包括但不限于ct图像等，在此不做限定。此外，待测医学图像具体可以是三维医学图像。
42.在一个实施场景中，可以先对待测医学图像进行目标检测，得到待测医学图像中出血灶的目标区域以及类别。需要说明的是，目标区域具体可以是包围出血灶的方形区域，以待测医学图像是三维医学图像为例，目标区域可以是长方体区域，且该长方体区域包围出血灶，其他情况可以以此类推，在此不再一一举例。在此基础上，可以进一步对目标区域的图像数据进行目标分割，得到出血灶的轮廓。需要说明的是，区别于前述目标区域，出血灶的轮廓尽管同样包围出血灶，但是该轮廓为出血灶的边界，即出血灶的轮廓以内属于该出血灶，出血灶的轮廓以外则不属于该出血灶。进一步地，仍以待测医学图像是三维医学图像为例，可以基于轮廓区域以及相邻像素之间的物理距离，计算得到出血灶的体积，作为该出血灶的出血量。当然，也可以将该体积乘以血液密度，得到该出血灶的质量，作为该出血灶的出血量。需要说明的是，物理距离表示相邻像素在现实场景中相隔距离，如物理距离可以为3毫米、5毫米、10毫米等等，在此不做限定。
43.在一个具体的实施场景中，为了提升目标检测效率，可以预先训练一个目标检测网络，基于此可以利用目标检测网络对待测医学图像进行目标检测，得到待测医学图中出血灶的目标区域以及类别。目标检测网络可以包括但不限于：faster-rcnn、yolo等等，在此对目标检测网络的网络结构不做限定。具体地，可以预先采集样本医学图像，且样本医学图像可以标注有出血灶的样本区域以及样本类别，基于此可以利用目标检测网络对样本医学图像进行目标检测，得到样本医学图像中出血灶的预测区域以及预测类别，从而可以采用诸如交叉熵、dice loss等损失函数分别度量样本类别与预测类别之间差异以及样本区域与预测区域之间的差异，得到目标检测网络的损失值，进而采用诸如梯度下降等优化方式基于损失值调整目标检测网络的网络参数。需要说明的是，差异的具体度量过程，以及参数的具体调整过程，可以分别参阅诸如交叉熵、dice loss等损失函数的技术细节，以及诸如梯度下降等优化方式的技术细节，在此不再赘述。
44.在一个具体的实施场景中，为了提升目标分割效率，可以预先训练一个目标分割网络，基于此可以利用目标分割网络对目标区域的图像数据进行目标分割，得到出血灶的轮廓。目标分割网络可以包括但不限于：u-net等等，在此对目标分割网络的网络结构不做限定。具体地，可以预先采集样本医学图像，且样本医学图像可以标注有出血灶的样本轮廓，基于此可以利用目标分割网络对样本医学图像进行目标分割，得到出血灶的预测轮廓，从而可以采用诸如交叉熵、dice loss等损失函数度量预测轮廓与样本轮廓之间的差异，得到目标分割网络的损失值，进而采用诸如梯度下降等优化方式基于损失值调整目标分割网络的网络参数。需要说明的是，差异的具体度量过程，以及参数的具体调整过程，可以分别参阅诸如交叉熵、dice loss等损失函数的技术细节，以及诸如梯度下降等优化方式的技术细节，在此不再赘述。
45.在一个实施场景中，也可以直接对待测医学图像进行实例化分割，得到待测医学图像中出血灶的轮廓以及类别。仍以待测医学图像是三维医学图像为例，可以基于轮廓以及相邻像素之间的物理距离，计算得到出血灶的体积，作为该出血灶的出血量。当然，也可
以将该体积乘以血液密度，得到该出血灶的质量，作为该出血灶的出血量。
46.在一个具体的实施场景中，为了提升实例化分割效率，可以预先训练一个实例化分割网络，基于此可以采用实例化分割网络对待测医学图像进行实例化分割，得到待测医学图像中出血灶的轮廓以及类别。实例化分割网络可以包括但不限于：deepmask、mask rcnn等等，在此对实例化分割网络的网络结构不做限定。具体地，可以预先采集样本医学图像，且样本医学图像标注有出血灶的样本轮廓以及样本类别。例如，样本医学图像中各个样本像素点可以分别标注有其样本像素类别，样本像素类别可以为若干种出血灶类别、图像背景中任一者，即在样本像素类别标注为某一种出血灶类别的情况下，可以认为该样本像素点属于出血灶，且其所属的出血灶为该种出血灶类别，或者，在样本像素类别标注为图像背景的情况下，可以认为该样本像素点不属于出血灶。在此基础上，可以利用实例化分割网络对样本医学图像进行实例化分割，得到样本医学图像中各个样本像素点的预测像素类别，且预测像素类别也为若干种出血灶类别、图像背景中任一者，基于此可以采用诸如交叉熵等损失函数度量各个样本像素点关于预测像素类别与样本像素类别之间的差异，得到实例化分割网络的损失值，并采用诸如梯度下降等优化方式基于损失值调整实例化分割网络的网络参数。需要说明的是，差异的具体度量过程，以及参数的具体调整过程，可以分别参阅诸如交叉熵等损失函数的技术细节，以及诸如梯度下降等优化方式的技术细节，在此不再赘述。在此基础上，利用实例化分割网络对待测医学图像进行实例化分割，即可得到待测医学图像中各个像素点的预测像素类别，从而对于每一种出血灶类别而言，可以基于属于该种出血灶类别的像素点所形成的连通域，得到该种出血灶类别的轮廓，由此即可得到各个出血灶的轮廓以及类别。
47.在一个实施场景中，检测结果还可以进一步包括在计算出血量过程中的中间结果，如可以包括出血灶的轮廓、出血灶的类别中至少一者。
48.以待测医学图像是对脑部扫描得到为例，出血灶可以包括以下至少一种：脑室内出血(ivh)、脑实质出血(iph)、蛛网膜下腔出血(sah)、硬膜外出血(edh)、硬膜下血肿(sdh)。其他情况可以以此类推，在此不再一一举例。此外，关于出血灶的轮廓以及类别，其具体获取过程，可以参阅前述相关描述，在此不再赘述。
49.在一个实施场景中，检测结果还可以进一步包括出血灶的像素值。以待测医学图像是ct图像为例，像素值为hu(hounsfiled unit，亨氏单位)值。需要说明的是，hu值反映了组织对x射线的吸收程度，具体可以参阅ct图像的相关技术细节，在此不再赘述。在此基础上，可以统计各个出血灶的平均hu值，以此来反映各个出血灶分别对x射线的吸收程度。
50.需要说明的是，如前所述，检测结果可以是利用检测模型检测得到的，且检测模型是基于样本医学图像训练得到的，样本医学图像至少标注有出血灶的样本轮廓。具体地，如前所述，检测模型可以包括目标检测网络和目标分割网络，即可以分别训练目标检测模型和目标分割网络，并在训练收敛之后，通过目标检测网络和目标分割网络分别对待测医学图像进行检测，得到检测结果，具体可以参阅前述相关描述，在此不再赘述；或者，检测模型也可以包括实例化分割网络，即可以仅对实例化分割网络进行训练，并在训练收敛之后，通过实例化分割网络对待测医学图像进行检测，得到检测结果，具体可以参阅前述相关描述，在此不再赘述。由此可见，在图像检测过程中，能够自动检测出各项有助于辅助医生的关键指标，大大减少医生的操作时间，并在后续将待测医学图像和检测结果同屏显示，能够使医
生一目了然地快速了解到关键指标以及脏器影像，特别是在急诊应用争分夺秒的情况下，有助于辅助医生快速且准确地做出决策。
51.步骤s12：在交互界面同屏显示待测医学图像和检测结果。
52.在一个实施场景中，交互界面可以包括第一显示区域和第二显示区域，且如前所述，待测医学图像可以为三维医学图像，则第一显示区域可以用于同时显示待测医学图像分别在若干预设位面上的至少一个二维医学图像，第二显示区域可以用于显示出血灶列表，且出血灶列表包括分别属于各个出血灶的数据项，数据项可以包括出血灶的出血量。上述方式，通过以列表形式展示出在待测医学图像中检出的血灶及其出血量，能够提升检测结果展示的直观性，且通过同时显示若干预设位面上的至少一个二维医学图像，能够从不同位面的角度展示医学图像，能够提升图像展示的丰富度，故此在提升检测结果展示的直观性和图像展示的丰富度的基础上，能够有利于进一步辅助医生提升阅片速度。
53.在一个具体的实施场景中，如前所述，待测医学图像可以包括但不限于ct图像。此外，若干预设位面可以包括但不限于：冠状面、横断面、矢状面等，在此不做限定。具体地，每一预设位面可以在第一显示区域展示至少一张二维医学图像。此外，关于上述三种位面的具体含义，可以参阅其相关技术细节，在此不再赘述。
54.在一个具体的实施场景中，数据项还可以包括出血灶的类别、像素值等，在此不做限定。以待测医学图像是对脑部扫描得到为例，数据项所包括的类别可以为以下至少一种：脑室内出血(ivh)、脑实质出血(iph)、蛛网膜下腔出血(sah)、硬膜外出血(edh)、硬膜下血肿(sdh)，需要说明的是，为了便于在出血灶列表展示，出血灶的类别可以以英文缩写予以展示，其他情况可以以此类推，在此不再一一举例。此外，以待测医学图像是ct图像为例，出血灶的像素值可以为hu值，以此可以反映出血灶对x射线的吸收程度。上述方式，能够在交互界面同时显示其类别和出血量，故能够提升各个出血灶的信息丰富度，有利于进一步辅助医生提升阅片速度。
55.在一个具体的实施场景中，请结合参阅图2，图2是交互界面一实施例的示意图。如图2所示，右侧虚线矩形框所示为第一显示区域，左侧虚线矩形框所示为第二显示区域。位于交互界面右侧的第一显示区域可以显示待测医学图像分别在冠状面、横断面、矢状面这三个预设位面上的一张二维医学图像。具体地，可以在第一显示区域默认显示待测医学图像位于冠状面中间层的二维医学图像，并默认显示待测医学图像位于横断面中间层的二维医学图像，以及默认显示待测医学图像位于矢状面中间层的二维医学图像。需要说明的是，用户也可以分别切换各个预设位面上其他层的二维医学图像。以横断面共有n层二维医学图像为例，第一显示区域可以默认显示待测医学图像位于横断面上第n/2的二维医学图像，用户也可以切换至横断面上第一层、第二层、第三层等二维医学图像，在此不做限定。其他预设位面可以以此类推，在此不再一一举例。
56.在一个具体的实施场景中，请结合参阅图3，图3是第二显示区域一实施例的示意图。如图3所示，出血灶列表每一行可以展示一个数据项(如，虚线矩形框所示)，数据项可以包括出血灶的类别、像素值、出血量等。具体地，图3以待测医学图像由对脑部扫描得到为例，示例性地描述了数据项展示的一种可能情况，其中，iph表示出血灶的类别为脑实质内出血，66.7hu表示出血灶的ct hu值为66.7，20.5cc表示出血灶的出血量为20.5立方厘米。需要说明的是，图3所示仅仅是实际应用场景其中一种实现方式，并不因此而限定数据项的
具体呈现方式。
57.在一个具体的实施场景中，如前所述，检测结果还包括出血灶的轮廓，则基于此，可以响应于用户在出血灶列表所选择的数据项，将被选择的数据项所属的出血灶的轮廓作为目标轮廓，并在第一显示区域所显示的二维医学图像上以预设样式标记目标轮廓。如图3所示，出血灶列表中每一数据项可以设置一个选择框，以供用户选择，即当用户勾选某一数据项对应的选择框之后，即代表该数据项已被选择。此外，预设样式可以包括但不限于：线条颜色(如，红色、绿色等)、线条线型(如，实线、虚线等)、线条粗细(如，20磅、30磅等)、填充样式(如，纯色填充、点状填充等)、填充透明度(如，50％透明度、60％透明度等)，在此不做限定。请结合参阅图2和图3，如图3中可以响应于用户在出血灶列表选择第一个数据项，可以将该数据项所属出血灶(即iph)的轮廓作为目标轮廓，继而如图2中可以在二维医学图像中以预设样式(如图2中箭头所指黑色实线线条)标记出目标轮廓。其他情况可以以此类推，在此不再一一举例。此外，需要说明的是，用户在出血灶列表所选择的数据项可以是一项、两项、三项等等，即本实施例对用户在出血灶列表所选择的数据项的数目不做限定。上述方式，能够响应医生操作在医学图像上标记医生期望看到的轮廓，有利于进一步辅助医生提升阅片速度。
58.在一个实施场景中，在得到检测结果之后，也可以基于待测医学图像和检测结果，形成结构化的检测报告。例如，检测报告的第一页可以列明检测出来的各个出血灶，以及每个出血灶的类别、出血量、像素值(如hu值)等，检测报告的后续几页可以展示若干预设位面上的二维医学图像，并在二维医学图像上标记各个出血灶的轮廓区域。
59.上述方案，对待测医学图像进行检测，得到待测医学图像中出血灶的检测结果，且检测结果包括出血灶的出血量，在此基础上，再在交互界面同屏显示待测医学图像和检测结果，故能够免于医生通过阅读待测医学图像手动估测出血量等相关指标，从而大大减少阅片过程中医生的手动操作时间，进而能够辅助医生提升阅片速度。
60.请参阅图4，图4是本技术图像检测方法另一实施例的流程示意图。本公开实施例中，检测结果除包括出血量，还进一步包括出血灶的轮廓，具体可以参阅前述公开实施例中相关描述，在此不再赘述。具体而言，可以包括如下步骤：
61.步骤s41：对待测医学图像进行检测，得到待测医学图像中出血灶的检测结果。
62.具体可以参阅前述公开实施例中相关描述，在此不再赘述。
63.步骤s42：在交互界面同屏显示待测医学图像和检测结果。
64.具体可以参阅前述公开实施例中相关描述，在此不再赘述。
65.步骤s43：响应于用户在交互界面修改轮廓的操作，基于修改后的轮廓重新分析出血灶的出血量，并将交互界面所显示的出血量更新为重新分析得到的出血量。
66.在一个实施场景中，出血灶的轮廓在交互界面的显示方式可以参阅图2以及前述公开实施例中相关描述，在此不再赘述。需要说明的是，待测医学图像分别在若干预设位面上的二维医学图像可以显示于交互界面，即待测医学图像在各个预设位面上分别由若干二维医学图像构成。例如，对于尺寸256*256*32的待测医学图像(即长度为256、宽度为256、高度为32)而言，可以认为其在横断面由32个二维医学图像沿高度方向层叠构成，在冠状面由256个二维医学图像沿宽度方向层叠构成，在矢状面也由256个二维医学图像沿长度方向层叠构成，其他情况可以以此类推，在此不再一一举例。在此基础上，对于每一种预设位面，用
户均可以切换在交互界面所显示的二维医学图像，以支持用户在不同预设位面上的二维医学图像中修改出血灶的轮廓区域。
67.在一个具体的实施场景中，交互界面可以对应每种预设位面均设置有图像切换控件，以支持用户通过不同预设位面所对应的图像切换控件，切换显示在不同预设位面上的二维医学图像。例如，图像切换控件可以设置为进度条状，通过移动进度条上的滑块即可切换显示二维医学图像；或者，图像切换控件可以设置为“+”“—”按钮，通过点击“+”按钮即可切换显示下一张二维医学图像，通过点击“—”按钮，即可切换显示上一张二维医学图像。需要说明的是，上述几种控件类型仅仅是实际应用过程中可能使用的情况，并不因此而限定图像切换控件的实际类型。
68.在一个具体的实施场景中，如前述公开实施例所述，交互界面可以包括第一显示区域和第二显示区域，且第一显示区域用于同时显示待测医学图像分别在若干预设位面上的至少一个二维医学图像，第二显示区域用于显示出血灶列表，出血灶列表包括分别属于各个出血灶的数据项，数据项包括但不限于出血灶的出血量、出血灶的类别、出血灶的像素值等，在此不做限定。基于此，可以响应于用户在出血灶列表所选择的数据项，将被选择的数据项所属出血灶的轮廓作为目标轮廓，并在二维医学图像上以预设样式标记目标轮廓。也就是说，用户可以通过在出血灶类别上选择期望修改轮廓的出血灶所对应的数据项，即可在第二显示区域所显示的二维医学图像上以预设样式标记该出血灶的轮廓，以供用户修改该出血灶的轮廓。
69.在一个实施场景中，可以获取预设位面上二维医学图像中修改后的轮廓，并响应于用户的切换指令，在交互界面显示下一个二维医学图像，并重新执行上述获取预设位面上二维医学图像中修改后的轮廓的步骤以及后续步骤，直至获取到预设位面上各个二维医学图像中修改后的轮廓为止，在此基础上，即可基于预设位面上各个二维医学图像中修改后的轮廓，分析得到出血量。上述方式，能够支持医生通过图像切换，在预设位面的各个二维医学图像上进行轮廓修改，能够降低轮廓修改的操作复杂度，有利于进一步辅助医生提升阅片速度。
70.在一个具体的实施场景中，用户可以通过在二维医学图像上擦除轮廓、重新绘制轮廓等步骤，完成对轮廓区域的修改。例如，可以在交互界面提供诸如“擦除”、“画笔”等编辑工具，用户通过使用“擦除”工具即可擦除轮廓，通过使用“画笔”工具即可重新绘制轮廓。
71.在一个具体的实施场景中，用户在完成一幅二维医学图像的轮廓修改之后，可以通过图像切换控件，切换至下一幅二维医学图像，以对下一幅二维医学图像进行轮廓修改。图像切换控件的具体实现方式，可以参阅前述相关描述，在此不再赘述。
72.在一个具体的实施场景中，在对预设位面上各个二维医学图像完成轮廓修改之后，可以将预设位面上各个二维医学图像中修改后的轮廓堆叠组合为出血灶的三维轮廓，并基于该三维轮廓以及相邻像素之间的物理距离，计算得到出血灶的体积，作为该出血灶的出血量。当然，也可以将该体积乘以血液密度，得到该出血灶的质量，作为该出血灶的出血量。
73.在一个实施场景中，在重新分析得到出血灶的出血量之后，即可在交互界面将该出血灶的出血量更新为重新分析得到的出血量。请结合参阅图3，如在用户选择出血灶列表中的iph出血灶进行轮廓修改之后，即可重新分析得到iph出血灶的出血量，并将出血灶列
表中iph出血灶的出血量20.5cc更新为重新分析得到的出血量。
74.上述方案，能够响应医生操作在医学图像上修改自动检测出来的轮廓，并基于此自动重新进行出血量分析，有利于提升医生在阅片过程中操作的自主性，并能够免于医生手动进行复杂的分析计算，故此能够在提升自主性的同时，辅助医生提升阅片速度。
75.请参阅图5，图5是本技术图像检测装置50一实施例的框架示意图。图像检测装置50包括：检测模块51和显示模块52，检测模块51用于对待测医学图像进行检测，得到待测医学图像中出血灶的检测结果；其中，检测结果包括出血灶的出血量；显示模块52用于在交互界面同屏显示待测医学图像和检测结果。
76.上述方案，对待测医学图像进行检测，得到待测医学图像中出血灶的检测结果，且检测结果包括出血灶的出血量，在此基础上，再在交互界面同屏显示待测医学图像和检测结果，故能够免于医生通过阅读待测医学图像手动估测出血量等相关指标，从而大大减少阅片过程中医生的手动操作时间，进而能够辅助医生提升阅片速度。
77.在一些公开实施例中，交互界面包括第一显示区域和第二显示区域，且待测医学图像为三维医学图像，其中，第一显示区域用于同时显示待测医学图像分别在若干预设位面上的至少一个二维医学图像，第二显示区域用于显示出血灶列表，出血灶列表包括分别属于各个出血灶的数据项，数据项包括出血灶的出血量。
78.因此，通过以列表形式展示出在待测医学图像中检出的血灶及其出血量，能够提升检测结果展示的直观性，且通过同时显示若干预设位面上的至少一个二维医学图像，能够从不同位面的角度展示医学图像，能够提升图像展示的丰富度，故此在提升检测结果展示的直观性和图像展示的丰富度的基础上，能够有利于进一步辅助医生提升阅片速度。
79.在一些公开实施例中，检测结果还包括出血灶的类别，数据项还包括出血灶的类别。
80.因此，检测结果还包括出血灶的类别，且在数据项包括出血灶的出血量的基础上，还进一步包括出血灶的类别，即对于每一出血灶而言，能够在交互界面同时显示其类别和出血量，故能够提升各个出血灶的信息丰富度，有利于进一步辅助医生提升阅片速度。
81.在一些公开实施例中，检测结果还包括出血灶的轮廓，图像检测装置50还包括选择模块，用于响应于用户在出血灶列表所选择的数据项，将被选择的数据项所属的出血灶的轮廓作为目标轮廓；图像检测装置50还包括标记模块，用于在二维医学图像上以预设样式标记目标轮廓。
82.因此，检测结果还包括出血灶的轮廓，且响应于用户在出血灶列表所选择的数据项，将被选择的数据项所属的出血灶的轮廓作目标轮廓，并在二维医学图像上以预设样式标记目标轮廓，即能够响应医生操作在医学图像上标记医生期望看到的轮廓，有利于进一步辅助医生提升阅片速度。
83.在一些公开实施例中，检测结果还包括出血灶的轮廓，图像检测装置50还包括分析模块，用于响应于用户在交互界面修改轮廓的操作，基于修改后的轮廓重新分析出血灶的出血量，并将交互界面所显示的出血量更新为重新分析得到的出血量。
84.因此，能够响应医生操作在医学图像上修改自动检测出来的轮廓，并基于此自动重新进行出血量分析，有利于提升医生在阅片过程中操作的自主性，并能够免于医生手动进行复杂的分析计算，故此能够在提升自主性的同时，辅助医生提升阅片速度。
85.在一些公开实施例中，待测医学图像为三维医学图像，待测医学图像在预设位面上包含若干二维医学图像，且交互界面显示预设位面上一个二维医学图像，分析模块包括修改子模块，用于获取预设位面上二维医学图像中修改后的轮廓；分析模块包括切换子模块，用于响应于用户的切换指令，在交互界面显示下一个二维医学图像，并重新执行获取预设位面上二维医学图像中修改后的轮廓的步骤以及后续步骤，直至获取到预设位面上各个二维医学图像中修改后的轮廓；分析模块包括分析子模块，用于基于预设位面上各个二维医学图像中修改后的轮廓区域，分析得到出血量。
86.因此，能够支持医生通过图像切换，在预设位面的各个二维医学图像上进行轮廓修改，能够降低轮廓修改的操作复杂度，有利于进一步辅助医生提升阅片速度。
87.在一些公开实施例中，检测结果是利用检测模型检测得到的，且检测模型是基于样本医学图像训练得到的，样本医学图像至少标注有出血灶的样本轮廓。
88.因此，利用检测模型检测得到检测结果，且检测模型是基于样本医学图像训练得到的，样本医学图像至少标注有出血灶的样本轮廓，故能够有利于提升图像检测的效率。
89.在一些公开实施例中，待测医学图像是对脑部扫描得到的，且出血灶包括以下至少一种：脑室内出血、脑实质出血、蛛网膜下腔出血、硬膜外出血、硬膜下血肿。
90.因此，待测医学图像是对脑部扫描得到的，且出血灶包括以下至少一种：脑室内出血、脑实质出血、蛛网膜下腔出血、硬膜外出血、硬膜下血肿，即能够支持对不同类别脑出血的图像检测。
91.在一些公开实施例中，检测结果还包括出血灶的类别；和/或，检测结果还包括出血灶的轮廓；和/或，检测结果还包括出血灶的像素值。
92.因此，检测结果还包括出血灶的类别、轮廓，以及出血灶的像素值中至少一者，故能够有利于进一步丰富可为医生提供的辅助信息，有利于进一步辅助医生提升阅片速度。
93.请参阅图6，图6是本技术电子设备60一实施例的框架示意图。电子设备60包括相互耦接的存储器61和处理器62，处理器62用于执行存储器61中存储的程序指令，以实现上述任一图像检测方法实施例的步骤。在一个具体的实施场景中，电子设备60可以包括但不限于：微型计算机、服务器，此外，电子设备60还可以包括笔记本电脑、平板电脑等移动设备，在此不做限定。
94.具体而言，处理器62用于控制其自身以及存储器61以实现上述任一图像检测方法实施例的步骤。处理器62还可以称为cpu(central processing unit，中央处理单元)。处理器62可能是一种集成电路芯片，具有信号的处理能力。处理器62还可以是通用处理器、数字信号处理器(digital signal processor,dsp)、专用集成电路(application specific integrated circuit,asic)、现场可编程门阵列(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。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。另外，处理器62可以由集成电路芯片共同实现。
95.上述方案，对待测医学图像进行检测，得到待测医学图像中出血灶的检测结果，且检测结果包括出血灶的出血量，在此基础上，再在交互界面同屏显示待测医学图像和检测结果，故能够免于医生通过阅读待测医学图像手动估测出血量等相关指标，从而大大减少阅片过程中医生的手动操作时间，进而能够辅助医生提升阅片速度。
96.请参阅图7，图7为本技术计算机可读存储介质70一实施例的框架示意图。计算机可读存储介质70存储有能够被处理器运行的程序指令701，程序指令701用于实现上述任一图像检测方法实施例的步骤。
97.上述方案，对待测医学图像进行检测，得到待测医学图像中出血灶的检测结果，且检测结果包括出血灶的出血量，在此基础上，再在交互界面同屏显示待测医学图像和检测结果，故能够免于医生通过阅读待测医学图像手动估测出血量等相关指标，从而大大减少阅片过程中医生的手动操作时间，进而能够辅助医生提升阅片速度。
98.在本技术所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，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，例如单元或组件可以结合或者可以集成到另一个系统，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信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。
99.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方式方案的目的。
100.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。
101.集成的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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术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全部或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)或处理器(processor)执行本技术各个实施方式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。