病灶匹配方法、电子设备及存储介质与流程

1.本发明涉及计算机技术领域，特别涉及一种病灶匹配方法、电子设备及存储介质。


背景技术：

2.结节病灶通常是指一种局限性圆形、椭圆形或不规则形的实质性损害，如肺结节、淋巴结等，其多见于在很多疾病，包括炎症、各部位的肿瘤等。在临床上，对这类病灶的随访跟踪是一种常见的疾病监测治疗手段。医生通过间隔一段时间的持续的影像学检查，可以掌握病灶例如肿瘤随时间的变化情况，对于了解病情，把握治疗时机具有至关重要的作用。
3.在随访治疗中，从不同时间的检查图像中，对同一个病灶进行自动关联和匹配是关键技术。在不同时间的检查图像中，可能出现不同数量的病灶，并且病灶有增大、减小、稳定或者病灶新增、病灶消失等多种变化情况，另外，病灶还可能会因为生理状态不同、外力干扰、手术等原因发生变化，从而加大病灶匹配的难度，进而影响病灶匹配的准确性。


技术实现要素：

4.本发明要解决的技术问题是为了克服现有技术中病灶匹配难度较大从而影响病灶匹配准确性的缺陷，提供一种病灶匹配方法、电子设备及存储介质。
5.本发明是通过下述技术方案来解决上述技术问题：
6.本发明的第一方面提供一种病灶匹配方法，包括以下步骤：
7.获取第一医学图像的第一病灶检测结果以及第二医学图像的第二病灶检测结果；其中，所述第一医学图像和所述第二医学图像分别为不同时间针对相同对象采集的医学图像；
8.根据第一病灶中心点和第二病灶中心点确定第一病灶与第二病灶之间的匹配程度；其中，所述第一病灶为所述第一病灶检测结果中的病灶，所述第二病灶为所述第二病灶检测结果中的病灶，所述第一病灶中心点用于表征所述第一病灶的中心点位置，所述第二病灶中心点用于表征所述第二病灶的中心点位置；
9.基于所述第一病灶与所述第二病灶之间的匹配程度确定所述第一病灶与所述第二病灶的匹配结果。
10.可选地，所述根据第一病灶中心点和第二病灶中心点确定第一病灶与第二病灶之间的匹配程度的步骤具体包括：
11.根据第一病灶中心点在所述第一医学图像中截取图像块，得到第一图像块，以及根据第二病灶中心点在所述第二医学图像中截取图像块，得到第二图像块；其中，所述第一图像块与所述第二图像块的大小相同；
12.根据所述第一图像块与所述第二图像块之间的匹配程度确定第一病灶与第二病灶之间的匹配程度。
13.可选地，所述根据第一病灶中心点和第二病灶中心点确定第一病灶与第二病灶之间的匹配程度的步骤具体包括：
14.计算第一病灶中心点与第一标记点之间的距离，得到第一距离，以及计算第二病灶中心点与第二标记点之间的距离，得到第二距离；其中，所述第一标记点为所述第一医学图像中用于表征采集对象的预设位置的标记点，所述第二标记点为所述第二医学图像中用于表征所述采集对象的所述预设位置的标记点；
15.根据所述第一距离和所述第二距离之间的匹配程度确定第一病灶与第二病灶之间的匹配程度。
16.可选地，所述根据所述第一图像块与所述第二图像块之间的匹配程度确定第一病灶与第二病灶之间的匹配程度的步骤具体包括：
17.根据第一病灶中心点与第二病灶中心点之间的相似距离，以及所述第一图像块与所述第二图像块之间的匹配程度确定第一病灶与第二病灶之间的匹配程度。
18.可选地，所述根据所述第一距离和所述第二距离之间的匹配程度确定第一病灶与第二病灶之间的匹配程度的步骤具体包括：
19.根据第一病灶中心点与第二病灶中心点之间的相似距离，以及根据所述第一距离和所述第二距离之间的匹配程度确定第一病灶与第二病灶之间的匹配程度。
20.可选地，所述根据第一病灶中心点和第二病灶中心点确定第一病灶与第二病灶之间的匹配程度的步骤具体包括：
21.根据第一病灶中心点在所述第一医学图像中截取图像块，得到第一图像块，以及根据第二病灶中心点在所述第二医学图像中截取图像块，得到第二图像块；其中，所述第一图像块与所述第二图像块的大小相同；
22.计算第一病灶中心点与第一标记点之间的距离，得到第一距离，以及计算第二病灶中心点与第二标记点之间的距离，得到第二距离；其中，所述第一标记点为所述第一医学图像中用于表征采集对象的预设位置的标记点，所述第二标记点为所述第二医学图像中用于表征所述采集对象的所述预设位置的标记点；
23.根据所述第一图像块与所述第二图像块之间的匹配程度，以及所述第一距离和所述第二距离之间的匹配程度确定第一病灶与第二病灶之间的匹配程度。
24.可选地，所述根据所述第一图像块与所述第二图像块之间的匹配程度，以及所述第一距离和所述第二距离之间的匹配程度确定第一病灶与第二病灶之间的匹配程度的步骤具体包括：
25.根据第一病灶中心点与第二病灶中心点之间的相似距离、所述第一图像块与所述第二图像块之间的匹配程度以及所述第一距离和所述第二距离之间的匹配程度确定第一病灶与第二病灶之间的匹配程度。
26.可选地，所述基于所述第一病灶与所述第二病灶之间的匹配程度确定所述第一病灶与所述第二病灶的匹配结果的步骤具体包括：
27.根据第一矩阵确定与目标第一病灶匹配概率最高的目标第二病灶；其中，所述第一矩阵中每行的元素分别用于指示同一个第一病灶与各个第二病灶匹配的概率；
28.根据第二矩阵确定与所述目标第二病灶匹配概率最高的第一病灶；其中，所述第二矩阵中每行的元素分别用于指示同一个第二病灶与各个第一病灶匹配的概率；所述第一矩阵和所述第二矩阵均基于所述第一病灶与所述第二病灶之间的匹配程度进行构建；
29.若与所述目标第二病灶匹配概率最高的第一病灶为所述目标第一病灶，则确定所
述目标第一病灶与所述目标第二病灶相匹配。
30.可选地，所述确定所述目标第一病灶与所述目标第二病灶相匹配的步骤具体包括：
31.判断所述第一矩阵中所述目标第一病灶与所述目标第二病灶匹配的概率，以及所述第二矩阵中所述目标第二病灶与所述目标第一病灶匹配的概率是否均高于预设概率；
32.若是，则确定所述目标第一病灶与所述目标第二病灶相匹配。
33.可选地，所述确定所述目标第一病灶与所述目标第二病灶相匹配的步骤具体包括：
34.判断所述目标第一病灶的第一病灶中心点与所述目标第二病灶的第二病灶中心点之间的距离是否小于预设距离；
35.若是，则确定所述目标第一病灶与所述目标第二病灶相匹配。
36.本发明的第二方面提供一种电子设备，包括存储器、处理器以及存储在存储器上并可在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第一方面所述的病灶匹配方法。
37.本发明的第三方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的病灶匹配方法。
38.本发明的积极进步效果在于：第一病灶中心点和第二病灶中心点能够分别反映第一病灶和第二病灶的空间位置，因此通过根据第一病灶中心点和第二病灶中心点确定第一病灶与第二病灶之间的匹配程度，以及基于第一病灶与第二病灶之间的匹配程度确定第一病灶与第二病灶之间的匹配结果，能够提高病灶匹配的准确性，进而能够提高医生的诊断效率。
39.进一步地，根据第一病灶中心点截取的第一图像块的图像特征能够反映第一病灶的自身形态，根据第二病灶中心点截取的第二图像块的图像特征能够反映第二病灶的自身形态，结合第一病灶和第二病灶的自身形态对第一病灶和第二病灶进行匹配，能够进一步提高病灶匹配的准确性。
40.进一步地，第一病灶中心点与第一标记点之间的第一距离能够反映第一病灶的解剖位置，第二病灶中心点与第二标记点之间的第二距离能够反映第二病灶的解剖位置，结合第一病灶和第二病灶的解剖位置对第一病灶和第二病灶进行匹配，能够进一步提高病灶匹配的准确性。
附图说明
41.图1为本发明实施例1提供的一种病灶匹配方法的流程图。
42.图2为本发明实施例1提供的步骤s2的一种流程图。
43.图3为本发明实施例1提供的步骤s2的另一种流程图。
44.图4为本发明实施例1提供的一种病灶匹配方法的流程示意图。
45.图5为本发明实施例1提供的一种淋巴结图像的示意图。
46.图6为本发明实施例1提供的另一种淋巴结图像的示意图。
47.图7为本发明实施例1提供的一种病灶匹配装置的结构框图。
48.图8为本发明实施例2提供的一种电子设备的结构示意图。
具体实施方式
49.下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
50.实施例1
51.图1为本实施例提供的一种病灶匹配方法的流程示意图，该病灶匹配方法可以由病灶匹配装置执行，该病灶匹配装置可以通过软件和/或硬件的方式实现，该病灶匹配装置可以为电子设备的部分或全部。其中，本实施例中的电子设备可以为个人计算机(personal computer，pc)，例如台式机、一体机、笔记本电脑、平板电脑等，还可以为手机、可穿戴设备、掌上电脑(personal digital assistant，pda)等终端设备。下面以电子设备为执行主体介绍本实施例提供的病灶匹配方法。
52.如图1所示，本实施例提供的病灶匹配方法可以包括以下步骤s1～s3：
53.步骤s1、获取第一医学图像的第一病灶检测结果以及第二医学图像的第二病灶检测结果。
54.其中，所述第一医学图像和所述第二医学图像分别为不同时间针对相同对象采集的医学图像，具体可以是b超影像、x光片、ct影像、mri(magnetic resonance imaging，磁共振成像)影像等。其中，所述对象可以为患者的部位或者器官，例如肺部、肝脏、心脏、肾脏、脾脏、胃、胆、淋巴结等。
55.在具体实施中，可以通过调用图像处理模型对第一医学图像进行处理，得到第一病灶检测结果，以及调用图像处理模型对第二医学图像进行处理，得到第二病灶检测结果。其中，第一病灶检测结果和第二病灶检测结果分别为相同对象在不同随访时间的病灶检测结果。
56.步骤s2、根据第一病灶中心点和第二病灶中心点确定第一病灶与第二病灶之间的匹配程度。
57.其中，所述第一病灶为所述第一病灶检测结果中的病灶，所述第二病灶为所述第二病灶检测结果中的病灶，所述第一病灶中心点用于表征所述第一病灶的中心点位置，所述第二病灶中心点用于表征所述第二病灶的中心点位置。
58.在具体实施中，可以选择第一病灶的长径的中点或者短径的中点作为第一病灶中心点，也可以通过其它方式确定第一病灶中心点。同理，可以选择第二病灶的长径的中点或者短径的中点作为第二病灶中心点，也可以通过其它方式确定第二病灶中心点。
59.需要说明的是，随着时间的推移，原有的病灶可能会消失，导致病灶的数量降低；也可能会出现新的病灶，导致病灶的数量增加。因此，第一病灶的数量和第二病灶的数量可能相同，也可能不同。
60.在具体实施中，第一病灶与第二病灶之间的匹配程度可以相似距离进行度量，具体可以通过计算欧式距离、曼哈顿距离、切比雪夫距离等方式得到相似距离。其中，相似距离越远，匹配程度越低，相似距离越近，匹配程度越高即越相似。
61.第一病灶与第二病灶之间的匹配程度还可以相似度进行度量，具体可以通过计算余弦相似度、对数似然相似率、皮尔森相关系数等方式得到相似度。其中，相似度越高，匹配程度越高，相似度越低，匹配程度越低。
62.步骤s3、基于所述第一病灶与所述第二病灶之间的匹配程度确定所述第一病灶与
所述第二病灶的匹配结果。
63.其中，第一病灶与第二病灶的匹配结果包括匹配和不匹配，第一病灶与第二病灶匹配说明二者为同一个病灶，第一病灶与第二病灶不匹配说明二者不是同一个病灶。
64.本实施方式中，第一病灶中心点和第二病灶中心点能够分别反映第一病灶和第二病灶的空间位置，因此通过根据第一病灶中心点和第二病灶中心点确定第一病灶与第二病灶之间的匹配程度，以及基于第一病灶与第二病灶之间的匹配程度确定第一病灶与第二病灶之间的匹配结果，能够提高病灶匹配的准确性，进而能够提高医生的诊断效率。
65.在可选的一种实施方式中，上述步骤s2具体包括：根据第一病灶中心点与第二病灶中心点之间的相似距离确定第一病灶与第二病灶之间的匹配程度。
66.根据随访图像刚性配准技术，可以根据第一医学图像和第二医学图像计算得到配准矩阵即旋转矩阵r和平移向量t。在计算第一病灶中心点与第二病灶中心点之间的相似距离之前，需要利用旋转矩阵r和平移向量t将第一病灶中心点的坐标变换到与第二医学图像相对应，或者将第二病灶中心点的坐标变换到与第一医学图像相对应。在具体实施中，若第一医学图像的采集时间晚于第二医学图像的采集时间，通常对第一病灶中心点的坐标进行变换。
67.在一个具体的例子中，第一病灶中心点ci(xi,yi,zi),0《i《m，m为第一病灶的数量，第二病灶中心点cj(xj,yj,zj),0《j《n，n为第二病灶的数量。将第一病灶中心点ci通过仿射变换转移至第二医学图像的空间坐标ci′
＝rci+t。利用以下公式计算第一病灶中心点ci与第二病灶中心点cj之间的欧式距离：
68.d
ij
＝||c
′
i-cj||2。
69.针对所有的第一病灶和第二病灶，可以得到如下的矩阵m
space
：
[0070][0071]
在根据第一病灶中心点ci与第二病灶中心点cj之间的欧式距离确定第一病灶和第二病灶之间的匹配程度的具体实施中，可以根据第一病灶中心点ci与第二病灶中心点cj之间的欧式距离d
ij
和/或第二病灶中心点cj与第一病灶中心点ci之间的d
ji
与第一预设距离之间的关系确定第一病灶li和第二病灶lj之间的匹配程度。其中，第一预设距离可以根据实际情况进行设置。
[0072]
在一些临床情况下，病灶容易密集出现在同一区域或者同一部位，病灶彼此之间的空间距离会非常相近，而且病灶自身的空间位置也可能发生一定的移动，从而造成病灶中心点的偏移，使得病灶匹配的准确性受到影响。
[0073]
为了提高病灶匹配的准确性，在可选的一种实施方式中，结合用于表征病灶自身形态的信息确定病灶之间的匹配程度。具体地，如图2所示，上述步骤s2可以包括以下步骤s21a～s21b：
[0074]
步骤s21a、根据第一病灶中心点在所述第一医学图像中截取图像块，得到第一图像块，以及根据第二病灶中心点在所述第二医学图像中截取图像块，得到第二图像块。其中，所述第一图像块与所述第二图像块的大小相同。
[0075]
在具体实施中，可以以第一病灶中心点为中心截取第一图像块，以第二病灶中心
点为中心截取第二图像块。
[0076]
步骤s21b、根据所述第一图像块与所述第二图像块之间的匹配程度确定第一病灶与第二病灶之间的匹配程度。
[0077]
在具体实施中，可以根据第一图像块和第二图像块的图像特征计算二者之间的匹配程度，其中，图像特征可以包括灰度值、组学特征、边缘特征、纹理特征等。其中，图像特征可以通过网络模型例如图像识别模型学习得到。同理，第一图像块与第二图像块之间的匹配程度可以相似距离或者相似度进行度量。
[0078]
在一个具体的例子中，以第一图像块和第二图像块之间的相似距离s
ij
度量第一病灶li和第二病灶lj之间的匹配程度，其中，s
ij
＝1-ncc(i,j)，0《i《m，0《j《n，m为第一病灶的数量，n为第二病灶的数量，本例子中分别将第一图像块和第二图像块的灰度值作为计算ncc(i,j)时输入的图像向量。针对所有的第一病灶和第二病灶，可以得到如下的矩阵m
shape
：
[0079][0080]
在根据第一图像块和第二图像块之间的相似距离确定第一病灶与第二病灶之间的匹配程度的具体实施中，可以根据第一图像块和第二图像块之间的相似距离s
ij
和/或第二图像块与第一图像块之间的相似距离s
ji
与第二预设距离之间的关系确定第一病灶li和第二病灶lj之间的匹配程度。其中，第二预设距离可以根据实际情况进行设置。
[0081]
本实施方式中，根据第一病灶中心点截取的第一图像块的图像特征能够反映第一病灶的自身形态，根据第二病灶中心点截取的第二图像块的图像特征能够反映第二病灶的自身形态，结合第一病灶和第二病灶的自身形态对第一病灶和第二病灶进行匹配，能够进一步提高病灶匹配的准确性。
[0082]
为了提高病灶匹配的准确性，在可选的另一种实施方式中，结合用于表征病灶解剖位置的信息确定病灶之间的匹配程度。具体地，如图3所示，上述步骤s2可以包括以下步骤s22a～s22b：
[0083]
步骤s22a、计算第一病灶中心点与第一标记点之间的距离，得到第一距离，以及计算第二病灶中心点与第二标记点之间的距离，得到第二距离。
[0084]
其中，所述第一标记点为所述第一医学图像中用于表征采集对象的预设位置的标记点，所述第二标记点为所述第二医学图像中用于表征所述采集对象的所述预设位置的标记点。需要说明的是，第一标记点和第二标记点的数量相同，可以为一个，也可以为多个。通常选取变化较小的位置作为标记点，例如胸骨点、脊椎点、主动脉的中心点、肺动脉的中心点等。
[0085]
在计算第一病灶中心点与第一标记点之间的第一距离以及第二病灶中心点与第二标记点之间的第二距离之前，同样需要利用旋转矩阵r和平移向量t将第一病灶中心点的坐标以及第一标记点的坐标变换到与第二医学图像相对应，或者将第二病灶中心点的坐标以及第二标记点的坐标变换到与第一医学图像相对应。在具体实施中，若第一医学图像的采集时间晚于第二医学图像的采集时间，通常对第一病灶中心点以及第一标记点的坐标进行变换。
[0086]
步骤s22b、根据所述第一距离和所述第二距离之间的匹配程度确定第一病灶与第
二病灶之间的匹配程度。同理，第一距离和第二距离之间的匹配程度可以相似距离或者相似度进行度量。
[0087]
在一个具体的例子中，定义第一标记点lmk，其中，k＝1,2，
…
,k，k为第一标记点的数量，计算第一病灶中心点ci与第一标记点lmk之间的第一距离：f
ki
＝||c
i-lmk||2，同理，计算第二病灶中心点与第二标记点之间的第二距离f
kj
，其中，0《k《k。
[0088]
本例子中，以第一距离和所述第二距离之间的相似距离f
ij
度量第一病灶li和第二病灶lj之间的匹配程度：
[0089][0090]
针对所有的第一病灶和第二病灶，可以得到如下的矩阵m
landmark
：
[0091][0092]
在根据第一距离和第二距离之间的相似距离确定第一病灶与第二病灶之间的匹配程度的具体实施中，可以根据第一距离和所述第二距离之间的相似距离f
ij
和/或第二距离和第一距离之间的相似距离f
ij
与第三预设距离之间的关系确定第一病灶li和第二病灶lj之间的匹配程度。其中，第三预设距离可以根据实际情况进行设置。
[0093]
在步骤s2的具体实施中，还可以根据以下中的至少两种确定第一病灶与第二病灶之间的匹配程度：上述第一病灶中心点与第二病灶中心点之间的相似距离、上述第一图像块与第二图像块之间的匹配程度以及上述第一距离和所述第二距离之间的匹配程度。
[0094]
在一个具体的例子中，根据上述第一病灶中心点与第二病灶中心点之间的相似距离以及上述第一图像块与第二图像块之间的匹配程度确定第一病灶与第二病灶之间的匹配程度。例如可以将第一病灶中心点与第二病灶中心点之间的相似距离以及第一图像块与第二图像块之间的相似距离通过权重进行整合。针对所有的第一病灶和第二病灶，也就是将上述m
space
和m
shape
进行权重整合。为了保证各个相似距离的量纲一致，首先需要对m
space
和m
shape
进行归一化处理，例如将矩阵中的每个元素除以矩阵中的最大值以实现归一化。然后得到：m1＝β
spacemspace
+β
shapemshape
，β
space
+β
shape
＝1,β
space
》0,β
shape
》0。其中，可以分别将权重系数β
space
和β
shape
的初始值设为0.5，后续根据数据集中病灶匹配的效果对权重系数β
space
和β
shape
进行优化。本例子中，根据m1确定第一病灶与第二病灶之间的匹配程度。
[0095]
在另一个具体的例子中，根据上述第一病灶中心点与第二病灶中心点之间的相似距离以及上述第一距离和所述第二距离之间的匹配程度第一病灶与第二病灶之间的匹配程度。例如可以将第一病灶中心点与第二病灶中心点之间的相似距离以及第一距离和所述第二距离之间的相似距离通过权重进行整合。针对所有的第一病灶和第二病灶，也就是将上述m
space
和m
landmark
进行权重整合。为了保证各个相似距离的量纲一致，首先需要对m
space
和m
landmark
进行归一化处理，例如将矩阵中的每个元素除以矩阵中的最大值以实现归一化。然后得到：m2＝β
spacemspace
+β
landmarkmlandmark
，β
space
+β
landmark
＝1,β
space
》0,β
landmark
》0。其中，可以分别将权重系数β
space
和β
landmark
的初始值设为0.5，后续根据数据集中病灶匹配的效果对权重系数β
space
和β
landmark
进行优化。本例子中，根据m2确定第一病灶与第二病灶之间的匹配程
度。
[0096]
在一个具体的例子中，如图4所示，根据上述第一病灶中心点与第二病灶中心点之间的相似距离、上述第一图像块与第二图像块之间的匹配程度以及上述第一距离和所述第二距离之间的匹配程度确定第一病灶与第二病灶之间的匹配程度，进而确定第一病灶与第二病灶之间的匹配结果。例如可以将第一病灶中心点与第二病灶中心点之间的相似距离、第一图像块与第二图像块之间的相似距离以及第一距离和所述第二距离之间的相似距离通过权重进行整合。针对所有的第一病灶和第二病灶，也就是将上述m
space
、m
shape
和m
landmark
进行权重整合。为了保证各个相似距离的量纲一致，首先需要对m
space
、m
shape
和m
landmark
进行归一化处理，例如将矩阵中的每个元素除以矩阵中的最大值以实现归一化。然后得到：m3＝β
spacemspace
+β
shapemshape
+β
landmarkmlandmark
，β
space
+β
shape
+β
landmark
＝1,β
space
》0,β
shape
》0,β
landmark
》0。其中，可以分别将权重系数β
space
、β
shape
和β
landmark
的初始值设为1/3，后续根据数据集中病灶匹配的效果对权重系数β
space
、β
shape
和β
landmark
进行优化。本例子中，根据m3确定第一病灶与第二病灶之间的匹配程度。
[0097]
本实施方式中，第一病灶中心点与第一标记点之间的第一距离能够反映第一病灶的解剖位置，第二病灶中心点与第二标记点之间的第二距离能够反映第二病灶的解剖位置，因此，第一距离和第二距离也可以称为解剖位置相似距离，结合第一病灶和第二病灶的解剖位置对第一病灶和第二病灶进行匹配，能够进一步提高病灶匹配的准确性。
[0098]
在可选的一种实施方式中，上述步骤s3具体包括以下步骤s31～s33：
[0099]
步骤s31、根据第一矩阵确定与目标第一病灶匹配概率最高的目标第二病灶。其中，所述第一矩阵中每行的元素分别用于指示同一个第一病灶与各个第二病灶匹配的概率。需要说明的是，目标第一病灶可以为任一第一病灶。
[0100]
步骤s32、根据第二矩阵确定与所述目标第二病灶匹配概率最高的第一病灶。其中，所述第二矩阵中每行的元素分别用于指示同一个第二病灶与各个第一病灶匹配的概率。
[0101]
需要说明的是，所述第一矩阵和所述第二矩阵均基于所述第一病灶与所述第二病灶之间的匹配程度进行构建。
[0102]
在一个具体的例子中，第一矩阵w为：
[0103][0104]
其中，m
ij
用于表示第一病灶li和第二病灶lj之间的匹配程度，例如可以为上述例子中的m1、m2或者m3中的元素，w
ij
为对m
ij
进行归一化处理的结果，因此，每一行w
ij
的向量和为1。对第一矩阵进行转置可以得到第二矩阵。第一矩阵和第二矩阵互为对称，但是由于第一病灶和第二病灶的数量可能不同，导致第二矩阵的元素与第一矩阵的元素可能不同。
[0105]
步骤s33、若与所述目标第二病灶匹配概率最高的第一病灶为所述目标第一病灶，则确定所述目标第一病灶与所述目标第二病灶相匹配。
[0106]
本实施方式中，针对目标第一病灶，在第一矩阵中选取匹配概率最高的目标第二病灶，同理，针对目标第二病灶，在第二矩阵中选取匹配概率最高的第一病灶，若与目标第二病灶匹配概率最高的第一病灶和目标第一病灶为同一个病灶，则确定目标第一病灶和目
标第二病灶相匹配。
[0107]
为了进一步保证病灶匹配结果的准确性，在可选的一种实施方式中，步骤s33中确定所述目标第一病灶与所述目标第二病灶相匹配的步骤具体包括以下步骤s33a1～s33a3：
[0108]
步骤s33a1、判断所述第一矩阵中所述目标第一病灶与所述目标第二病灶匹配的概率w
ij
，以及所述第二矩阵中所述目标第二病灶与所述目标第一病灶匹配的概率w
ji
是否均高于预设概率，若是，则执行步骤s33a2，若否，则执行步骤s33a3。其中，预设概率可以根据实际情况进行设置。
[0109]
步骤s33a2、确定所述目标第一病灶与所述目标第二病灶相匹配。
[0110]
步骤s33a3、确定所述目标第一病灶与所述目标第二病灶不匹配。
[0111]
本实施方式中，通过判断两个病灶匹配的概率是否高于预设概率，能够进一步保证匹配成功的两个病灶属于同一个病灶。
[0112]
为了进一步保证病灶匹配结果的准确性，在可选的一种实施方式中，步骤s33中确定所述目标第一病灶与所述目标第二病灶相匹配的步骤具体包括以下步骤s33b1～s33b3：
[0113]
步骤s33b1、判断所述目标第一病灶的第一病灶中心点与所述目标第二病灶的第二病灶中心点之间的距离是否小于预设距离,若是，则执行步骤s33b2，若否，则执行步骤s33b3。其中，预设距离可以根据实际情况进行设置。
[0114]
步骤s33b2、确定所述目标第一病灶与所述目标第二病灶相匹配。
[0115]
步骤s33b3、确定所述目标第一病灶与所述目标第二病灶不匹配。
[0116]
本实施方式中，通过判断目标第一病灶的第一病灶中心点与目标第二病灶的第二病灶中心点之间的距离是否小于预设距离，能够进一步保证匹配成功的两个病灶对应采集对象的相同部位或者相同器官。
[0117]
图5和图6分别用于示出在不同时间针对患者采集的淋巴结图像，其中图5中淋巴结图像的采集时间晚于图6中淋巴结图像的采集时间。图5示出的淋巴结图像中，共检测到4个第一病灶，具体包括第一病灶1～4。图6示出的淋巴结图像中，同样检测到4个第二病灶，具体包括第二病灶1～4。在图5中选取胸板点、剑突、气管隆突三个位置作为第一标记点，以及在图6中选取胸板点、剑突、气管隆突三个位置作为第二标记点。选取第一病灶长径的中点作为第一病灶中心点，并以第一病灶中心点为中心截取边长为30mm的方形的第一图像块。选取第二病灶长径的中点作为第二病灶中心点，并以第二病灶中心点为中心截取边长为30mm的方形的第二图像块。其中，第一病灶中心点与第一标记点之间的距离为第一距离，第二病灶中心点与第二标记点之间的距离为第二距离。根据第一病灶中心点与第二病灶中心点之间的相似距离m
space
、第一图像块与第二图像块之间的相似距离m
shape
以及第一距离和第二距离之间的相似距离m
landmark
确定第一病灶与第二病灶之间的匹配程度，并根据匹配程度确定匹配结果。最终的匹配结果为：第一病灶1、2、3分别与第二病灶1、2、3相匹配，且不存在与第一病灶4匹配的第二病灶，不存在与第二病灶4匹配的第一病灶。本例子中，在采集图5中淋巴图像时，第二病灶4已经消失，而第一病灶4则是新增的病灶。
[0118]
本实施例还提供一种病灶匹配装置70，如图7所示，包括病灶结果获取模块71、匹配程度确定模块72以及匹配结果确定模块73。
[0119]
病灶结果获取模块71用于获取第一医学图像的第一病灶检测结果以及第二医学图像的第二病灶检测结果。其中，所述第一医学图像和所述第二医学图像分别为不同时间
针对相同对象采集的医学图像。
[0120]
匹配程度确定模块72用于根据第一病灶中心点和第二病灶中心点确定第一病灶与第二病灶之间的匹配程度；其中，所述第一病灶为所述第一病灶检测结果中的病灶，所述第二病灶为所述第二病灶检测结果中的病灶，所述第一病灶中心点用于表征所述第一病灶的中心点位置，所述第二病灶中心点用于表征所述第二病灶的中心点位置。
[0121]
在可选的一种实施方式中，匹配程度确定模块具体用于根据第一病灶中心点与第二病灶中心点之间的相似距离确定第一病灶与第二病灶之间的匹配程度。
[0122]
在可选的另一种实施方式中，匹配程度确定模块具体用于根据第一病灶中心点在所述第一医学图像中截取图像块，得到第一图像块，根据第二病灶中心点在所述第二医学图像中截取图像块，得到第二图像块；以及根据所述第一图像块与所述第二图像块之间的匹配程度确定第一病灶与第二病灶之间的匹配程度。其中，所述第一图像块与所述第二图像块的大小相同。
[0123]
在可选的又一种实施方式中，匹配程度确定模块具体用于计算第一病灶中心点与第一标记点之间的距离，得到第一距离，并计算第二病灶中心点与第二标记点之间的距离，得到第二距离；以及根据所述第一距离和所述第二距离之间的匹配程度确定第一病灶与第二病灶之间的匹配程度。其中，所述第一标记点为所述第一医学图像中用于表征采集对象的预设位置的标记点，所述第二标记点为所述第二医学图像中用于表征所述采集对象的所述预设位置的标记点。
[0124]
匹配结果确定模块73用于基于所述第一病灶与所述第二病灶之间的匹配程度确定所述第一病灶与所述第二病灶的匹配结果。
[0125]
需要说明的是，本实施例中病灶匹配装置具体可以是单独的芯片、芯片模组或电子设备，也可以是集成于电子设备内的芯片或者芯片模组。
[0126]
关于本实施例中描述的病灶匹配装置包含的各个模块/单元，其可以是软件模块/单元，也可以是硬件模块/单元，或者也可以部分是软件模块/单元，部分是硬件模块/单元。
[0127]
实施例2
[0128]
图8为本实施例提供的一种电子设备的结构示意图。所述电子设备包括至少一个处理器以及与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器运行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行实施例1的病灶匹配方法。本实施例提供的电子设备可以为个人计算机，例如台式机、一体机、笔记本电脑、平板电脑等，还可以为手机、可穿戴设备、掌上电脑等终端设备。图8显示的电子设备3仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0129]
电子设备3的组件可以包括但不限于：上述至少一个处理器4、上述至少一个存储器5、连接不同系统组件(包括存储器5和处理器4)的总线6。
[0130]
总线6包括数据总线、地址总线和控制总线。
[0131]
存储器5可以包括易失性存储器，例如随机存取存储器(ram)51和/或高速缓存存储器52，还可以进一步包括只读存储器(rom)53。
[0132]
存储器5还可以包括具有一组(至少一个)程序模块54的程序/实用工具55，这样的程序模块54包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数
据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0133]
处理器4通过运行存储在存储器5中的计算机程序，从而执行各种功能应用以及数据处理，例如上述病灶匹配方法。
[0134]
电子设备3也可以与一个或多个外部设备7(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(i/o)接口8进行。并且，电子设备3还可以通过网络适配器9与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图8所示，网络适配器9通过总线6与电子设备3的其它模块通信。应当明白，尽管图8中未示出，可以结合电子设备3使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
[0135]
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
[0136]
实施例3
[0137]
本实施例提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现实施例1的病灶匹配方法。
[0138]
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
[0139]
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在电子设备上运行时，所述程序代码用于使所述电子设备执行实现实施例1的病灶匹配方法。
[0140]
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在电子设备上执行、部分地在电子设备上执行、作为一个独立的软件包执行、部分在电子设备上部分在远程设备上执行或完全在远程设备上执行。
[0141]
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。