基于图像处理的医学影像数据处理方法及处理平台与流程

本技术涉及图像处理，尤其涉及一种基于图像处理的医学影像数据处理方法及处理平台。

背景技术：

1、近年来，医学影像数据处理在医疗领域的应用与成就备受关注。医学影像数据包含了众多疾病的关键信息，可以为疾病诊断、治疗和治疗干预后的疗效追踪和分析提供重要支持。

2、目前，由于医学影像中的病变的特征多样性，例如病变部位会表现出不同的大小、位置和纹理，并且病变部位没有明显的边界，这增加了医学影像数据处理时对病变部位的识别和分割难度，其次，由于医学影像的复杂性，例如肺部感染时，受感染区域和非感染区域的组织和结构非常相似，这给识别带来了很大困难，需要经验丰富的医生才能进行较为准确的识别。

3、即现有技术中存在对于医学影像中的病变部位的识别和分割，仍需要人工进行医学影像识别的技术问题。

技术实现思路

1、本技术提供一种基于图像处理的医学影像数据处理方法及处理平台，以解决现有技术中存在对于医学影像中的病变部位的识别和分割，仍需要人工进行医学影像识别的技术问题。

2、第一个方面，本技术提供一种基于图像处理的医学影像数据处理方法，包括：

3、获取医学影像数据；

4、利用预设神经网络模型中的编码器，在多个特征提取层对医学影像数据进行特征提取，得到多个初级特征图，并将各个初级特征图按特征提取的顺序排列成初级特征图序列，每个特征提取层与至少一个初级特征图相对应，不同的特征提取层对应的初级特征图的尺寸不相同；

5、将初级特征图序列作为当前特征序列，并对当前特征序列执行第一循环处理直至满足第一结束条件，得到一个或多个高级特征图序列，第一循环处理用于：采用注意机制，在图像像素级别和图像通道级别，对初级特征图进行调整和/或组合；

6、利用预设神经网络模型中的解码器，根据初级特征图序列和所有高级特征图序列，确定并输出目标医学影像数据。

7、在一种可能的设计中，第一循环处理包括：

8、对当前特征序列执行第二循环处理直至满足第二结束条件，得到一个或多个高级特征图；

9、将各个高级特征图，根据处理顺序排列成高级特征图序列；

10、将高级特征序列图作为新的当前特征序列；

11、第一结束条件包括：任意一个高级特征图序列中高级特征图的数量小于或等于预设结束阈值。

12、在一种可能的设计中，第二循环处理，包括：

13、每次从当前特征序列中任意提取出多个相邻的第一特征图；

14、利用预设神经网络模型中的空间像素指引器，根据多个相邻的第一特征图，生成注意力图，注意力图用于突出或放大多个相邻的第一特征图中的一个或多个特征区域的重要性或关注度；

15、利用预设神经网络模型中的特征维度指引器，根据注意力图和第一输入特征图，得到高级特征图，第一输入特征图与注意力图的尺寸相同，第一输入特征图在本次提取的多个相邻的第一特征图中；

16、第二结束条件包括：完成对当前特征序列的遍历。

17、在一种可能的设计中，利用预设神经网络模型中的空间像素指引器，根据多个相邻的第一特征图，生成注意力图，包括：

18、利用空间像素指引器中的上采样模块，将多个相邻的第一特征图的尺寸都调整为目标尺寸，目标尺寸为第一输入特征图的尺寸；

19、利用空间像素指引器中的特征整合模块，将调整尺寸后的多个相邻的第一特征图整合成注意力图。

20、在一种可能的设计中，多个相邻的第一特征图包括两个相邻的第一特征图，其中，第一输入特征图是上一个特征提取层所提取的上层特征图，另一个第一特征图是下一个特征提取层所提取的下层特征图，上层特征图的尺寸大于下层特征图的尺寸；

21、利用空间像素指引器中的上采样模块，将多个相邻的第一特征图的尺寸都调整为目标尺寸，包括：

22、上采样模块通过双线性插值函数将下层特征图的尺寸调整为目标尺寸，包括：

23、fbilinear(featurei+1，j)

24、其中，fbilinear表示双线性插值函数，featurei+1，j表示下层特征图。

25、在一种可能的设计中，特征整合模块包括：线性调整模块和激活模块，利用空间像素指引器中的特征整合模块，将调整尺寸后的多个相邻的第一特征图整合成注意力图，包括：

26、利用线性整合模块分别对上层特征图和调整尺寸后的下层特征图做线性调整，包括：

27、

28、其中，表示由1×1的卷积层、批归一化层和线性整流单元(rectified linearunit，relu)组成的线性整合模块，fbilinear(featurei+1，j)表示调整尺寸后的下层特征图，featurei，j表示上层特征图；

29、利用激活模块将线性调制后的上层特征和下层特征图整合成注意力图，包括：

30、

31、其中，mi，j+1表示注意力图，表示由1×1的卷积层、批归一化层和预设激活函数组成的激活模块。

32、在一种可能的设计中，利用预设神经网络模型中的特征维度指引器，根据注意力图和第一输入特征图，得到高级特征图，包括：

33、将注意力图与第一输入特征图进行特征拼接，得到特征维度指引器的第二输入特征图；

34、利用特征维度指引器中的池化模块，对第二输入特征图进行全局均值池化处理，得到第一处理结果，包括：

35、

36、其中，fp表示第一处理结果，表示第二输入特征图，hu和wu是第二输入特征图对应的特征空间中的两个特征维度值；

37、利用第一全连接层和第二全连接层对第一处理结果进行处理，得到注意力向量；

38、利用卷积层对第二输入特征图进行特征提取，并利用注意力向量调整提取结果的图像通道参数，得到高级特征图。

39、在一种可能的设计中，利用第一全连接层和第二全连接层对第一处理结果进行处理，得到注意力向量，包括：

40、

41、其中，mv表示注意力向量，q1表示第一全连接层，ω1为第一全连接层的参数，q2表示第二全连接层，ω2为第二全连接层的参数。

42、在一种可能的设计中，利用卷积层对第二输入特征图进行特征提取，并利用注意力向量调整提取结果的图像通道参数，得到高级特征图，包括：

43、

44、其中，featurei，j+1表示高级特征图，表示由两个预设卷积层进行特征提取。

45、第二方面，本技术提供一种基于图像处理的医学影像数据处理平台，包括：

46、医学影像系统，用于获取医学影像数据，并将医学影像数据发送给神经网络系统；

47、神经网络系统，用于：

48、利用预设神经网络模型中的编码器，在多个特征提取层对医学影像数据进行特征提取，得到多个初级特征图，并将各个初级特征图按特征提取的顺序排列成初级特征图序列，每个特征提取层与至少一个初级特征图相对应，不同的特征提取层对应的初级特征图的尺寸不相同；

49、将初级特征图序列作为当前特征序列，并对当前特征序列执行第一循环处理直至满足第一结束条件，得到一个或多个高级特征图序列，第一循环处理用于：采用注意机制，在图像像素级别和图像通道级别，对初级特征图进行调整和/或组合；

50、利用预设神经网络模型中的解码器，根据初级特征图序列和所有高级特征图序列，确定目标医学影像数据，并向医学影像系统输出目标医学影像数据。

51、第三方面，本技术提供一种基于图像处理的医学影像数据处理装置，包括：处理器，以及与处理器通信连接的存储器；

52、存储器存储计算机执行指令；

53、处理器执行存储器存储的计算机执行指令，以实现第一方面所提供的任意一种可能的基于图像处理的医学影像数据处理方法。

54、第四方面，本技术提供一种存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现第一方面所提供的任意一种可能的基于图像处理的医学影像数据处理方法。

55、第五方面，本技术还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所提供的任意一种可能的基于图像处理的医学影像数据处理方法。

56、本技术提供了一种基于图像处理的医学影像数据处理方法及处理平台。通过获取医学影像数据；利用预设神经网络模型中的编码器，在多个特征提取层对医学影像数据进行特征提取，得到初级特征图序列；将初级特征图序列作为当前特征序列，并对当前特征序列执行第一循环处理直至满足第一结束条件，得到一个或多个高级特征图序列，第一循环处理用于：采用注意机制，在图像像素级别和图像通道级别，对初级特征图进行调整和/或组合；利用预设神经网络模型中的解码器，根据初级特征图序列和所有高级特征图序列，确定并输出目标医学影像数据。解决了现有技术中存在对于医学影像中的病变部位的识别和分割，仍需要人工进行医学影像识别的技术问题。