CN113488143A - 医学扫描方法、医学扫描设备及计算机可读存储介质 - Google Patents

Abstract

本申请提供了一种医学扫描方法、医学扫描设备及计算机可读存储介质，所述方法包括：利用所述医学扫描设备获取被扫描人的医学扫描数据；当所述医学扫描数据中存在能够识别所述被扫描人的个人生物特征数据时，获取所述个人生物特征数据的部分或全部作为待修改数据；对所述待修改数据进行处理，所述处理包括增加、减少和修改其中的至少一种；使用处理后的医学扫描数据生成医学扫描图像。本申请的医学扫描图像是根据处理后的医学扫描数据而非原始医学扫描数据生成的，可以防止人员利用医学扫描图像识别出被扫描人，造成被扫描人隐私的泄露。

Description

医学扫描方法、医学扫描设备及计算机可读存储介质

技术领域

本申请涉及图像处理技术领域，尤其涉及医学扫描方法、医学扫描设备及计算机可读存储介质。

背景技术

现有的CT扫描仪等扫描设备在完成扫描后，利用包含面部数据的扫描数据可以重建出面部图像，使被扫描人的隐私可能泄露。

被扫描人自然不希望自己的隐私被泄露，而医疗机构和医护人员也需要规避这种泄露他人隐私的嫌疑，如何从技术上防止被扫描人的隐私被泄露，在医学扫描技术领域日益引起人们的关注。

发明内容

本申请的目的在于提供医学扫描方法、医学扫描设备及计算机可读存储介质，防止人员利用医学扫描图像识别出被扫描人，造成被扫描人隐私的泄露。

本申请的目的采用以下技术方案实现：

第一方面，本申请提供了一种医学扫描方法，应用于医学扫描设备，所述方法包括：利用所述医学扫描设备获取被扫描人的医学扫描数据；当所述医学扫描数据中存在能够识别所述被扫描人的个人生物特征数据时，获取所述个人生物特征数据的部分或全部作为待修改数据；对所述待修改数据进行处理，所述处理包括增加、减少和修改其中的至少一种；使用处理后的医学扫描数据生成医学扫描图像。该技术方案的有益效果在于，当医学扫描数据中存在个人生物特征数据时，可以获取其所对应的待修改数据，并对该待修改数据进行处理，基于处理后的医学扫描数据得到相应的医学扫描图像，也就是说，在得到医学扫描数据后并非直接生成医学扫描图像，而是先对医学扫描数据进行处理，再使用处理后的医学扫描数据生成医学扫描图像，由于医学扫描图像是根据处理后的医学扫描数据而非原始医学扫描数据生成的，利用该医学扫描图像重建得到的重建图像中的人像与被扫描人的形象会有一定的差距，可以防止人员利用医学扫描图像识别出被扫描人，造成被扫描人隐私的泄露。

在一些可选的实施例中，所述方法还包括：利用所述医学扫描设备接收对隐私扫描模式的开启操作；响应于所述开启操作，检测所述医学扫描数据中是否存在能够识别所述被扫描人的个人生物特征数据。该技术方案的有益效果在于，可以为医学扫描设备设置多种扫描模式，由用户选择是否开启隐私扫描模式，当用户选择开启隐私扫描模式时，可以检测医学扫描数据中是否存在能够识别被扫描人的个人生物特征数据，若存在，则对医学扫描数据中的待修改数据进行处理，这样可以有针对性地对医学扫描数据进行处理，相比于对所有医学扫描数据都进行处理，能够避免浪费计算资源。

在一些可选的实施例中，所述获取所述个人生物特征数据的部分或者全部作为待修改数据，包括：获取所述被扫描人的待诊断部位；从所述个人生物特征数据中确定所述待诊断部位以外的部分数据作为所述待修改数据。该技术方案的有益效果在于，确定待诊断部位之后，再确定不包含待诊断部位的待修改数据，在处理数据时仅处理待修改数据的部分或者全部，而不处理待诊断部位的数据，由此生成的医学扫描图像中待诊断部位对应的部分不会被改变，不会影响医生根据医学扫描图像对病情做出正确的判断。

在一些可选的实施例中，所述获取所述被扫描人的待诊断部位，包括：获取所述被扫描人的疾病信息；基于所述被扫描人的疾病信息，确定所述被扫描人的待诊断部位。该技术方案的有益效果在于，通过被扫描人的疾病信息获取其待诊断部位，相比于手动录入或者利用数据接口导入等方式，智能化程度较高。

在一些可选的实施例中，所述基于所述被扫描人的疾病信息，确定所述被扫描人的待诊断部位，包括：将所述被扫描人的疾病信息输入训练好的机器学习模型或者深度学习模型，得到所述被扫描人的待诊断部位。该技术方案的有益效果在于，只要将被扫描人的疾病信息输入训练好的机器学习模型或者深度学习模型，即可实时得到被扫描人的待诊断部位，尤其是当训练用的样本数量足够多时，准确度有望达到极高水平，相对于手动录入目标部位或者导入待诊断部位的方式来说，智能化水平高，并且能够避免人为失误，减少与医护人员设备、数据存储设备之间的数据交互，避免被扫描人的隐私泄露。

在一些可选的实施例中，所述待修改数据包括第一部位数据至第N部位数据，N是正整数；所述对所述待修改数据进行处理，包括：将所述待修改数据中与第i部位数据邻近的一部分修改为第i部位数据，实现所述第i部位数据的增加，i是不大于N的任一正整数；或者，将所述第i部位数据中靠近边缘的一部分删除，实现所述第i部位数据的减少；或者，将所述第i部位数据中的部分或者全部进行修改。该技术方案的有益效果在于，待修改数据可以包括多个部位的数据，对待修改数据进行处理时，可以针对其中某个部位的数据进行处理，实现对该部位数据的增加、减少或者修改，由此生成的医学扫描图像的该部位特征与被扫描人的该部位特征有较大的差异，可以避免从医学扫描图像识别出被扫描人，保护被扫描人的隐私。

待修改数据例如包括鼻部数据、口腔数据以及面部数据，可以将与鼻部数据邻近的一部分面部数据修改为鼻部数据，实现鼻部数据的增加，也可以将鼻部数据中靠近边缘的一部分删除，实现鼻部数据的减少，还可以将鼻部数据中的部分或者全部进行修改，由此生成的医学扫描图像中的鼻部特征与被扫描人的鼻部特征有较大的差异，可以避免从医学扫描图像识别出被扫描人，保护被扫描人的隐私。

在一些可选的实施例中，所述对所述待修改数据进行处理，包括：使用所述神经网络对所述待修改数据进行处理；其中，所述神经网络是和鉴别器同时训练得到的，以使所生成的医学扫描图像与使用未处理的医学扫描数据可生成的原始图像不相似；在训练过程中，所述神经网络用于对训练数据进行处理，所述鉴别器用于鉴别训练图像与其原始图像是否相似，所述训练图像是使用处理后的训练数据生成的，所述训练图像的原始图像是使用未处理的训练数据生成的。该技术方案的有益效果在于，在训练过程中，可以利用神经网络对训练数据进行处理，利用鉴别器鉴别训练图像与其原始图像是否相似，不断加强神经网络的数据处理能力，使生成的训练图像和其原始图像满足鉴别器的不相似标准，当训练结束后，利用神经网络对待修改数据进行处理，使得生成的医学扫描图像与其原始图像不相似，生成的医学扫描图像无法被用来反向生成原始图像，由此达到不可逆的目的，进一步通过技术手段保护被扫描人的隐私。

在一些可选的实施例中，所述个人生物特征数据包括面部数据，所述面部数据包括面部轮廓的至少一部分；所述对所述待修改数据进行处理，包括：增加或修改面部轮廓外的数据，以使所生成的医学扫描图像中在面部轮廓外生成面罩；或减少面部轮廓的数据，以使所生成的医学扫描图像中面部轮廓被去除；或修改面部轮廓的数据，以使所生成的医学扫描图像中面部轮廓发生改变。该技术方案的有益效果在于，可以增加或修改面部轮廓外的数据，使得所生成的医学扫描图像中在面部轮廓外生成面罩，避免根据医学扫描图像辨认被扫描人的面部轮廓特征，进一步保护隐私；也可以减少面部轮廓的数据，使得所生成的医学扫描图像中相应的面部轮廓被去除，医学扫描图像中的个性化面部轮廓特征变得抽象，难以识别出被扫描人；还可以修改面部轮廓的数据，使得所生成的医学扫描图像中面部轮廓发生改变，加大识别难度，保护被扫描人的隐私。

第二方面，本申请提供了一种医学扫描装置，应用于医学扫描设备，所述装置包括：医学扫描模块，用于利用所述医学扫描设备获取被扫描人的医学扫描数据；待修改数据模块，用于当所述医学扫描数据中存在能够识别所述被扫描人的个人生物特征数据时，获取所述个人生物特征数据的部分或全部作为待修改数据；数据处理模块，用于对所述待修改数据进行处理，所述处理包括增加、减少和修改其中的至少一种；图像生成模块，用于使用处理后的医学扫描数据生成医学扫描图像。

在一些可选的实施例中，所述装置还包括：隐私开启模块，用于利用所述医学扫描设备接收对隐私扫描模式的开启操作；数据检测模块，用于响应于所述开启操作，检测所述医学扫描数据中是否存在能够识别所述被扫描人的个人生物特征数据。

在一些可选的实施例中，所述待修改数据模块包括：待诊断部位单元，用于获取所述被扫描人的待诊断部位；待修改确定单元，用于从所述个人生物特征数据中确定所述待诊断部位以外的部分数据作为所述待修改数据。

在一些可选的实施例中，所述待诊断部位单元包括：疾病信息子单元，用于获取所述被扫描人的疾病信息；部位确定子单元，用于基于所述被扫描人的疾病信息，确定所述被扫描人的待诊断部位。

在一些可选的实施例中，所述部位确定子单元用于：将所述被扫描人的疾病信息输入训练好的机器学习模型或者深度学习模型，得到所述被扫描人的待诊断部位。

在一些可选的实施例中，所述待修改数据包括第一部位数据至第N部位数据，N是正整数；所述数据处理模块包括：数据增加单元，用于将所述待修改数据中与第i部位数据邻近的一部分修改为第i部位数据，实现所述第i部位数据的增加，i是不大于N的任一正整数；或者，数据减少单元，用于将所述第i部位数据中靠近边缘的一部分删除，实现所述第i部位数据的减少；或者，数据修改单元，用于将所述第i部位数据中的部分或者全部进行修改。

在一些可选的实施例中，所述数据处理模块用于：使用所述神经网络对所述待修改数据进行处理；其中，所述神经网络是和鉴别器同时训练得到的，以使所生成的医学扫描图像与使用未处理的医学扫描数据可生成的原始图像不相似；在训练过程中，所述神经网络用于对训练数据进行处理，所述鉴别器用于鉴别训练图像与其原始图像是否相似，所述训练图像是使用处理后的训练数据生成的，所述训练图像的原始图像是使用未处理的训练数据生成的。

在一些可选的实施方式中，所述个人生物特征数据包括面部数据，所述面部数据包括面部轮廓的至少一部分；所述数据处理模块包括：轮廓增加单元，用于增加或修改面部轮廓外的数据，以使所生成的医学扫描图像中在面部轮廓外生成面罩；或轮廓减少单元，用于减少面部轮廓的数据，以使所生成的医学扫描图像中面部轮廓被去除；或轮廓修改单元，用于修改面部轮廓的数据，以使所生成的医学扫描图像中面部轮廓发生改变。

第三方面，本申请提供了一种医学扫描设备，所述医学扫描设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项方法的步骤。

第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项方法的步骤。

附图说明

下面结合附图和实施例对本申请进一步说明。

图1是本申请实施例提供的一种医学扫描方法的流程示意图；

图2是本申请实施例提供的一种获取待修改数据的流程示意图；

图3是本申请实施例提供的一种获取待诊断部位的流程示意图；

图4是本申请实施例提供的一种处理待修改数据的流程示意图；

图5是本申请实施例提供的另一种处理待修改数据的流程示意图；

图6是本申请实施例提供的一种医学扫描方法的部分流程示意图；

图7是本申请实施例提供的一种医学扫描装置的结构示意图；

图8是本申请实施例提供的一种待修改数据模块的结构示意图；

图9是本申请实施例提供的一种待诊断部位模块的结构示意图；

图10是本申请实施例提供的一种数据处理模块的结构示意图；

图11是本申请实施例提供的另一种数据处理模块的结构示意图；

图12是本申请实施例提供的一种医学扫描装置的部分结构示意图；

图13是本申请实施例提供的一种医学扫描设备的结构示意图；

图14是本申请实施例提供的一种用于实现医学扫描方法的程序产品的结构示意图。

具体实施方式

下面，结合附图以及具体实施方式，对本申请做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

参见图1，本申请实施例提供了一种医学扫描方法，应用于医学扫描设备，所述方法包括步骤S101～S104。其中，医学扫描设备例如是CT扫描仪、核磁共振仪、医用X射线设备或者医用超声设备。

步骤S101：利用所述医学扫描设备获取被扫描人的医学扫描数据。医学扫描数据例如是CT扫描数据、核磁共振扫描数据、X射线扫描数据、超声成像数据等。

步骤S102：当所述医学扫描数据中存在能够识别所述被扫描人的个人生物特征数据时，获取所述个人生物特征数据的部分或全部作为待修改数据。

个人生物特征数据例如可以包括面部数据、四肢轮廓数据、躯干轮廓数据中的至少一种。其中，面部数据可以包括眉部数据、眼部数据、耳部数据、鼻部数据、口腔数据、面部轮廓中的至少一种，四肢轮廓数据可以包括左手臂轮廓、右手臂轮廓、左腿轮廓、右腿轮廓中的至少一种，躯干轮廓数据可以包括颈部轮廓、肩部轮廓、胸部轮廓、腰部轮廓、臀部轮廓中的至少一种。

面部皮肤外面还会有些空气数据，这些空气数据的CT值接近0，由此，利用皮肤组织外的空气数据可以检测出医学扫描图像中是否存在面部数据。

在一些实施方式中，可以生成扫描特定部位的控制指令并发送至医学扫描设备，使医学扫描设备扫描得到特定部位的医学扫描数据，特定部位例如是头部、腹部或者腿部，可以为扫描得到的医学扫描数据设置特定部位的标签。由此，通过医学扫描数据对应的标签可以获取医学扫描数据对应的扫描部位，当医学扫描数据对应的标签是面部或者头部时，该医学扫描数据可能泄露用户隐私，需要对该医学扫描数据进行处理。

可以将个人生物特征数据的部分作为待修改数据，也可以将个人生物特征数据的全部作为待修改数据，例如，当个人生物特征数据包括眉部数据、耳部数据、鼻部数据、口腔数据和面部轮廓时，可以将鼻部数据和口腔数据作为待修改数据，仅对鼻部数据和口腔数据进行处理，而不处理眉部数据、耳部数据和面部轮廓。

步骤S103：对所述待修改数据进行处理，所述处理包括增加、减少和修改其中的至少一种。

其中，对待修改数据的处理不遵循固定的处理规则，因此该数据处理过程是不可逆的。在对待修改数据进行处理时，可以使用随机参数，例如当待修改数据包括鼻部数据和口腔数据时，可以将鼻部宽度扩大到原来的a倍(a例如是1.1～2之间的任意数值)，将口腔宽度缩小为原来的b％(b例如是50～90之间的任意数值)，也可根据一定比例的随机修改待修改数据，这种随机改动使得原有的个人特征不可见，且由于参数随机生成，因此无法通过算法进行逆向还原，从而永久不可逆地改变面部数据，使得隐私得到保护。

步骤S104：使用处理后的医学扫描数据生成医学扫描图像。

由此，当医学扫描数据中存在个人生物特征数据时，可以获取其所对应的待修改数据，并对该待修改数据进行处理，基于处理后的医学扫描数据得到相应的医学扫描图像，也就是说，在得到医学扫描数据后并非直接生成医学扫描图像，而是先对医学扫描数据进行处理，再使用处理后的医学扫描数据生成医学扫描图像，由于医学扫描图像是根据处理后的医学扫描数据而非原始医学扫描数据生成的，利用该医学扫描图像重建得到的重建图像中的人像与被扫描人的形象会有一定的差距，可以防止人员利用医学扫描图像识别出被扫描人，造成被扫描人隐私的泄露。

在一些实施方式中，可以基于原始图像重建得到面部图像，其中，原始图像是基于未处理的医学扫描数据生成的。基于原始图像，可以重建出富有个人特征的面部图像，从而识别被扫描人的身份，被扫描人的隐私无法得到保障。

即使不进行面部重建，原始图像仍然包含很多个人特征，存在泄露被扫描人隐私的可能。一般而言，原始图像(例如是骨骼图像或内部脑组织切片图像)和正常图像有较大不同，但是，原始图像虽然不像正常图像那样便于识别被扫描人的身份，但仍然可以反映出被扫描人的很多个人特征，例如眉骨高低、眼睛大小、鼻骨高低、鼻骨宽度、牙齿是否整齐、口部宽度、面部轮廓、四肢形状等。凭借这些个人特征，有些情况下仍然能够识别被扫描人的身份。

如果不对医学扫描数据加以处理，一旦未被处理的医学扫描数据对应的原始图像流入市场或者被恶意人士窃取，会造成被扫描人的隐私泄露。

需要注意的是，本申请实施例中使用处理后的医学扫描数据生成的医学扫描图像，只要能保证和原始图像中的个人特征不同即可，并不一定要求重建出完整的面部图像或者全身图像，只需要得到骨骼图像或内部脑组织切片图像即可。另外，本申请实施例中的方法，不仅在面部可用，在全身其他部位也同样适用。

参见图2，在一些实施方式中，所述步骤S102中获取所述个人生物特征数据的部分或者全部作为待修改数据的方法可以包括步骤S201～S202。

步骤S201：获取所述被扫描人的待诊断部位。

步骤S202：从所述个人生物特征数据中确定所述待诊断部位以外的部分数据作为所述待修改数据。

例如，当个人生物特征数据是面部数据，待诊断部位是眼睛时，待修改数据可以包括眉部数据、耳部数据、鼻部数据、口腔数据和面部轮廓。

由此，确定待诊断部位之后，再确定不包含待诊断部位的待修改数据，在处理数据时仅处理待修改数据的部分或者全部，而不处理待诊断部位的数据，由此生成的医学扫描图像中待诊断部位对应的部分不会被改变，不会影响医生根据医学扫描图像对病情做出正确的判断。

参见图3，在一些实施方式中，所述步骤S201可以包括步骤S301～S302。

步骤S301：获取所述被扫描人的疾病信息。疾病信息即临床信息，一般是文本格式，疾病信息的获取方式例如是导入被扫描人的电子病历，或者使用文字识别技术对被扫描人的纸质病历进行文字识别，得到被扫描人的电子病历。

步骤S302：基于所述被扫描人的疾病信息，确定所述被扫描人的待诊断部位。一般而言，病历上会写明患者存在病症的部位，或者对患者病情的描述，由此可以确定被扫描人的待诊断部位。在一实际应用中，可以使用机器学习方法对临床信息进行分类，得到待诊断部位。

由此，通过被扫描人的疾病信息获取其待诊断部位，相比于手动录入或者利用数据接口导入等方式，智能化程度较高。

在一些实施方式中，所述步骤S302可以包括：将所述被扫描人的疾病信息输入训练好的机器学习模型或者深度学习模型，得到所述被扫描人的待诊断部位。

由此，只要将被扫描人的疾病信息输入训练好的机器学习模型或者深度学习模型，即可实时得到被扫描人的待诊断部位，尤其是当训练用的样本数量足够多时，准确度有望达到极高水平，相对于手动录入目标部位或者导入待诊断部位的方式来说，智能化水平高，并且能够避免人为失误，减少与医护人员设备、数据存储设备之间的数据交互，避免被扫描人的隐私泄露。

其中，训练机器学习模型或者深度学习模型的方法例如可以包括如下步骤：获取多个样本对象的训练数据，每个样本对象的训练数据包括所述样本对象的疾病信息和待诊断部位；利用所述多个样本对象的训练数据训练深度学习模型，得到训练好的机器学习模型或者深度学习模型。

在一个实施例里面，可以根据待诊断部位得到待诊断部位对应的部分医学扫描数据，(待诊断部位对应的部分医学扫描数据外的)医学扫描数据的其他部分均可以被修改。

参见图4，在一些实施方式中，所述待修改数据可以包括第一部位数据至第N部位数据，N是正整数；所述步骤S103可以包括步骤S401、步骤S402或者步骤S403。

步骤S401：将所述待修改数据中与第i部位数据邻近的一部分修改为第i部位数据，实现所述第i部位数据的增加，i是不大于N的任一正整数。N例如是3，i可以是1、2或者3。

步骤S402：将所述第i部位数据中靠近边缘的一部分删除，实现所述第i部位数据的减少。

步骤S403：将所述第i部位数据中的部分或者全部进行修改。

由此，待修改数据可以包括多个部位的数据，对待修改数据进行处理时，可以针对其中某个部位的数据进行处理，实现对该部位数据的增加、减少或者修改，由此生成的医学扫描图像的该部位特征与被扫描人的该部位特征有较大的差异，可以避免从医学扫描图像识别出被扫描人，保护被扫描人的隐私。

待修改数据例如包括鼻部数据、口腔数据以及面部数据，可以将与鼻部数据邻近的一部分面部数据修改为鼻部数据，实现鼻部数据的增加，也可以将鼻部数据中靠近边缘的一部分删除，实现鼻部数据的减少，还可以将鼻部数据中的部分或者全部进行修改，由此生成的医学扫描图像中的鼻部特征与被扫描人的鼻部特征有较大的差异，可以避免从医学扫描图像识别出被扫描人，保护被扫描人的隐私。

在一些实施方式中，所述步骤S103可以包括：使用所述神经网络对所述待修改数据进行处理，生成新的数据。其中，所述神经网络是和鉴别器同时训练得到的，以使所生成的医学扫描图像与使用未处理的医学扫描数据可生成的原始图像不相似。

在训练过程中，所述神经网络用于对训练数据进行处理，所述鉴别器用于鉴别训练图像与其原始图像是否相似，所述训练图像是使用处理后的训练数据生成的，所述训练图像的原始图像是使用未处理的训练数据生成的。在一个实施例中国，这里的不相似程度指无法根据图像判断其身份，即训练图像与其原始图像不相似时，无法根据训练图像识别出训练图像的原始图像对应的人员。

在一具体应用中，鉴别所述训练图像与其原始图像是否相似的方法例如可以包括：获取所述训练图像与其原始图像的相似度；当所述相似度不小于预设阈值时，判断二者相似；当所述相似度小于所述预设阈值时，判断二者不相似。此处，二者是指训练图像以及训练图像的原始图像。预设阈值例如是90％、92％或者95％及任意值。其中，获取所述训练图像与其原始图像的相似度的方法例如可以采用专利CN100583148C公开的图像相似度计算方法，或者可以采用专利CN107622270B公开的图像相似度计算方法。

由此，在训练过程中，可以利用神经网络对训练数据进行处理，利用鉴别器鉴别训练图像与其原始图像是否相似，不断加强神经网络的数据处理能力，使生成的训练图像和其原始图像满足鉴别器的不相似标准，当训练结束后，利用神经网络对待修改数据进行处理，使得生成的医学扫描图像与其原始图像不相似，生成的医学扫描图像无法被用来反向生成原始图像，由此达到不可逆的目的，进一步通过技术手段保护被扫描人的隐私。训练图像与其原始图像是否相似可以人为标注。

参见图5，在一些实施方式中，所述个人生物特征数据可以包括面部数据，所述面部数据包括面部轮廓的至少一部分；所述步骤S103可以包括步骤S501、步骤S502或者步骤S503。

步骤S501：增加或修改面部轮廓外的数据，以使所生成的医学扫描图像中在面部轮廓外生成面罩。

一般而言，面罩的纹理可以是均匀的且颜色比皮肤组织和脂肪组织更深，面罩的内侧轮廓、外侧轮廓均可以形成有规则或者无规则的形状，其中，规则形状例如心形、星形、矩形、圆形、梯形等。面罩的内侧轮廓可以形成闭合曲线，也可以形成半开口的曲线，外侧轮廓与之类似，此处不做赘述。

步骤S502：减少面部轮廓的数据，以使所生成的医学扫描图像中面部轮廓被去除。

步骤S503：修改面部轮廓的数据，以使所生成的医学扫描图像中面部轮廓发生改变。

其中，所生成的医学扫描图像中面部轮廓发生改变例如是指所生成的医学扫描图像中面部轮廓与原始轮廓的相似度小于预设相似度。可以理解，此处面部轮廓与原始轮廓的相似度的计算方法可以参考上文提到的图像相似度计算方法。

由此，可以增加或修改面部轮廓外的数据，使得所生成的医学扫描图像中在面部轮廓外生成面罩，避免根据医学扫描图像辨认被扫描人的面部轮廓特征，进一步保护隐私；也可以减少面部轮廓的数据，使得所生成的医学扫描图像中相应的面部轮廓被去除，医学扫描图像中的个性化面部轮廓特征变得抽象，难以识别出被扫描人；还可以修改面部轮廓的数据，使得所生成的医学扫描图像中面部轮廓发生改变，加大识别难度，保护被扫描人的隐私。

在一些实施方式中，所述方法还可以包括：对与所述待修改数据邻近的空气数据的部分或者全部进行处理。

由此，待修改数据例如是面部数据或者四肢数据，将待修改数据邻近的空气数据的部分或者全部进行处理，例如修改为皮肤数据或者脂肪数据，由此生成的医学扫描图像相比原始图像改变了原有面部轮廓或者四肢形状等个人特征，避免根据医学扫描图像辨认出被扫描人的原有个人特征，进一步保护被扫描人的隐私。

参见图6，在一些实施方式中，所述方法还可以包括步骤S105～S106。

步骤S105：利用所述医学扫描设备接收对隐私扫描模式的开启操作。医学扫描设备可以设置多种扫描模式，例如隐私扫描模式、普通扫描模式等。

步骤S106：响应于所述开启操作，检测所述医学扫描数据中是否存在能够识别所述被扫描人的个人生物特征数据。

由此，可以为医学扫描设备设置多种扫描模式，由用户选择是否开启隐私扫描模式，当用户选择开启隐私扫描模式时，可以检测医学扫描数据中是否存在能够识别被扫描人的个人生物特征数据，若存在，则对医学扫描数据中的待修改数据进行处理，这样可以有针对性地对医学扫描数据进行处理，相比于对所有医学扫描数据都进行处理，能够避免浪费计算资源。

在一次CT扫描中得到的多张图像中，往往部分图像包含个人生物特征数据，部分图像不包含个人生物特征数据，使用本申请实施例提供的方法，一方面，可以有针对性地对医学扫描数据中的待修改数据进行处理，相比于对所有医学扫描数据都进行处理，能够避免浪费计算资源；另一方面，确定待诊断部位之后，再确定不包含待诊断部位的待修改数据，在处理数据时仅处理待修改数据的部分或者全部，而不处理待诊断部位的数据，由此生成的医学扫描图像中待诊断部位对应的部分不会被改变，不会影响医生根据医学扫描图像对病情做出正确的判断。

参见图7，本申请实施例还提供了一种医学扫描装置，其具体实现方式与上述医学扫描方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。

所述装置应用于医学扫描设备，所述装置包括：医学扫描模块101，用于利用所述医学扫描设备获取被扫描人的医学扫描数据；待修改数据模块102，用于当所述医学扫描数据中存在能够识别所述被扫描人的个人生物特征数据时，获取所述个人生物特征数据的部分或全部作为待修改数据；数据处理模块103，用于对所述待修改数据进行处理，所述处理包括增加、减少和修改其中的至少一种；图像生成模块104，用于使用处理后的医学扫描数据生成医学扫描图像。

参见图8，在一些实施方式中，所述待修改数据模块102可以包括：待诊断部位单元201，用于获取所述被扫描人的待诊断部位；待修改确定单元202，用于从所述个人生物特征数据中确定所述待诊断部位以外的部分数据作为所述待修改数据。

参见图9，在一些实施方式中，所述待诊断部位单元201包括：疾病信息子单元301，用于获取所述被扫描人的疾病信息；部位确定子单元302，用于基于所述被扫描人的疾病信息，确定所述被扫描人的待诊断部位。

在一些实施方式中，所述部位确定子单元302可以用于：将所述被扫描人的疾病信息输入训练好的机器学习模型或者深度学习模型，得到所述被扫描人的待诊断部位。

参见图10，在一些实施方式中，所述待修改数据可以包括第一部位数据至第N部位数据，N是正整数；所述数据处理模块103可以包括：数据增加单元401，用于将所述待修改数据中与第i部位数据邻近的一部分修改为第i部位数据，实现所述第i部位数据的增加，i是不大于N的任一正整数；或者，数据减少单元402，用于将所述第i部位数据中靠近边缘的一部分删除，实现所述第i部位数据的减少；或者，数据修改单元403，用于将所述第i部位数据中的部分或者全部进行修改。

在一些实施方式中，所述数据处理模块103可以用于：使用所述神经网络对所述待修改数据进行处理；其中，所述神经网络是和鉴别器同时训练得到的，以使所生成的医学扫描图像与使用未处理的医学扫描数据可生成的原始图像不相似；在训练过程中，所述神经网络用于对训练数据进行处理，所述鉴别器用于鉴别训练图像与其原始图像是否相似，所述训练图像是使用处理后的训练数据生成的，所述训练图像的原始图像是使用未处理的训练数据生成的。

参见图11，在一些实施方式中，所述个人生物特征数据可以包括面部数据，所述面部数据包括面部轮廓的至少一部分；所述数据处理模块103可以包括：轮廓增加单元501，用于增加或修改面部轮廓外的数据，以使所生成的医学扫描图像中在面部轮廓外生成面罩；或轮廓减少单元502，用于减少面部轮廓的数据，以使所生成的医学扫描图像中面部轮廓被去除；或轮廓修改单元503，用于修改面部轮廓的数据，以使所生成的医学扫描图像中面部轮廓发生改变。

参见图12，在一些实施方式中，所述装置还可以包括：隐私开启模块105，用于利用所述医学扫描设备接收对隐私扫描模式的开启操作；数据检测模块106，用于响应于所述开启操作，检测所述医学扫描数据中是否存在能够识别所述被扫描人的个人生物特征数据。

参见图13，本申请实施例还提供了一种医学扫描设备200，医学扫描设备200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。

存储器210可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)211和/或高速缓存存储器212，还可以进一步包括只读存储器(ROM)213。

其中，存储器210还存储有计算机程序，计算机程序可以被处理器220执行，使得处理器220执行本申请实施例中医学扫描方法的步骤，其具体实现方式与上述医学扫描方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。

存储器210还可以包括具有至少一个程序模块215的实用工具214，这样的程序模块215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。

相应的，处理器220可以执行上述计算机程序，以及可以执行实用工具214。

总线230可以为表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。

医学扫描设备200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信，还可与一个或者多个能够与该医学扫描设备200交互的设备通信，和/或与使得该医学扫描设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入输出接口250进行。并且，医学扫描设备200还可以通过网络适配器260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。网络适配器260可以通过总线230与医学扫描设备200的其它模块通信。应当明白，尽管图中未示出，可以结合医学扫描设备200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系统、磁带驱动器以及数据备份存储平台等。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质用于存储计算机程序，所述计算机程序被执行时实现本申请实施例中医学扫描方法的步骤，其具体实现方式与上述医学扫描方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。

图14示出了本实施例提供的用于实现上述医学扫描方法的程序产品300，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品300不限于此，在本申请中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等，或者上述的任意合适的组合。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操作的程序代码，程序设计语言包括面向对象的程序设计语言诸如Java、C++等，还包括常规的过程式程序设计语言诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

本申请从使用目的上，效能上，进步及新颖性等观点进行阐述，已符合专利法所强调的功能增进及使用要件，本申请以上的说明书及说明书附图，仅为本申请的较佳实施例而已，并非以此局限本申请，因此，凡一切与本申请构造，装置，特征等近似、雷同的，即凡依本申请专利申请范围所作的等同替换或修饰等，皆应属本申请的专利申请保护的范围之内。

Claims (10)

1.一种医学扫描方法，其特征在于，应用于医学扫描设备，所述方法包括：

利用所述医学扫描设备获取被扫描人的医学扫描数据；

当所述医学扫描数据中存在能够识别所述被扫描人的个人生物特征数据时，获取所述个人生物特征数据的部分或全部作为待修改数据；

对所述待修改数据进行处理，所述处理包括增加、减少和修改其中的至少一种；

使用处理后的医学扫描数据生成医学扫描图像。

2.根据权利要求1所述的医学扫描方法，其特征在于，所述方法还包括：

利用所述医学扫描设备接收对隐私扫描模式的开启操作；

响应于所述开启操作，检测所述医学扫描数据中是否存在能够识别所述被扫描人的个人生物特征数据。

3.根据权利要求1所述的医学扫描方法，其特征在于，所述获取所述个人生物特征数据的部分或者全部作为待修改数据，包括：

获取所述被扫描人的待诊断部位；

从所述个人生物特征数据中确定所述待诊断部位以外的部分数据作为所述待修改数据。

4.根据权利要求3所述的医学扫描方法，其特征在于，所述获取所述被扫描人的待诊断部位，包括：

获取所述被扫描人的疾病信息；

基于所述被扫描人的疾病信息，确定所述被扫描人的待诊断部位。

5.根据权利要求4所述的医学扫描方法，其特征在于，所述基于所述被扫描人的疾病信息，确定所述被扫描人的待诊断部位，包括：

将所述被扫描人的疾病信息输入训练好的机器学习模型或者深度学习模型，得到所述被扫描人的待诊断部位。

6.根据权利要求1所述的医学扫描方法，其特征在于，所述待修改数据包括第一部位数据至第N部位数据，N是正整数；

所述对所述待修改数据进行处理，包括：

将所述待修改数据中与第i部位数据邻近的一部分修改为第i部位数据，实现所述第i部位数据的增加，i是不大于N的任一正整数；或者，

将所述第i部位数据中靠近边缘的一部分删除，实现所述第i部位数据的减少；或者，

将所述第i部位数据中的部分或者全部进行修改。

7.根据权利要求1所述的医学扫描方法，其特征在于，所述对所述待修改数据进行处理，包括：

使用所述神经网络对所述待修改数据进行处理；其中，所述神经网络是和鉴别器同时训练得到的，以使所生成的医学扫描图像与使用未处理的医学扫描数据可生成的原始图像不相似；

在训练过程中，所述神经网络用于对训练数据进行处理，所述鉴别器用于鉴别训练图像与其原始图像是否相似，所述训练图像是使用处理后的训练数据生成的，所述训练图像的原始图像是使用未处理的训练数据生成的。

8.根据权利要求1所述的医学扫描方法，其特征在于，所述个人生物特征数据包括面部数据，所述面部数据包括面部轮廓的至少一部分；

所述对所述待修改数据进行处理，包括：

增加或修改面部轮廓外的数据，以使所生成的医学扫描图像中在面部轮廓外生成面罩；或

减少面部轮廓的数据，以使所生成的医学扫描图像中面部轮廓被去除；或

修改面部轮廓的数据，以使所生成的医学扫描图像中面部轮廓发生改变。

9.一种医学扫描设备，其特征在于，所述医学扫描设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1-8任一项所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-8任一项所述方法的步骤。

Images