CN114332128B - 医学图像处理方法及其装置、电子设备和计算机存储介质 - Google Patents

Abstract

本申请提供了一种医学图像处理方法，包括：确定待处理图像序列对应的二值化病灶分割数据和病灶概率分割数据；确定待处理图像序列对应的病灶检测数据，基于二值化病灶分割数据、病灶概率分割数据、和病灶检测数据，确定待处理图像序列中包含的N个病灶区域各自对应的处理结果。本申请提供的医学图像处理方法，利用更精准的病灶分割数据对病灶检测数据进行修正和补足，并通过匹配更全面的病灶检测数据，获得更精准的病灶轮廓和全面的病灶信息，以更好地辅助医生诊断和治疗。

Description

医学图像处理方法及其装置、电子设备和计算机存储介质

技术领域

本申请涉及医学图像处理技术领域，具体涉及一种医学图像处理方法及其装置、电子设备和计算机可读存储介质。

背景技术

癌症是死亡率最高的疾病之一，尽早发现且针对治疗对提高患者生存率至关重要。对医学图像进行处理，获得病灶的处理信息(例如：病灶的轮廓、类别、类别概率、置信度等)，对癌症的早期诊断以及提供针对性的治疗意见具有重要意义。

现有技术中，医学病灶分割与医学病灶检测分别进行，病灶分割数据虽然准确但不能具有其他检测信息，病灶检测数据虽然全面但不够准确，无法同时为医生提供精准的病灶轮廓和全面的病灶信息，以更好地辅助医生诊断和治疗。

发明内容

有鉴于此，本申请实施例提供了一种医学图像处理方法、医学图像处理装置、电子设备和计算机可读存储介质，以解决现有技术中无法同时提供精准的病灶轮廓和全面的病灶信息的技术问题。

根据本申请实施例的第一方面，提供一种医学图像处理方法，包括：确定待处理图像序列对应的二值化病灶分割数据和病灶概率分割数据，二值化病灶分割数据利用两个数值区分待处理图像序列中的病灶区域和非病灶区域，病灶概率分割数据用于表示待处理图像序列上每个像素点属于病灶区域的概率；确定待处理图像序列对应的病灶检测数据，病灶检测数据包括：初始病灶检测获得的M个病灶区域、M个病灶区域各自对应的M个初始检测框、和M个初始检测框中每个初始检测框包括的多个二维初始检测框图层各自对应的病灶信息，M为大于0的整数；基于二值化病灶分割数据、病灶概率分割数据、和病灶检测数据，确定待处理图像序列中包含的N个病灶区域各自对应的处理结果，N为大于0的整数。

在一个实施例中，基于二值化病灶分割数据、病灶概率分割数据、和病灶检测数据，确定待处理图像序列中包含的N个病灶区域各自对应的处理结果，包括：基于二值化病灶分割数据和病灶概率分割数据，确定N个病灶区域各自对应的病灶精细分割轮廓数据；基于N个病灶区域各自对应的病灶精细分割轮廓数据，确定N个病灶区域各自对应的适配检测框；针对于N个适配检测框中的每个适配检测框，对适配检测框和M个初始检测框做匹配，确定适配检测框对应的匹配关系；基于N个适配检测框各自对应的匹配关系和M个初始检测框中每个初始检测框包括的多个二维初始检测框图层各自对应的病灶信息，确定N个病灶区域各自对应的处理结果。

在一个实施例中，基于二值化病灶分割数据和病灶概率分割数据，确定 N个病灶区域各自对应的病灶精细分割轮廓数据，包括：基于对二值化病灶分割数据进行连通域操作，获得N个密切框；针对于N个密切框中的每个密切框，对密切框进行膨胀操作，获得膨胀操作后密切框；针对于N个密切框对应的N个膨胀操作后密切框中的每个膨胀操作后密切框，基于膨胀操作后密切框的坐标，在病灶概率分割数据包括的多个局部病灶概率分割块数据中，匹配出膨胀操作后密切框对应的至少一个局部病灶概率分割块数据；基于膨胀操作后密切框对应的至少一个局部病灶概率分割块数据，确定病灶精细分割轮廓数据。

在一个实施例中，基于膨胀操作后密切框对应的至少一个局部病灶概率分割块数据，确定病灶精细分割轮廓数据，包括：基于第一预设采样比率，对至少一个局部病灶概率分割块数据进行上采样操作，获得上采样空间下的至少一个局部病灶概率分割块数据；对上采样空间下的至少一个局部病灶概率分割块数据进行轮廓提取，确定上采样空间下的初始精细分割轮廓数据；对上采样空间下的初始精细分割轮廓数据进行形态处理操作，获得上采样空间下的中间精细分割轮廓数据；基于第二预设采样比率，对上采样空间下的中间精细分割轮廓数据进行下采样操作，获得原图空间下的中间精细分割轮廓数据；对原图空间下的中间精细分割轮廓数据进行轮廓面积突变处理，获得病灶精细分割轮廓数据。

在一个实施例中，对上采样空间下的初始精细分割轮廓数据进行形态处理操作，获得上采样空间下的中间精细分割轮廓数据，包括：针对于上采样空间下的初始精细分割轮廓数据包括的多个二维初始精细分割轮廓数据图层中的每个二维初始精细分割轮廓数据图层；若某个二维初始精细分割轮廓数据图层上的轮廓面积小于第一阈值，且轮廓面积与某个二维初始精细分割轮廓数据图层对应的凸包面积的比值小于第二阈值，对某个二维初始精细分割轮廓数据图层进行开运算处理；若某个二维初始精细分割轮廓数据图层上的轮廓面积与某个二维初始精细分割轮廓数据图层的总面积的比值小于第三阈值，删除某个二维初始精细分割轮廓数据图层上的轮廓数据。

在一个实施例中，对原图空间下的中间精细分割轮廓数据进行轮廓面积突变处理，获得病灶精细分割轮廓数据，包括：若原图空间下的中间精细分割轮廓数据在沿着图层厚度方向上的最上层二维中间精细分割轮廓数据图层上的轮廓面积、与最上层二维中间精细分割轮廓数据图层的相邻二维中间精细分割轮廓数据图层上的轮廓面积的比例小于第四阈值，则删除最上层二维中间精细分割轮廓数据图层上的轮廓数据；若原图空间下的中间精细分割轮廓数据在沿着图层厚度方向上的最下层二维中间精细分割轮廓数据图层上的轮廓面积、与最下层二维中间精细分割轮廓数据图层的相邻二维中间精细分割轮廓数据图层上的轮廓面积的比例小于第四阈值，则删除最下层二维中间精细分割轮廓数据图层上的轮廓数据。

在一个实施例中，基于N个病灶区域各自对应的病灶精细分割轮廓数据，确定N个病灶区域各自对应的适配检测框，包括：针对于N个病灶区域中的每个病灶区域，在病灶区域对应的病灶精细分割轮廓数据外侧形成外接框，获得病灶区域对应的适配检测框，以确定N个病灶区域各自对应的适配检测框。

在一个实施例中，对适配检测框和病灶检测数据中的M个初始检测框做匹配，确定适配检测框对应的匹配关系，包括：对适配检测框在图层厚度方向上进行膨胀操作，获得膨胀操作后适配检测框；对膨胀操作后适配检测框和M个初始检测框做交并比操作，确定与膨胀操作后适配检测框在整体上匹配的P个初始检测框，P为大于0且小于或者等于M的整数；对P个初始检测框各自包括的多个二维初始检测框图层、和膨胀操作后适配检测框包括的多个二维适配检测框图层进行逐层匹配，将P个初始检测框各自包括的多个二维初始检测框图层中与膨胀操作后适配检测框在层面上不匹配的二维初始检测框图层删除，以确定膨胀操作后适配检测框包括的多个二维适配检测框图层中的每个二维适配检测框图层对应的L个二维初始检测框图层，L为大于或者等于0且小于或者等于P的整数；基于每个二维适配检测框图层对应的L个二维初始检测框图层中二维初始检测框图层的数量信息，确定适配检测框对应的匹配关系。

在一个实施例中，对P个初始检测框各自包括的多个二维初始检测框图层、和膨胀操作后适配检测框包括的多个二维适配检测框图层进行逐层匹配，包括：针对于P个初始检测框中的每个初始检测框，若初始检测框包括的多个二维初始检测框图层中的某个二维初始检测框图层上的轮廓面积小于第五阈值，则将某个二维初始检测框图层确定为膨胀操作后适配检测框在层面上不匹配的二维初始检测框图层。

在一个实施例中，基于每个二维适配检测框图层对应的L个二维初始检测框图层中二维初始检测框图层的数量信息，确定适配检测框对应的匹配关系，包括：若L等于1，则建立1个二维初始检测框图层，和二维适配检测框图层的匹配关系；若L大于1，则建立L个二维初始检测框图层中与二维适配检测框图层的中心距离最近的一个二维初始检测框图层，和二维适配检测框图层的匹配关系；若L等于0，则建立二维适配检测框图层的相邻的二维适配检测框图层匹配的二维初始检测框图层，和二维适配检测框图层的匹配关系。

在一个实施例中，基于N个适配检测框各自对应的匹配关系和M个初始检测框中每个初始检测框包括的多个二维初始检测框图层各自对应的病灶信息，确定N个适配检测框各自对应的处理结果，包括：针对于N个适配检测框中的每个适配检测框，基于适配检测框中包括的多个二维适配检测框图层各自对应的匹配关系、和多个二维初始检测框图层各自对应的病灶信息，确定多个二维适配检测框图层各自对应的病灶信息；基于多个二维适配检测框图层各自对应的病灶信息，和适配检测框对应的病灶精细分割轮廓数据，确定适配检测框对应的病灶区域对应的处理结果，从而确定N个适配检测框各自对应的处理结果。

根据本申请实施例的第二方面，提供一种医学图像处理装置，包括：第一确定模块，配置为确定待处理图像序列对应的二值化病灶分割数据和病灶概率分割数据，二值化病灶分割数据利用两个数值区分待处理图像序列中的病灶区域和非病灶区域，病灶概率分割数据用于表示待处理图像序列上每个像素点属于病灶区域的概率；第二确定模块，配置为确定待处理图像序列对应的病灶检测数据，病灶检测数据包括：初始检测获得的M个病灶区域、 M个病灶区域各自对应的M个初始检测框、和M个初始检测框中每个初始检测框包括的多个二维初始检测框图层各自对应的病灶信息，M为大于0 的整数；第三确定模块，基于二值化病灶分割数据、病灶概率分割数据、和病灶检测数据，确定待处理图像序列中包含的N个病灶区域各自对应的处理结果，N为大于0的整数。

根据本申请实施例的第三方面，提供一种电子设备，包括：处理器；以及存储器，在存储器中存储有计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上述第一方面医学图像处理方法。

根据本申请实施例的第四方面，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上述第一方面的医学图像处理方法。

本申请实施例提供的医学图像处理方法，通过确定待处理图像序列对应的二值化病灶分割数据和病灶概率分割数据，确定待处理图像序列对应的病灶检测数据，并基于二值化病灶分割数据、病灶概率分割数据、和病灶检测数据，确定待处理图像序列中包含的N个病灶区域各自对应的处理结果，实现利用更精准的病灶分割数据对病灶检测数据进行修正和补足，并通过匹配更全面的病灶检测数据，获得更精准的病灶轮廓和全面的病灶信息，以更好地辅助医生诊断和治疗的目的。

附图说明

图1所示为本申请一实施例提供的医学图像处理方法的流程示意图。

图2所示为本申请一实施例提供的医学图像处理方法的流程示意图。

图3所示为本申请一实施例提供的医学图像处理方法的流程示意图。

图4所示为本申请一实施例提供的医学图像处理方法的流程示意图。

图5所示为本申请一实施例提供的医学图像处理方法的流程示意图。

图6所示为本申请一实施例提供的医学图像处理方法的流程示意图。

图7所示为本申请一实施例提供的医学图像处理装置的结构示意图。

图8所示为本申请一实施例提供的第三确定模块的结构示意图。

图9所示为本申请一实施例提供的精细分割轮廓确定单元的结构示意图。

图10所示为本申请一实施例提供的第一确定子单元的结构示意图。

图11所示为本申请一实施例提供的匹配关系确定单元的结构示意图。

图12所示为本申请一实施例提供的处理结果确定单元的结构示意图。

图13所示为本申请一实施例提供的电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

如上所述，处理医学图像，获得病灶的轮廓、大小、类别，属于该类别的概率，以及置信度等信息，对癌症的早期诊断以及提供针对性的治疗意见具有重要意义。现有技术中，对医学图像分别进行病灶分割与病灶检测，获得病灶分割数据和病灶检测数据，病灶分割数据和病灶检测数据二者各自存在问题，无法同时为医生提供精准的病灶轮廓和全面的病灶信息。

具体而言，举例说明：以肺癌为例，利用肺部分割模型处理肺部医学图像，获得肺结节分割数据，肺结节分割数据能够将肺结节区域与非肺结节区域(即背景区域)区分开。利用肺部检测模型处理肺部医学图像，获得肺结节检测数据，肺结节检测数据呈现肺结节类型、肺结节类型、属于该类型的概率、以及置信度等信息。然而，肺结节分割数据中虽然结节轮廓相对准确，但无法获得肺结节类型、肺结节属于某种类型的概率，置信度等信息。肺结节检测数据虽然包含很多信息，但肺部医学图像在进行病灶检测时以二维图层进行检测，三维的肺结节检测数据以多个二维图层形式保存，因此，肺结检测数据可能在存在缺层或不准确等问题。现有技术中无法同时为医生提供精准的肺结节轮廓和全面的结节信息。

为了解决上述问题，本申请实施例提供一种医学图像处理方法，利用更精准的病灶分割数据对病灶检测数据进行修正和补足，并通过匹配更全面的病灶检测数据，获得更精准的病灶轮廓和全面的病灶信息，以更好地辅助医生诊断和治疗。

下面结合图1至图13详细介绍本申请实施例提及的医学图像处理方法、医学图像处理装置、电子设备和计算机可读存储介质。

示例性医学图像处理方法

图1所示为本申请一实施例提供的医学图像处理方法的流程示意图。如图1所示，如图1所示，该医学图像处理方法包括如下步骤。

S101：确定待处理图像序列对应的二值化病灶分割数据和病灶概率分割数据。

示例性地，二值化病灶分割数据利用两个数值区分待处理图像序列中的病灶区域和非病灶区域，病灶概率分割数据用于表示待处理图像序列上每个像素点属于病灶区域的概率。

具体而言，将待处理图像序列输入到预先训练好的病灶分割模型中，获得病灶分割数据，病灶分割数据包括病灶概率分割数据和二值化病灶分割数据。病灶概率分割数据通过待处理图像序列上每个像素点属于病灶区域的概率，实现病灶区域与非病灶区域的分割。二值化病灶分割数据是基于一个设定的阈值，对病灶概率分割数据进行二值化处理，将大于或者等于阈值的标记为一个数值，将小于阈值的标记为另一个数值，通过两个数值实现病灶区域与非病灶区域的分割。

病灶区域可以为待处理医学图像中的肿瘤或结节等，例如：对于有肺部待处理医学图像，病灶区域为肺结节。

需要说明的是，在本申请实施例中，待处理医学图像可以为，但不限于肺部待处理医学图像、心脏待处理医学图像或肺部待处理医学图像等。为了便于描述，本申请实施例以肺部待处理医学图像为例进行说明。

还需要说明的是，本申请实施例中没有特意提及图像或数据为二维图层上的，其均是三维层面上的，后续不在赘述。

S102：确定待处理图像序列对应的病灶检测数据。

示例性地，病灶检测数据包括：初始病灶检测获得的M个病灶区域、 M个病灶区域各自对应的M个初始检测框、和M个初始检测框中每个初始检测框包括的多个二维初始检测框图层各自对应的病灶信息，M为大于0 的整数。

具体而言，将待处理医学图像输入预先训练好的病灶检测模型进行初始病灶检测，获得病灶检测数据。病灶检测数据包括获得的M个病灶区域(其中，每个病灶区域被一个三维的初始检测框给框出来)，以及每个病灶区域在多个二维图层上的病灶信息。

更具体而言，由于病灶检测模型检测待处理医学图像是从二维图层上逐层检测，因此，病灶检测数据在二维图层逐层记载，将每个病灶区域在每个二维图层上的病灶信息(病灶类别、属于该类别的概率、置信度等病灶信息) 记载在初始检测框对应的每个二维初始检测框图层中。

S103：基于二值化病灶分割数据、病灶概率分割数据、和病灶检测数据，确定待处理图像序列中包含的N个病灶区域各自对应的处理结果。

示例性地，N为大于0的整数。

具体而言，二值化病灶分割数据和病灶概率分割数据均是三维的分割数据，而病灶检测数据是在二维图层上的逐层记载。因此，需要对三维的病灶分割数据匹配到二维层面上，为获得更精准的病灶轮廓和全面的病灶信息提供基础。并且，由于初始病灶检测未必准确，病灶检测数据存在缺层或不准确等问题，因此，利用更精准的病灶分割数据对病灶检测数据进行修正和补足，并通过匹配更全面的病灶检测数据，获得更精准的病灶轮廓和全面的病灶信息。

需要说明的是，最终获得的N个病灶区域和初始检测获得的M个病灶区域的个数可能相同，也可能不同。

本申请实施例中，通过确定待处理图像序列对应的二值化病灶分割数据和病灶概率分割数据，确定待处理图像序列对应的病灶检测数据，并基于二值化病灶分割数据、病灶概率分割数据、和病灶检测数据，确定待处理图像序列中包含的N个病灶区域各自对应的处理结果，实现利用更精准的病灶分割数据对病灶检测数据进行修正和补足，并通过匹配更全面的病灶检测数据，获得更精准的病灶轮廓和全面的病灶信息，以更好地辅助医生诊断和治疗的目的。

图2所示为本申请一实施例提供的医学图像处理方法的流程示意图。如图2所示，如图2所示，基于二值化病灶分割数据、病灶概率分割数据、和病灶检测数据，确定待处理图像序列中包含的N个病灶区域各自对应的处理结果步骤，包括如下步骤。

S201：基于二值化病灶分割数据和病灶概率分割数据，确定N个病灶区域各自对应的病灶精细分割轮廓数据。

具体而言，对于医生对疾病的诊断，病灶的轮廓对于后续治疗至关重要，因此，要获得精准的病灶轮廓。根据二值化病灶分割数据和病灶精细分割轮廓数据只能将病灶区域和非病灶区域区分开，但均无法得知每个病灶区域的清晰的轮廓。因此，基于二值化病灶分割数据和病灶概率分割数据，确定N 个病灶区域各自对应的病灶精细分割轮廓数据(病灶精细分割轮廓数据就是精准的病灶轮廓)。

S202：基于N个病灶区域各自对应的病灶精细分割轮廓数据，确定N 个病灶区域各自对应的适配检测框。

具体而言，虽然对待处理医学图像进行病灶检测时，获得的病灶检测数据中具有初始检测框，但病灶检测数据并不准确，初始检测框可能存在偏移或者大小不合适等问题，因此，在获得N个病灶区域各自对应的病灶精细分割轮廓数据之后，要基于N个病灶区域各自对应的病灶精细分割轮廓数据，确定N个病灶区域各自对应的适配检测框。

需要说明的是，适配检测框为与病灶区域位置匹配的更好，大小更合适的检测框。同样地，适配检测框是三维空间上的，每个适配检测框包括多个二维适配检测框图层。

在一个可选的实施例中，针对于N个病灶区域中的每个病灶区域，在病灶区域对应的病灶精细分割轮廓数据外侧形成外接框，获得病灶区域对应的适配检测框，以确定N个病灶区域各自对应的适配检测框。

S203：针对于N个适配检测框中的每个适配检测框，对适配检测框和 M个初始检测框做匹配，确定适配检测框对应的匹配关系。

具体而言，在获得N个病灶区域各自对应的病灶精细分割轮廓数据和N 个适配检测框后，为了更好的辅助医生诊断，还是要获得病灶区域对应的类别、类别对应的概率以及置信度等信息，才能确定处理结果。而病灶分割数据中无法获得这些数据，上述病灶信息都存储在初始检测框对应的每个二维初始检测框图层中，因此，针对于N个适配检测框中的每个适配检测框，要对每个适配检测框与M个初始检测框做匹配，确定适配检测框中的每个二维适配检测框图层、与M个初始检测框包括的多个二维初始检测框图层的匹配关系，即确定适配检测框对应的匹配关系，为后续获得适配检测框中的病灶信息提供基础。

S204：基于N个适配检测框各自对应的匹配关系和M个初始检测框中每个初始检测框包括的多个二维初始检测框图层各自对应的病灶信息，确定 N个病灶区域各自对应的处理结果。

具体而言，在获得N个适配检测框各自对应的匹配关系之后，将M个初始检测框中每个初始检测框包括的多个二维初始检测框图层各自对应的病灶信息匹配过来，获得N个适配检测框中每个适配检测框对应的多个二维适配检测框图层上的病灶信息，从而获得N个病灶区域各自对应的处理结果。

本申请实施例中，首先基于二值化病灶分割数据和病灶概率分割数据，获得更精准的N个病灶区域各自对应的病灶精细分割轮廓数据，并基于N 个病灶区域各自对应的病灶精细分割轮廓数据，确定N个病灶区域各自对应的适配检测框，再通过N个适配检测框和M个初始检测框进行匹配，获得N个适配检测框各自对应的匹配关系，并基于N个适配检测框各自对应的匹配关系，将初始分割数据中的病灶信息匹配过来，获得N个病灶区域各自对应的处理结果，实现将三维的病灶分割数据与二维的检测数据完美匹配，以获得更精准的病灶轮廓和全面的病灶信息的目的。

图3所示为本申请一实施例提供的医学图像处理方法的流程示意图。如图3所示，如图3所示，基于二值化病灶分割数据和病灶概率分割数据，确定N个病灶区域各自对应的病灶精细分割轮廓数据步骤，包括如下步骤。

S301：基于对二值化病灶分割数据进行连通域操作，获得N个密切框。

具体而言，考虑到二值化病灶分割数据将所有病灶区域与背景区域通过二个数值区分，其无法将N个病灶区域实例化(即，无法确定N个病灶区域彼此是哪个，更无法获得二值化病灶分割数据与病灶检测数据中的初始检测框的对应关系)。因此，对二值化病灶分割数据进行连通域操作，获得N 个连通域，从而获得N个密切框，为将N个病灶区域彼此区分提供基础。

需要说明的是，密接框指的是能够包含整个连通域的最小框。

S302：针对于N个密切框中的每个密切框，对密切框进行膨胀操作，获得膨胀操作后密切框。

具体而言，由于后续处理中会对基于密切框获得病灶概率分割数据进行后续处理，为避免边缘区域出现“切边”现象而对效果产生消极影响，对密切框进行膨胀操作，使得密接框扩大，(即，相当于使三维空间中的分割结果扩张一圈，将边缘尺寸进行“延展”)，使得在后续处理过程中边缘信息得以保存。

基于此，针对于N个密切框中的每个密切框，对密切框进行膨胀 (padding)操作，获得膨胀操作后密切框，通过密接框“延展”尺寸的方式保护边缘位置的信息。

S303：针对于N个密切框对应的N个膨胀操作后密切框中的每个膨胀操作后密切框，基于膨胀操作后密切框的坐标，在病灶概率分割数据包括的多个局部病灶概率分割块数据中，匹配出膨胀操作后密切框对应的至少一个局部病灶概率分割块数据。

具体而言，考虑到虽然二值化病灶分割数据和病灶概率分割数据都是待处理图像序列对应的病灶分割数据，但为了保证病灶精细分割轮廓数据的准确性，提取病灶精细分割轮廓数据需要在膨胀操作后密切框在病灶概率分割数据中对应的位置。

由于病灶概率分割数据是由多个局部病灶概率分割块数据构成的(多个局部病灶概率分割块数据拼接起来的尺寸可能小于或者等于待处理医学图像序列的尺寸)，基于膨胀操作后密切框的坐标，在病灶概率分割数据包括的多个局部病灶概率分割块数据中，匹配出膨胀操作后密切框对应的至少一个局部病灶概率分割块数据，为后续获得病灶精细分割轮廓数据提供基础。

根据N个膨胀操作后密切框，获得N组至少一个局部病灶概率分割块数据。

需要说明的是，每组中的至少一个局部病灶概率分割块数据是作为一个整体的拼接在一起被处理的，而非单个处理。

S304：基于膨胀操作后密切框对应的至少一个局部病灶概率分割块数据，确定病灶精细分割轮廓数据。

具体而言，在获得N组至少一个局部病灶概率分割块数据之后，对每组至少一个局部病灶概率分割块数据进行处理，获得一个病灶精细分割轮廓数据，从而获得N个病灶区域各自对应的病灶精细分割轮廓数据。

本申请实施例中，通过上述步骤，匹配出后续进行轮廓提取的至少一个局部病灶概率分割块数据，为后续获得病灶精细分割轮廓数据提供基础。

图4所示为本申请一实施例提供的医学图像处理方法的流程示意图。如图4所示，基于膨胀操作后密切框对应的至少一个局部病灶概率分割块数据，确定病灶精细分割轮廓数据步骤，包括如下步骤。

S401：基于第一预设采样比率，对至少一个局部病灶概率分割块数据进行上采样操作，获得上采样空间下的至少一个局部病灶概率分割块数据。

具体而言，原图空间是图像或数据处于与待处理医学图像相同分辨率的空间，上采样空间是指图像或数据经过上采样操作，处于比待处理医学图像的分辨率大的空间。

考虑到若直接在原图空间下对至少一个局部病灶概率分割块数据进行轮廓提取，则由于分辨率原因将呈现出明显的像素锯齿状轮廓，在体积较小的病灶上表现的尤为明显，严重影响病灶轮廓提取效果。因此，基于第一预设采样比率，对处于至少一个局部病灶概率分割块数据进行上采样操作，获得上采样空间下的至少一个局部病灶概率分割块数据。

需要说明的是，第一预设采样比率与至少一个局部病灶概率分割块数据的在二维层面上的尺寸相关。举例说明，在一个可选的实施例中，若至少一个局部病灶概率分割块数据在三维坐标系(xyz坐标系)的xy方向上的尺寸小于或者等于128像素*128像素，则第一预设采样比率为4。在另一个可选的实施例中，若至少一个局部病灶概率分割块数据在三维坐标系(xyz坐标系)的xy方向上的尺寸大于128像素*128像素，则第一预设采样比率为512/病灶大小，病灶大小根据对应的密接框确定。

S402：对上采样空间下的至少一个局部病灶概率分割块数据进行轮廓提取，确定上采样空间下的初始精细分割轮廓数据。

具体而言，通过cv2.findContours函数对上采样空间下的至少一个局部病灶概率分割块数据进行轮廓提取，确定上采样空间下的初始精细分割轮廓数据。

S403：对上采样空间下的初始精细分割轮廓数据进行形态处理操作，获得上采样空间下的中间精细分割轮廓数据。

具体而言，对上采样空间下的初始精细分割轮廓数据的每个二维初始精细分割轮廓数据图层进行形态处理，避免出现极端形态的轮廓。

示例性地，针对于上采样空间下的初始精细分割轮廓数据包括的多个二维初始精细分割轮廓数据图层中的每个二维初始精细分割轮廓数据图层；若某个二维初始精细分割轮廓数据图层上的轮廓面积小于第一阈值，且轮廓面积与某个二维初始精细分割轮廓数据图层对应的凸包面积的比值小于第二阈值，对某个二维初始精细分割轮廓数据图层进行开运算处理；若某个二维初始精细分割轮廓数据图层上的轮廓面积与某个二维初始精细分割轮廓数据图层的总面积的比值小于第三阈值，删除某个二维初始精细分割轮廓数据图层上的轮廓数据。

在一个可选的实施例中，第一阈值为1600像素，第一阈值也可以根据具体应用场景确定；第二阈值为0.6，第二阈值也可以根据具体应用场景确定；第三阈值为0.2，第三阈值也可以根据具体应用场景确定。

S404：基于第二预设采样比率，对上采样空间下的中间精细分割轮廓数据进行下采样操作，获得原图空间下的中间精细分割轮廓数据。

具体而言，由于上采样空间下的中间精细分割轮廓数据是在上采样空间上进行提取分割轮廓，需要将其再映射至原图空间，获取更为平滑和贴合的分割轮廓，基于此，基于第二预设采样比率，对上采样空间下的中间精细分割轮廓数据进行下采样操作，获得原图空间下的中间精细分割轮廓数据。

需要说明的是，第二预设采样比例需要能够使处于上采样空间的中间精细分割轮廓数据，映射回与原图空间相同尺寸分辨率的原图空间。

S405：对原图空间下的中间精细分割轮廓数据进行轮廓面积突变处理，获得病灶精细分割轮廓数据。

具体而言，示例性地，若原图空间下的中间精细分割轮廓数据在沿着图层厚度方向上的最上层二维中间精细分割轮廓数据图层上的轮廓面积、与最上层中间精细分割轮廓数据二维图层的相邻二维中间精细分割轮廓数据图层上的轮廓面积的比例小于第四阈值，则删除最上层中间精细分割轮廓数据二维图层上的轮廓数据。如此，可以将“藕断丝连”形态轮廓的处理为光滑清晰的形态轮廓。示例性地，若原图空间下的病灶精细分割轮廓数据在沿着图层厚度方向上的最下层中间精细分割轮廓数据二维图层上的轮廓面积与最下层二维中间精细分割轮廓数据图层的相邻二维图层上的轮廓面积的比例小于第四阈值，则删除最下层二维中间精细分割轮廓数据图层上的轮廓数据。如此，可以将“小碎片”形态轮廓的删除，获得更为清晰的形态轮廓。通过上述步骤，对原图空间下的中间精细分割轮廓数据进行轮廓面积突变处理，获得病灶区域对应的病灶精细分割轮廓数据。

在一个可选的实施例中，第四阈值为0.2，第四阈值也可以根据具体应用场景确定。

需要说明的是，针对于N个膨胀操作后密切框对应的N组至少一个局部病灶概率分割块数据，每组的至少一个局部病灶概率分割块数据拼接为一个整体后，均执行上述S401-S405的步骤，以获得N个病灶区域各自对应的病灶精细分割轮廓数据，从而将N个病灶区域区彼此区分开，为后续与初始检测框做匹配提供基础。

本申请实施例中，针对于N个膨胀操作后密切框对应的N组至少一个局部病灶概率分割块数据，对每个膨胀操作后密切框对应的至少一个局部病灶概率分割块数据执行上述步骤，获得一个病灶区域对应的病灶精细分割轮廓数据，以获得N个病灶区域各自对应的病灶精细分割轮廓数据，从而将N 个病灶区域区彼此区分开，为后续与初始检测框做匹配提供基础。

图5所示为本申请一实施例提供的医学图像处理方法的流程示意图。如图5所示，如图5所示，对适配检测框和病灶检测数据中的M个初始检测框做匹配，确定适配检测框对应的匹配关系步骤，包括如下步骤。

需要说明的是，获得了N个病灶区域各自对应的病灶精细分割轮廓数据，也就获得了N个病灶区域对应的N个适配检测框。针对于N个适配检测框中的每个适配检测框均执行下列步骤，以获得每个适配检测框的匹配关系，为后续获得适配检测框中的病灶信息提供基础。

S501：对适配检测框在图层厚度方向上进行膨胀操作，获得膨胀操作后适配检测框。

具体而言，对适配检测框在图层厚度方向上(xyz坐标系的z方向上) 进行膨胀操作，获得膨胀操作后适配检测框。

S502：对膨胀操作后适配检测框和M个初始检测框做交并比操作，确定与膨胀操作后适配检测框在整体上匹配的P个初始检测框。

示例性地，P为大于0且小于或者等于M的整数。

具体而言，上述已经阐述，对待处理医学图像序列进行病灶检测获得病灶检测数据，病灶检测数据中包括M个初始检测框，为了明确上述获得的N个病灶精细分割轮廓数据与初始检测框的对应关系，需要将N个膨胀操作后适配检测框与M个初始检测框匹配。

对膨胀操作后适配检测框和M个初始检测框做交并比(Intersection overUnion，IoU)操作，将M个初始检测框中的每个初始检测框与膨胀操作后适配检测框在三维上进行匹配，若获得的IoU数值大于0.5，确定其对应的初始检测框与膨胀操作后适配检测框在整体上匹配，基于此，获得与膨胀操作后适配检测框在整体上匹配的P个初始检测框。

S503：对P个初始检测框各自包括的多个二维初始检测框图层、和膨胀操作后适配检测框包括的多个二维适配检测框图层进行逐层匹配，将P个初始检测框各自包括的多个二维初始检测框图层中与膨胀操作后适配检测框在层面上不匹配的二维初始检测框图层删除，以确定膨胀操作后适配检测框包括的多个二维适配检测框图层中的每个二维适配检测框图层对应的L个二维初始检测框图层。

示例性地，L为大于或者等于0且小于或者等于P的整数。

具体而言，在获得与膨胀操作后适配检测框在整体上匹配的P个初始检测框后，需要做进一步筛选，还要在二维层面上进行进一步的匹配。针对于膨胀操作后适配检测框在二维图层上的多个二维适配检测框图层中的每个二维适配检测框图层，需要将该二维适配检测框图层与P个初始检测框各自处于相同位置的二维初始检测框图层进行层间匹配，将与膨胀操作后适配检测框在层面上不匹配的二维初始检测框图层删除，以获得该二维适配检测框图层对应的L个二维初始检测框图。

示例性地，对P个初始检测框各自包括的多个二维初始检测框图层、和膨胀操作后适配检测框包括的多个二维适配检测框图层进行逐层匹配，包括：针对于P个初始检测框中的每个初始检测框，若初始检测框包括的多个二维初始检测框图层中的某个二维初始检测框图层上的轮廓面积小于第五阈值，则将某个二维初始检测框图层确定为膨胀操作后适配检测框在层面上不匹配的二维初始检测框图层。

举例说明，某个膨胀操作后适配检测框，经过整体匹配后获得5个初始检测框与之在整体上交并比大于0.5，假设，膨胀操作后适配检测框包括的 10个二维适配检测框图层，对于处于厚度方向(xyz坐标轴的z方向)上最下层的二维适配检测框图层，其对应的5个初始检测框的各自处于最下层的二维初始检测框图层，若某个最下层的二维初始检测框图层上的轮廓面积小于第五阈值，则认为该最下层的二维初始检测框图层与最下层的二维适配检测框图层不适配，以此类推，获得膨胀操作后适配检测框中的最下层的二维适配检测框图层对应的L个最下层的二维初始检测框图。

S504：基于每个二维适配检测框图层对应的L个二维初始检测框图层中二维初始检测框图层的数量信息，确定适配检测框对应的匹配关系。

可选地，则建立1个二维初始检测框图层，和二维适配检测框图层的匹配关系。

具体而言，如果与二维适配检测框图层只有一个二维初始检测框图层与之匹配，则建立二者匹配关系。

可选地，则建立L个二维初始检测框图层中与二维适配检测框图层的中心距离最近的一个二维初始检测框图层，和二维适配检测框图层的匹配关系。

具体而言，如果二维适配检测框图层有多个二维初始检测框图层与之匹配，则选择与二维适配检测框图层的中心距离最近的一个二维初始检测框图层，建立二者匹配关系。

可选地，若L等于0，则建立二维适配检测框图层的相邻的二维适配检测框图层匹配的二维初始检测框图层，和二维适配检测框图层的匹配关系。

具体而言，如果在当前二维层面上，二维适配检测框图层不具有与之匹配的二维初始检测框图层，则选择二维适配检测框图层相邻的二维适配检测框图层对应的二维初始检测框图层，建立二者匹配关系。

本申请实施例中，针对于N个适配检测框中的每个适配检测框均执行上述步骤，以获得每个适配检测框的匹配关系，为后续获得适配检测框中的病灶信息提供基础。

图6所示为本申请一实施例提供的医学图像处理方法的流程示意图。如图6所示，如图6所示，基于N个适配检测框各自对应的匹配关系和M个初始检测框中每个初始检测框包括的多个二维初始检测框图层各自对应的病灶信息，确定N个适配检测框各自对应的处理结果步骤，包括如下步骤。

S601：针对于N个适配检测框中的每个适配检测框，基于适配检测框中包括的多个二维适配检测框图层各自对应的匹配关系、和多个二维初始检测框图层各自对应的病灶信息，确定多个二维适配检测框图层各自对应的病灶信息。

具体而言，针对于N个适配检测框中的每个适配检测框，在获得二维适配检测框图层和二维初始检测框图层在二维层面上的匹配关系后，将匹配的二维初始检测框图层上的病灶信息匹配到二维适配检测框图层中，从而获得适配检测框中包括的多个二维适配检测框图层各自对应的病灶信息。

S602：基于多个二维适配检测框图层各自对应的病灶信息，和适配检测框对应的病灶精细分割轮廓数据，确定适配检测框对应的病灶区域对应的处理结果，从而确定N个病灶区域各自对应的处理结果。

具体而言，每个病灶区域的处理结果，包括病灶区域对应的病灶精细分割轮廓数据，适配检测框以及适配检测框包括的多个二维适配检测框图层上的病灶信息。

本申请实施例中，在获得二维适配检测框图层和二维初始检测框图层在二维层面上的匹配关系后，将匹配的二维初始检测框图层上的病灶信息匹配到二维适配检测框图层中，从而获得适配检测框中包括的多个二维适配检测框图层各自对应的病灶信息，并基于多个二维适配检测框图层各自对应的病灶信息，和适配检测框对应的病灶精细分割轮廓数据，获得N个病灶区域各自对应的处理结果。实现利用更精准的病灶分割数据对病灶检测数据进行修正和补足，并通过匹配更全面的病灶检测数据，获得更精准的病灶轮廓和全面的病灶信息，以更好地辅助医生诊断和治疗的目的。

示例性医学图像处理装置

图7所示为本申请一实施例提供的医学图像处理装置的结构示意图。如图7所示，该医学图像处理装置100包括第一确定模块101、第二确定模块 102和第三确定模块103。

第一确定模块101配置为，确定待处理图像序列对应的二值化病灶分割数据和病灶概率分割数据，二值化病灶分割数据利用两个数值区分待处理图像序列中的病灶区域和非病灶区域，病灶概率分割数据用于表示待处理图像序列上每个像素点属于病灶区域的概率。第二确定模块102配置为，确定待处理图像序列对应的病灶检测数据，病灶检测数据包括：初始检测获得的M 个病灶区域、M个病灶区域各自对应的M个初始检测框、和M个初始检测框中每个初始检测框包括的多个二维初始检测框图层各自对应的病灶信息，M为大于0的整数。第三确定模块103配置为，基于二值化病灶分割数据、病灶概率分割数据、和病灶检测数据，确定待处理图像序列中包含的N个病灶区域各自对应的处理结果，N为大于0的整数。

本申请实施例中，利用更精准的病灶分割数据对病灶检测数据进行修正和补足，并通过匹配更全面的病灶检测数据，获得更精准的病灶轮廓和全面的病灶信息，以更好地辅助医生诊断和治疗的目的。

图8所示为本申请一实施例提供的第三确定模块的结构示意图。如图8 所示，第三确定模块103进一步包括：精细分割轮廓确定单元1031、适配检测框确定单元1032、匹配关系确定单元1033和处理结果确定单元1034。

精细分割轮廓确定单元1031配置为，基于二值化病灶分割数据和病灶概率分割数据，确定N个病灶区域各自对应的病灶精细分割轮廓数据；适配检测框确定单元1032配置为，基于N个病灶区域各自对应的病灶精细分割轮廓数据，确定N个病灶区域各自对应的适配检测框。匹配关系确定单元1033配置为，针对于N个适配检测框中的每个适配检测框，对适配检测框和M个初始检测框做匹配，确定适配检测框对应的匹配关系。处理结果确定单元1034配置为，基于N个适配检测框各自对应的匹配关系和M个初始检测框中每个初始检测框包括的多个二维初始检测框图层各自对应的病灶信息，确定N个病灶区域各自对应的处理结果。

图9所示为本申请一实施例提供的精细分割轮廓确定单元的结构示意图。如图9所示，精细分割轮廓确定单元1031进一步包括：连通域子单元 10311，第一膨胀子单元10312、第一匹配子单元10313和第一确定子单元 10314。

连通域子单元10311配置为，基于对二值化病灶分割数据进行连通域操作，获得N个密切框。第一膨胀子单元10312配置为，针对于N个密切框中的每个密切框，对密切框进行膨胀操作，获得膨胀操作后密切框。第一匹配子单元10313配置为，针对于N个密切框对应的N个膨胀操作后密切框中的每个膨胀操作后密切框，基于膨胀操作后密切框的坐标，在病灶概率分割数据包括的多个局部病灶概率分割块数据中，匹配出膨胀操作后密切框对应的至少一个局部病灶概率分割块数据。第一确定子单元10314配置为，基于膨胀操作后密切框对应的至少一个局部病灶概率分割块数据，确定病灶精细分割轮廓数据。

图10所示为本申请一实施例提供的第一确定子单元的结构示意图。如图10所示，第一确定子单元10314进一步包括：上采样子单元103141、轮廓提取子单元103142、形态处理子单元103143、下采样子单元103144、面积突变处理子单元103145。

上采样子单元103141配置为，基于第一预设采样比率，对至少一个局部病灶概率分割块数据进行上采样操作，获得上采样空间下的至少一个局部病灶概率分割块数据。轮廓提取子单元103142配置为，对上采样空间下的至少一个局部病灶概率分割块数据进行轮廓提取，确定上采样空间下的初始精细分割轮廓数据。形态处理子单元103143配置为，对上采样空间下的初始精细分割轮廓数据进行形态处理操作，获得上采样空间下的中间精细分割轮廓数据。下采样子单元103144配置为，基于第二预设采样比率，对上采样空间下的中间精细分割轮廓数据进行下采样操作，获得原图空间下的中间精细分割轮廓数据。面积突变处理子单元103145配置为，对原图空间下的中间精细分割轮廓数据进行轮廓面积突变处理，获得病灶精细分割轮廓数据。

在一个实施例中，形态处理子单元103143进一步配置为针对于上采样空间下的中间精细分割轮廓数据包括的多个二维初始精细分割轮廓数据图层中的每个二维中间精细分割轮廓数据图层；若某个二维中间精细分割轮廓数据图层上的轮廓面积小于第一阈值，且轮廓面积与某个二维中间精细分割轮廓数据图层对应的凸包面积的比值小于第二阈值，对某个二维中间精细分割轮廓数据图层进行开运算处理；若某个二维中间精细分割轮廓数据图层上的轮廓面积与某个二维中间精细分割轮廓数据图层的总面积的比值小于第三阈值，删除某个二维中间精细分割轮廓数据图层上的轮廓数据。

在一个实施例中，面积突变处理子单元103145进一步配置为，若原图空间下的中间精细分割轮廓数据在沿着图层厚度方向上的最上层二维中间精细分割轮廓数据图层上的轮廓面积、与最上层二维中间精细分割轮廓数据图层的相邻二维中间精细分割轮廓数据图层上的轮廓面积的比例小于第四阈值，则删除最上层二维中间精细分割轮廓数据图层上的轮廓数据；若原图空间下的中间精细分割轮廓数据在沿着图层厚度方向上的最下层二维中间精细分割轮廓数据图层上的轮廓面积、与最下层二维中间精细分割轮廓数据图层的相邻二维中间精细分割轮廓数据图层上的轮廓面积的比例小于第四阈值，则删除最下层二维中间精细分割轮廓数据图层上的轮廓数据。

在一个实施例中，适配检测框确定单元1032进一步配置为针对于N个病灶区域中的每个病灶区域，在病灶区域对应的病灶精细分割轮廓数据外侧形成外接框，获得病灶区域对应的适配检测框，以确定N个病灶区域各自对应的适配检测框。

图11所示为本申请一实施例提供的匹配关系确定单元的结构示意图。如图11所示，匹配关系确定单元1033进一步包括：第二膨胀子单元10331、第二匹配子单元10332，第三匹配子单元10333、和匹配关系确定子单元 10334。

第二膨胀子单元10331配置为，对适配检测框在图层厚度方向上进行膨胀操作，获得膨胀操作后适配检测框。第二匹配子单元10333配置为，对膨胀操作后适配检测框和M个初始检测框做交并比操作，确定与膨胀操作后适配检测框在整体上匹配的P个初始检测框，P为大于0且小于或者等于M 的整数。第三匹配子单元10333配置为，对P个初始检测框各自包括的多个二维初始检测框图层、和膨胀操作后适配检测框包括的多个二维适配检测框图层进行逐层匹配，将P个初始检测框各自包括的多个二维初始检测框图层中与膨胀操作后适配检测框在层面上不匹配的二维初始检测框图层删除，以确定膨胀操作后适配检测框包括的多个二维适配检测框图层中的每个二维适配检测框图层对应的L个二维初始检测框图层，L为大于或者等于0且小于或者等于P的整数。匹配关系确定子单元10334配置为，基于每个二维适配检测框图层对应的L个二维初始检测框图层中二维初始检测框图层的数量信息，确定适配检测框对应的匹配关系。

在一个实施例中，第二匹配子单元10333进一步配置为，针对于P个初始检测框中的每个初始检测框，若初始检测框包括的多个二维初始检测框图层中的某个二维初始检测框图层上的轮廓面积小于第五阈值，则将某个二维初始检测框图层确定为膨胀操作后适配检测框在层面上不匹配的二维初始检测框图层，将P个初始检测框各自包括的多个二维初始检测框图层中与膨胀操作后适配检测框在层面上不匹配的二维初始检测框图层删除，以确定膨胀操作后适配检测框包括的多个二维适配检测框图层中的每个二维适配检测框图层对应的L个二维初始检测框图层。

在一个实施例中，匹配关系确定子单元10334进一步配置为，若L等于 1，则建立1个二维初始检测框图层，和二维适配检测框图层的匹配关系；若L大于1，则建立L个二维初始检测框图层中与二维适配检测框图层的中心距离最近的一个二维初始检测框图层，和二维适配检测框图层的匹配关系；若L等于0，则建立二维适配检测框图层的相邻的二维适配检测框图层匹配的二维初始检测框图层，和二维适配检测框图层的匹配关系。

图12所示为本申请一实施例提供的处理结果确定单元的结构示意图。如图12所示，处理结果确定单元1034进一步包括：第二确定子单元10341 和处理结果确定子单元10342。

第二确定子单元10341配置为，针对于N个适配检测框中的每个适配检测框，基于适配检测框中包括的多个二维适配检测框图层各自对应的匹配关系、和多个二维初始检测框图层各自对应的病灶信息，确定多个二维适配检测框图层各自对应的病灶信息。处理结果确定子单元10342配置为，基于多个二维适配检测框图层各自对应的病灶信息，和适配检测框对应的病灶精细分割轮廓数据，确定适配检测框对应的病灶区域对应的处理结果，从而确定N个病灶区域各自对应的处理结果。

上述医学图像处理装置中其他各个模块的具体功能和操作已经在图1 到图6描述的医学图像处理方法中进行了详细介绍，因此，这里将省略其重复描述。

示例性电子设备

图13所示为本申请一实施例提供的电子设备的结构示意图。如图13所示，电子设备300包括一个或多个处理器310和存储器320。

处理器310可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备300中的其他组件以执行期望的功能。

存储器320可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器310可以运行所述程序指令，以实现上文所述的本申请的各个实施例的医学图像处理方法以及/或者其他期望的功能。

在一个示例中，电子设备300还可以包括：输入装置330和输出装置 340，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

当然，为了简化，图13中仅示出了该电子设备300中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备300还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性医学图像处理方法”部分中描述的根据本申请各个实施例提供的医学图像处理方法中的步骤。

所述计算机程序产品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申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的步骤式程序设计语言，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。

此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性医学图像处理方法”部分中描述的根据本申请各个实施例提供的医学图像处理方法中的步骤。

所述计算机可读存储介质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包括但不限于电、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。

需要说明的是，以上列举的仅为本申请的具体实施例，显然本申请不限于以上实施例，随之有着许多的类似变化。本领域的技术人员如果从本申请公开的内容直接导出或联想到的所有变形，均应属于本申请的保护范围。

应当理解，本申请实施例中提到的第一、第二等限定词，仅仅为了更清楚地描述本申请实施例的技术方案使用，并不能用以限制本申请的保护范围。

以上仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (13)

1.一种医学图像处理方法，其特征在于，包括：

确定待处理图像序列对应的二值化病灶分割数据和病灶概率分割数据，所述二值化病灶分割数据利用两个数值区分所述待处理图像序列中的病灶区域和非病灶区域，所述病灶概率分割数据用于表示所述待处理图像序列上每个像素点属于所述病灶区域的概率；

确定所述待处理图像序列对应的病灶检测数据，所述病灶检测数据包括：初始病灶检测获得的M个病灶区域、所述M个病灶区域各自对应的M个初始检测框、和所述M个初始检测框中每个初始检测框包括的多个二维初始检测框图层各自对应的病灶信息，M为大于0的整数；

基于所述二值化病灶分割数据、所述病灶概率分割数据、和所述病灶检测数据，确定所述待处理图像序列中包含的N个病灶区域各自对应的处理结果，N为大于0的整数；

其中，所述基于所述二值化病灶分割数据、所述病灶概率分割数据、和所述病灶检测数据，确定所述待处理图像序列中包含的N个病灶区域各自对应的处理结果，包括：

基于所述二值化病灶分割数据和所述病灶概率分割数据，确定所述N个病灶区域各自对应的病灶精细分割轮廓数据；

基于所述N个病灶区域各自对应的病灶精细分割轮廓数据，确定所述N个病灶区域各自对应的适配检测框；

针对于N个适配检测框中的每个适配检测框，对所述适配检测框和所述M个初始检测框做匹配，确定所述适配检测框对应的匹配关系；

基于所述N个适配检测框各自对应的匹配关系和所述M个初始检测框中每个初始检测框包括的多个二维初始检测框图层各自对应的病灶信息，确定所述N个病灶区域各自对应的处理结果。

2.根据权利要求1所述的医学图像处理方法，其特征在于，所述基于所述二值化病灶分割数据和所述病灶概率分割数据，确定所述N个病灶区域各自对应的病灶精细分割轮廓数据，包括：

基于对所述二值化病灶分割数据进行连通域操作，获得N个密切框；

针对于所述N个密切框中的每个密切框，对所述密切框进行膨胀操作，获得膨胀操作后密切框；

针对于N个密切框对应的N个膨胀操作后密切框中的每个膨胀操作后密切框，基于所述膨胀操作后密切框的坐标，在所述病灶概率分割数据包括的多个局部病灶概率分割块数据中，匹配出所述膨胀操作后密切框对应的至少一个局部病灶概率分割块数据；

基于所述膨胀操作后密切框对应的至少一个局部病灶概率分割块数据，确定所述病灶精细分割轮廓数据。

3.根据权利要求2所述的医学图像处理方法，其特征在于，所述基于所述膨胀操作后密切框对应的至少一个局部病灶概率分割块数据，确定所述病灶精细分割轮廓数据，包括：

基于第一预设采样比率，对所述至少一个局部病灶概率分割块数据进行上采样操作，获得上采样空间下的至少一个局部病灶概率分割块数据；

对所述上采样空间下的至少一个局部病灶概率分割块数据进行轮廓提取，确定上采样空间下的初始精细分割轮廓数据；

对所述上采样空间下的初始精细分割轮廓数据进行形态处理操作，获得上采样空间下的中间精细分割轮廓数据；

基于第二预设采样比率，对所述上采样空间下的中间精细分割轮廓数据进行下采样操作，获得原图空间下的中间精细分割轮廓数据；

对所述原图空间下的中间精细分割轮廓数据进行轮廓面积突变处理，获得所述病灶精细分割轮廓数据。

4.根据权利要求3所述的医学图像处理方法，其特征在于，所述对所述上采样空间下的初始精细分割轮廓数据进行形态处理操作，获得上采样空间下的中间精细分割轮廓数据，包括：

针对于所述上采样空间下的初始精细分割轮廓数据包括的多个二维初始精细分割轮廓数据图层中的每个二维初始精细分割轮廓数据图层；

若某个二维初始精细分割轮廓数据图层上的轮廓面积小于第一阈值，且所述轮廓面积与所述某个二维初始精细分割轮廓数据图层对应的凸包面积的比值小于第二阈值，对所述某个二维初始精细分割轮廓数据图层进行开运算处理；

若某个二维初始精细分割轮廓数据图层上的轮廓面积与所述某个二维初始精细分割轮廓数据图层的总面积的比值小于第三阈值，删除所述某个二维初始精细分割轮廓数据图层上的轮廓数据。

5.根据权利要求3所述的医学图像处理方法，其特征在于，所述对所述原图空间下的中间精细分割轮廓数据进行轮廓面积突变处理，获得所述病灶精细分割轮廓数据，包括：

若所述原图空间下的中间精细分割轮廓数据在沿着图层厚度方向上的最上层二维中间精细分割轮廓数据图层上的轮廓面积、与所述最上层二维中间精细分割轮廓数据图层的相邻二维中间精细分割轮廓数据图层上的轮廓面积的比例小于第四阈值，则删除所述最上层二维中间精细分割轮廓数据图层上的轮廓数据；

若所述原图空间下的中间精细分割轮廓数据在沿着图层厚度方向上的最下层二维中间精细分割轮廓数据图层上的轮廓面积、与所述最下层二维中间精细分割轮廓数据图层的相邻二维中间精细分割轮廓数据图层上的轮廓面积的比例小于所述第四阈值，则删除所述最下层二维中间精细分割轮廓数据图层上的轮廓数据。

6.根据权利要求1至5中任一项所述的医学图像处理方法，其特征在于，所述基于所述N个病灶区域各自对应的病灶精细分割轮廓数据，确定N个病灶区域各自对应的适配检测框，包括：

针对于所述N个病灶区域中的每个病灶区域，在所述病灶区域对应的病灶精细分割轮廓数据外侧形成外接框，获得所述病灶区域对应的适配检测框，以确定所述N个病灶区域各自对应的适配检测框。

7.根据权利要求1至5中任一项所述的医学图像处理方法，其特征在于，所述对所述适配检测框和所述病灶检测数据中的M个初始检测框做匹配，确定所述适配检测框对应的匹配关系，包括：

对所述适配检测框在图层厚度方向上进行膨胀操作，获得膨胀操作后适配检测框；

对所述膨胀操作后适配检测框和所述M个初始检测框做交并比操作，确定与所述膨胀操作后适配检测框在整体上匹配的P个初始检测框，P为大于0且小于或者等于M的整数；

对所述P个初始检测框各自包括的多个二维初始检测框图层、和所述膨胀操作后适配检测框包括的多个二维适配检测框图层进行逐层匹配，将所述P个初始检测框各自包括的多个二维初始检测框图层中与所述膨胀操作后适配检测框在层面上不匹配的二维初始检测框图层删除，以确定所述膨胀操作后适配检测框包括的多个二维适配检测框图层中的每个二维适配检测框图层对应的L个二维初始检测框图层，L为大于或者等于0且小于或者等于P的整数；

基于所述每个二维适配检测框图层对应的L个二维初始检测框图层中二维初始检测框图层的数量信息，确定所述适配检测框对应的匹配关系。

8.根据权利要求7所述的医学图像处理方法，其特征在于，所述对所述P个初始检测框各自包括的多个二维初始检测框图层、和所述膨胀操作后适配检测框包括的多个二维适配检测框图层进行逐层匹配，包括：

针对于所述P个初始检测框中的每个初始检测框，若所述初始检测框包括的多个二维初始检测框图层中的某个二维初始检测框图层上的轮廓面积小于第五阈值，则将所述某个二维初始检测框图层确定为所述膨胀操作后适配检测框在层面上不匹配的二维初始检测框图层。

9.根据权利要求7所述的医学图像处理方法，其特征在于，所述基于所述每个二维适配检测框图层对应的L个二维初始检测框图层中二维初始检测框图层的数量信息，确定所述适配检测框对应的匹配关系，包括：

若L等于1，则建立1个二维初始检测框图层，和所述二维适配检测框图层的匹配关系；

若L大于1，则建立所述L个二维初始检测框图层中与所述二维适配检测框图层的中心距离最近的一个二维初始检测框图层，和所述二维适配检测框图层的匹配关系；

若L等于0，则建立所述二维适配检测框图层的相邻的二维适配检测框图层匹配的二维初始检测框图层，和所述二维适配检测框图层的匹配关系。

10.根据权利要求1至5中任一项所述的医学图像处理方法，其特征在于，所述基于所述N个适配检测框各自对应的匹配关系和所述M个初始检测框中每个初始检测框包括的多个二维初始检测框图层各自对应的病灶信息，确定所述N个病灶区域各自对应的处理结果，包括：

针对于所述N个适配检测框中的每个适配检测框，基于所述适配检测框中包括的多个二维适配检测框图层各自对应的匹配关系、和所述多个二维初始检测框图层各自对应的病灶信息，确定所述多个二维适配检测框图层各自对应的病灶信息；

基于所述多个二维适配检测框图层各自对应的病灶信息，和所述适配检测框对应的病灶精细分割轮廓数据，确定所述适配检测框对应的病灶区域对应的处理结果，从而确定所述N个病灶区域各自对应的处理结果。

11.一种医学图像处理装置，其特征在于，包括：

第一确定模块，配置为确定待处理图像序列对应的二值化病灶分割数据和病灶概率分割数据，所述二值化病灶分割数据利用两个数值区分所述待处理图像序列中的病灶区域和非病灶区域，所述病灶概率分割数据用于表示所述待处理图像序列上每个像素点属于所述病灶区域的概率；

第二确定模块，配置为确定所述待处理图像序列对应的病灶检测数据，所述病灶检测数据包括：初始检测获得的M个病灶区域、所述M个病灶区域各自对应的M个初始检测框、和所述M个初始检测框中每个初始检测框包括的多个二维初始检测框图层各自对应的病灶信息，M为大于0的整数；

第三确定模块，基于所述二值化病灶分割数据、所述病灶概率分割数据、和所述病灶检测数据，确定所述待处理图像序列中包含的N个病灶区域各自对应的处理结果，N为大于0的整数；

其中，所述第三确定模块进一步包括：

精细分割轮廓确定单元，配置为基于所述二值化病灶分割数据和所述病灶概率分割数据，确定所述N个病灶区域各自对应的病灶精细分割轮廓数据；

适配检测框确定单元，配置为基于所述N个病灶区域各自对应的病灶精细分割轮廓数据，确定所述N个病灶区域各自对应的适配检测框；

匹配关系确定单元，配置为针对于N个适配检测框中的每个适配检测框，对所述适配检测框和所述M个初始检测框做匹配，确定所述适配检测框对应的匹配关系；

处理结果确定单元，配置为基于所述N个适配检测框各自对应的匹配关系和所述M个初始检测框中每个初始检测框包括的多个二维初始检测框图层各自对应的病灶信息，确定所述N个病灶区域各自对应的处理结果。

12.一种电子设备，包括：

处理器；以及

存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1至10任一项所述的医学图像处理方法。

13.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1至10任一项所述医学图像处理方法。

Images