CN114549455A - 图像处理方法及相关装置、电子设备和存储介质 - Google Patents

Abstract

本申请公开了一种图像处理方法及相关装置、电子设备和存储介质，其中，图像处理方法包括：获取若干医学图像的序列类别；其中，若干医学图像是扫描目标部位而得到的；获取若干医学图像中目标部位上的病灶信息；根据序列类别和病灶信息，对若干医学图像进行分组显示。上述方案，能够提升图像处理效率。

Description

图像处理方法及相关装置、电子设备和存储介质

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像处理方法及相关装置、电子设备和存储介质。

背景技术

CT(Computed Tomography，计算机断层扫描)图像、MR(Magnetic Resonance，核磁共振)图像等医学图像在辅助诊断、手术规划等临床场景中具有极其重要意义。例如，通过腹部核磁共振扫描，可以辅助医生进行肝脏病灶检查。

通常来说，为了实现精准辅助，会扫描获取多种序列类别的医学图像，医生在阅读某一序列类别的医学图像之后，还需参考其他序列类别的医学图像共同决策，即医生需要结合大量医学图像进行评估，大大影响工作效率，且也需要依赖于丰富经验，而且目前医生在使用PACS(Picture Archiving and Communication Systems，医学影像存档与通讯系统)软件浏览医学图像时，需要执行拖拽、翻页等多种操作。如此种种，均会影响图像处理效率，很难满足存在大量医学图像需要处理的场景。有鉴于此，如何提升图像处理效率成为亟待解决的问题。

发明内容

本申请提供一种图像处理方法及相关装置、电子设备和存储介质。

本申请第一方面提供了一种图像处理方法，包括：获取若干医学图像的序列类别；其中，若干医学图像是扫描目标部位而得到的；获取若干医学图像中目标部位上的病灶信息；根据序列类别和病灶信息，对若干医学图像进行分组显示。

因此，通过获取若干医学图像的序列类别，且若干医学图像是扫描目标部位而得到的，再获取若干医学图像中目标部位上的病灶信息，从而根据序列类别和病灶信息，对若干医学图像进行分组显示，一方面由于自动获取目标部位上的病灶信息，能够免于人工结合大量医学图像进行决策，另一方面由于通过序列类别和病灶信息即可分组显示医学图像，能够免于执行拖拽、翻页等过多操作，故能够大大提升图像处理效率。

其中，病灶信息包括病灶组织的组织区域，根据序列类别和病灶信息，对若干医学图像进行分组显示，包括：在图像显示界面的第一显示区域显示序列类别的第一选项和病灶组织的第二选项；响应于对第一选项和第二选项的选择信息，在图像显示界面的第二显示区域显示医学图像和组织区域。

因此，在图像显示界面的第一显示区域显示序列类别的第一选项和病灶组织的第二选项，并响应于对第一选项和第二选项的选择信息，在图像显示界面的第二显示区域显示医学图像和组织区域，故仅需少量操作即可显示期望的医学图像和病灶组织，有利于提升图像处理效率。

其中，响应于对第一选项和第二选项的选择信息，在图像显示界面的第二显示区域显示医学图像和组织区域，包括：将被选择的第一选项所对应的序列类别作为期望类别，并将属于期望类别的医学图像作为期望图像，以及将被选择的第二选项所对应的病灶组织作为期望组织；在第二显示区域显示期望图像，并在期望图像标记期望组织的组织区域。

因此，将被选择的第一选项所对应的序列类别作为期望类别，并将属于期望类别的医学图像作为期望图像，以及将被选择的第二选项所对应的病灶组织作为期望组织，从而在第二显示区域显示期望图像，并在期望图像标记期望组织的组织区域，故能够支持自主选择期望显示的医学图像以及期望标记的病灶组织，有利于大大减少医生浏览医学图像所需的人机操作，有助于提升处理效率。

其中，各个第一选项分别对应于一个序列组，每个序列组包括若干种彼此相关的序列类别；将被选择的第一选项所对应的序列类别作为期望类别，包括：将被选择的第一选项所对应的序列组作为期望序列组，并将期望序列组所包含的序列类别作为期望类别；在第二显示区域显示期望图像，包括：确定期望序列组包含的序列类别数；在第二显示区域，以与序列类别数匹配的布局方式，同时显示期望图像。

因此，各个第一选项分别对应于一个序列组，每个序列组包括若干彼此相关的序列类别，在此基础上，将被选择的第一选项所对应的序列组作为期望序列组，并将期望序列组所包含的序列类别作为期望类别，以及确定期望序列组包含的序列类别数，从而在第二显示区域，以与序列类别数匹配的布局方式，同时显示期望图像，进而能够便于医生同屏对比相关序列类别的医学图像，有利于提升处理效率。

其中，在图像显示界面的第一显示区域显示序列类别的第一选项和病灶组织的第二选项，包括：在第一显示区域显示选项列表；其中，选项列表包括分别代表各个病灶组织的第二选项，且第二选项包括若干子选项，各个子选项分别代表各个序列类别的第一选项。

因此，通过在第一显示区域显示选项列表，且选项列表包括分别代表各个病灶组织的第二选项，第二选项包括若干子选项，各个子选项分别代表各个序列类别的第一选项，即代表各个病灶组织的第二选项以列表形式在第一显示区域展示，而各个序列类别的第一选项以子选项的形式在每个第二选项对应显示，故能够直观地展示各个选项，有利于提升交互体验。

其中，第二显示区域用于显示期望图像，且期望图像标记有期望组织的组织区域，期望图像和期望组织的选择步骤包括：响应于子选项被选择，将被选择的子选项对应的序列类别作为期望类别，并将属于期望类别的医学图像作为期望图像，以及且被选择的子选项所在的第二选项对应的病灶组织作为期望组织；或者，响应于子选项和第二选项均被选择的情况下，将被选择的子选项对应的序列类别作为期望类别，并将属于期望类别的医学图像作为期望图像，以及将被选择的第二选项对应的病灶组织作为期望组织。

因此，在子选项被选择的情况下，将被选择的子选项对应的序列类别作为期望类别，并将属于期望类别的医学图像作为期望图像，以及将被选择的子选项所在的第二选项对应的病灶组织作为期望组织，故选中子选项即代表了同时选中了子选项所代表的序列类别以及子选项所在的第二选项所代表的病灶组织，也就是说只需一步操作即可任意选择序列类别和病灶组织，从而能够进一步减少医生浏览医学图像时所需的人机操作，有利于进一步提升处理效率；而在子选项和第二选项均被选择的情况下，将被选择的子选项对应的序列类别作为期望类别，并将属于期望类别的医学图像作为期望图像，以及将且被选择的第二选项对应的病灶组织作为期望组织，故选中子选项和第二选项即代表了同时选中了子选项所代表的序列类别以及第二选项所代表的病灶组织，也就是说子选项和第二选项不存在绑定关系，有利于提升选项选择的自由度。

其中，在图像显示界面的第一显示区域显示序列类别的第一选项和病灶组织的第二选项之前，图像处理方法还包括：获取医学图像中各个病灶组织分别与目标部位的密度对比情况；在图像显示界面的第一显示区域显示序列类别的第一选项和病灶组织的第二选项包括，在每一第二选项内显示各第一选项，并在第二选项内各第一选项分别标记密度提示标识；其中，密度提示标识用于表征医学图像中参考组织与医学图像中目标部位的密度对比情况，且参考组织为第二选项对应的病灶组织，或者，在每一第一选项内显示各第二选项，并在第一选项内各第二选项分别标记密度提示标识；其中，密度提示标识用于表征参考图像中病灶组织与参考图像中目标部位的密度对比情况，且参考图像为属于第一选项对应的序列类别的医学图像。

因此，通过获取医学图像中各个病灶组织分别与目标部位的密度对比情况，从而每一第二选项内显示各第一选项，并在第二选项内各第一选项分别对应标记密度提示标识，且密度提示标识用于表征医学图像中参考组织与医学图像中目标部位的密度对比情况，参考组织为第二选项对应的病灶组织，或者每一第一选项内显示各第二选项，并在第一选项内各第一选项分别对应标记密度提示标识，且密度提示标识用于表征参考图像中病灶组织与参考图像中目标部位的密度对比情况，参考图像为属于第一选项对应的序列类别的医学图像，也就是说，密度提示标识既可以对应第一选项进行展示，也可以对应第二选项进行展示，有利于提升密度提示的自由度，且通过标记密度对比情况，也能够有利于为医生提供更为丰富的辅助信息。

其中，图像处理方法还包括：识别病灶组织的病变程度；其中，每一第二选项均对应标记有病变提示标识，且病变提示标识用于表征第二选项对应的病灶组织的病变程度。

因此，通过识别病灶组织的病变程度，且每一第二选项均对应标记有病变提示标识，病变提示标识用于表征第二选项对应的病灶组织的病变程度，有利于进一步为医生提供更为丰富的辅助信息。

其中，病灶信息包括病灶组织的组织区域，获取若干医学图像中目标部位上病灶组织的组织区域，包括：分别对若干医学图像进行检测，得到各个医学图像的病灶检测结果；其中，病灶检测结果包括至少一个病灶组织的检测区域；基于若干医学图像的病灶检测结果，得到各个病灶组织分别在若干医学图像中的组织区域。

因此，病灶信息包括病灶组织的组织区域，分别对若干医学图像进行检测，得到各个医学图像的病灶检测结果，且病灶检测结果包括至少一个病灶组织的检测区域，并基于若干医学图像的病灶检测结果，得到各个病灶组织分别在若干医学图像中的组织区域，故能够综合各个医学图像的病灶检测结果，统一各个病灶组织分别在各个医学图像中的组织区域，有利于病灶组织标记的全面性和统一性。

其中，基于若干医学图像的病灶检测结果，得到各个病灶组织分别在若干医学图像中的组织区域，包括：响应于不同医学图像中检测区域的重合度高于第一阈值，确定检测区域属于相同病灶组织，并将检测区域的并集作为对应病灶组织的组织区域；和/或，响应于不同医学图像中检测区域的重合度低于第二阈值，确定检测区域属于不同病灶组织，并分别将其中一个医学图像中的检测区域映射至另一个医学图像中，以及将检测区域分别作为不同病灶组织的组织区域。

因此，响应于不同医学图像中检测区域的重合度高于第一阈值，确定检测区域属于相同病灶组织，并将检测区域的并集作为对应病灶组织的组织区域，而响应于不同医学图像中检测区域的重合度低于第二阈值，确定检测区域属于不同病灶组织，并分别将其中一个医学图像中的检测区域映射至另一个医学图像中，以及将检测区域分别作为不同病灶组织的组织区域，故能够通过检测区域的重合度来确定是否属于同一病灶组织，并在确定属于同一病灶组织的情况下，将检测区域合并得到对应病灶组织的组织区域，有利于提升组织区域的准确性，而在确定检测区域不属于相同病灶组织的情况下，通过将其中一个医学图像中的检测区域映射至另一个医学图像中，并将检测区域分别作为不同病灶组织的组织区域，能够准确区分不同病灶组织，有利于提升组织区域的准确性。

其中，目标部位为肝脏，若干医学图像的序列类别包括：同相、反相、弥散加权成像、表观弥散系数、T2抑脂、平扫期、动脉期、门脉期、延迟期。

因此，处理效率在目标部位为肝脏时，若干医学图像的序列类别包括：同相、反相、弥散加权成像、表观弥散系数、T2抑脂、平扫期、动脉期、门脉期、延迟期，能够通过大量不同序列类别的医学图像，进一步为医生提供更为丰富的辅助信息。

本申请第二方面提供了一种图像处理装置，包括：类别获取模块、病灶获取模块、分组显示模块，类别获取模块，用于获取若干医学图像的序列类别；其中，若干医学图像是扫描目标部位而得到的；病灶获取模块，用于获取若干医学图像中目标部位上的病灶信息；分组显示模块，用于根据序列类别和病灶信息，对若干医学图像进行分组显示。

本申请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处理方法。

本申请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处理方法。

上述方案，通过获取若干医学图像的序列类别，且若干医学图像是扫描目标部位而得到的，再获取若干医学图像中目标部位上的病灶信息，从而根据序列类别和病灶信息，对若干医学图像进行分组显示，一方面由于自动获取目标部位上的病灶信息，能够免于人工结合大量医学图像进行决策，另一方面由于通过序列类别和病灶信息即可自动分组显示医学图像，能够免于执行拖拽、翻页等过多操作，故能够大大提升图像处理效率。

附图说明

图1是本申请图像处理方法一实施例的流程示意图；

图2是图像显示界面一实施例的示意图；

图3是图像显示界面另一实施例的示意图；

图4是本申请图像处理装置一实施例的框架示意图；

图5是本申请电子设备一实施例的框架示意图；

图6是本申请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

下面结合说明书附图，对本申请实施例的方案进行详细说明。

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，以便透彻理解本申请。

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。

请参阅图1，图1是本申请图像处理方法一实施例的流程示意图。

具体而言，可以包括如下步骤：

步骤S11：获取若干医学图像的序列类别。

本公开实施例中，若干医学图像是扫描目标部位而得到的。具体地，目标部位可以是器官，例如，在需要对肝脏进行检测的情况下，目标部位可以是肝脏，而在需要对肾脏进行检测的情况下，目标部位也可以是肾脏，具体可以根据实际应用需要进行设置，在此不做限定。此外，在以不同扫描参数进行扫描时，可以获取不同序列类别的医学图像。以核磁共振成像为例，可以通过改变核磁共振影响因数，得到不同的医学图像，这些医学图像的序列类别也不同。其他情况可以以此类推，在此不再一一举例。

在一个实施场景中，医学图像可以包括但不限于MR图像等。以目标部位是肝脏为例，可以扫描获取包括但不限于如下序列类别的医学图像：同相、反相、弥散加权成像、表观弥散系数、T2抑脂、平扫期、动脉期、门脉期、延迟期。其他情况可以以此类推，在此不再一一举例。

在一个实施场景中，医学图像可以标记有序列类别。例如，序列类别为“同相”的医学图像可以标记有序列类别“同相”，其他情况可以以此类推，在此不再一一举例。在此情况下，可以对医学图像进行文字识别，从而获取医学图像的序列类别。

在一个实施场景中，医学图像也可以未标记序列类别，则可以对医学图像进行识别，从而得到医学图像的序列类别。为了提升序列识别效率，可以预先训练一个序列识别模型，序列识别模型包括但不限于卷积神经网络等，在此对其网络结构不做限定。在此基础上，可以将若干医学图像输入序列识别模型，从而得到各个医学图像的序列类别。具体地，在训练阶段，可以预先采集不同序列类别的样本图像，且样本图像可以标记有其所属的样本类别，并利用序列识别模型对样本图像进行序列识别，得到样本图像所属的预测类别，从而可以利用样本类别与预测类别之间的差异，调整序列识别模型的网络参数。需要说明的是，序列识别模型在进行序列识别时，可以得到医学图像分别属于若干预设类别的预测概率值，在此基础上，可以将最大预测概率值对应的预设类别作为医学图像所属的序列类别。此外，可以基于样本类别以及样本图像属于若干预设类别的预测概率值，通过交叉熵等损失函数计算得到序列识别模型的损失值，并可以基于损失值，通过梯度下降等优化方式调整序列识别模型的网络参数。具体过程，可以参阅交叉熵等损失函数以及梯度下降等优化方式的技术细节，在此不再赘述。

在一个实施场景中，医学图像也可以带有序列描述，在此情况下，还可以通过过滤序列描述的方式进行序列识别。仍以目标部位是肝脏为例，医学图像所带的序列描述可以包括但不限于：AP(即同相)、OP(即反相)、DWI(即弥散加权成像)、ADC(即表观弥散系数)、T2抑脂、T1NC(即平扫期)、A(即动脉期)、P(即门脉期)、D(即延迟期)。在此基础上，通过对序列描述这个字段进行过滤，即可识别出各个医学图像的序列类别。其他情况可以以此类推，在此不再一一举例。

在一个实施场景中，为了进一步提升序列识别的准确性，还可以结合序列识别模型和过滤序列描述两种方式，识别得到各个医学图像的序列类别。例如，在医学图像带有序列描述的情况下，可以先通过过滤序列描述的方式进行序列识别，再通过序列识别模型进行二次识别。

步骤S12：获取若干医学图像中目标部位上的病灶信息。

在一个实施场景中，仍以目标部位是肝脏为例，病灶组织可以包括但不限于：囊肿、脓肿、血肿、癌组织等等，在此不做限定。其他情况可以以此类推，在此不再一一举例。

在一个实施场景中，病灶信息具体可以包括病灶组织的组织区域。此外，不同序列类别的医学图像对于不同病灶组织的成像效果也可能不同，从而可能导致不同医学图像分别检测到的病灶组织也不尽相同。仍以目标部位是肝脏为例，属于序列类别“同相”的医学图像中可能检测出囊肿，但未检测出癌组织，而属于序列类别“门脉期”的医学图像中可能检测出癌组织，但未检测出囊肿，故通过综合各种序列类别的医学图像各自的检测结果，以得到最终的检测结果，能够有效提升最终检测的准确性。具体而言，可以分别对若干医学图像进行检测，得到各个医学图像的病灶检测结果，且轮廓结果可以包括至少一个病灶组织的检测区域，基于此，可以基于若干医学图像的病灶检测结果，得到各个病灶组织分别在若干医学图像中的组织区域。需要说明的是，在实际应用过程中，部分医学图像还可能未检测出任何病灶组织，即病灶检测结果也可能不包含任何病灶组织的组织区域。此外，上述关于各种序列类别所检测到的病灶组织的举例，仅作示例说明，并不因此而表示一定能够或不能够检测出相应的病灶组织，在此对各种序列类别的病灶检测结果不做限定。上述方式，能够综合各个医学图像的病灶检测结果，统一各个病灶组织分别在各个医学图像中的组织区域，有利于病灶组织标记的全面性和统一性。

在一个具体的实施场景中，为了提升处理效率，可以预先训练一个组织检测模型，且组织检测模型可以包括但不限于U-Net等，在此对组织检测模型的网络结构不做限定。在此基础上，可以利用组织检测模型分别对若干医学图像进行检测，得到各个医学图像的病灶检测结果。具体地，在训练阶段，可以预先采集若干样本图像，且样本图像中可以标记有病灶组织的样本组织区域，基于此可以利用组织检测模型对样本图像进行检测，得到样本图像中病灶组织的预测组织区域，从而可以利用样本组织区域和预测组织区域之间的差异，调整组织检测模型的网络参数。需要说明的是，具体可以通过诸如dice loss等损失函数度量样本组织区域和预测组织区域之间的区域，得到组织检测模型的损失值，并可以通过梯度下降等优化方式基于损失值调整组织检测模型的网络参数。具体过程，可以参阅诸如dice loss等损失函数以及诸如梯度下降等优化方式的技术细节，在此不再赘述。

在一个具体的实施场景中，可以响应于不同医学图像中检测区域的重合度高于第一阈值，确定检测区域属于相同病灶组织，并将检测区域的并集作为对应病灶组织的组织区域。仍以目标部位是肝脏为例，如在属于序列类别“同相”的医学图像中检测得到的检测区域，以及在属于序列类别“反相”的医学图像中检测到的检测区域，两者之间的重合度高于第一阈值，则可以认为这两个检测区域对应于同一病灶组织，并将这两个检测区域的并集作为该病灶组织的组织区域；或者，如在属于序列类别“同相”的医学图像、属于序列类别“反相”的医学图像和属于序列类别“平扫期”的医学图像中分别检测到的检测区域，两两之间的重合度均高于第一阈值，则可以认为这三个检测区域对应于同一病灶组织，并将这三个检测的并集作为该病灶组织的组织区域。其他情况可以以此类推，在此不再一一举例。此外，重合度可以通过交并比(Intersection-over-Union，IoU)来进行度量，具体计算方式可以参阅交并比的技术细节，在此不再赘述。需要说明的是，第一阈值的具体数值，可以根据实际应用需要进行设置。例如，在对检测要求较高的情况下，第一阈值可以设置地稍大一些，如可以设置为90％、95％等，或者，在对检测要求相对宽松的情况下，第一阈值可以设置地适当小一些，如可以设置为80％、85％等，在此不做限定。上述方式，能够准确区分不同病灶组织，有利于提升组织区域的准确性。

在一个具体的实施场景中，也可以响应于不同医学图像中检测区域的重合度低于第二阈值，确定检测区域属于不同病灶组织，并分别将其中一个医学图像中的检测区域映射至另一个医学图像中，以及将检测区域分别作为不同病灶组织的组织区域。仍以目标部位是肝脏为例，如在属于序列类别“同相”的医学图像中检测得到的检测区域，以及在属于序列类别“反相”的医学图像中检测到的检测区域，两者之间的重合度低于第二阈值，则可以认为这两个检测区域分别对应于不同病灶组织，并将属于序列类别“同相”的医学图像中检测得到的检测区域映射至属于序列类别“反相”的医学图像中，类似地，将属于序列类别“反相”的医学图像中的检测区域映射至属于序列类别“同相”的医学图像中，以及将这两个检测区域分别作为不同病灶组织的组织区域。其他情况可以以此类推，在此不再一一举例。此外，重合度可以通过交并比(Intersection-over-Union，IoU)来进行度量，具体计算方式可以参阅交并比的技术细节，在此不再赘述。需要说明的是，第二阈值的具体数值，可以根据实际应用需要进行设置。例如，在对检测要求较高的情况下，可以将第二阈值设置地高一些，反之在对检测要求相对宽松的情况下，可以将第二阈值设置地稍小一些，在此不做限定。此外，第二阈值和第一阈值也可以为设置为同一数值。此外，具体可以获取医学图像之间的配准参数，再利用配准参数将其中一个医学图像中的检测区域映射至另一个医学图像中。配准参数具体可以通过神经网络、特征点匹配等方式获取，具体过程在此不再赘述。上述方式，能够准确区分不同病灶组织，有利于提升组织区域的准确性。

步骤S13：根据序列类别和病灶信息，对若干医学图像进行分组显示。

具体地，可以将序列类别彼此相关的医学图像划为图像组。例如，序列类别“同相”和序列类别“反相”相关，则可以将序列类别为“同相”的医学图像和序列类别为“反相”的医学图像划为图像组，其他情况可以以此类推，在此不再一一举例。在此基础上，可以在图像显示界面显示每个图像组的缩略图，并响应于用户对缩略图的选择指令，将图像显示界面更新显示为该缩略图对应的图像组中的医学图像。进一步地，如前所述，病灶信息可以包括病灶组织的组织区域，则还可以在医学图像显示病灶组织的组织区域。

此外，也可以在图像显示界面的第一显示区域显示序列类别的第一选项和病灶组织的第二选项。在此基础上，可以响应于对第一选项和第二选项的选择信息，在图像显示界面的第二显示区域显示医学图像和组织区域。上述方式，仅需少量操作即可显示期望的医学图像和病灶组织，有利于提升图像处理效率。

在一个实施场景中，请结合参阅图2，图2是显示界面一实施例的示意图。如图2所示，可以在第一显示区域显示选项列表，且选项列表可以包括分别代表各个病灶组织的第二选项，第二选项又可以包括若干子选项，各个子选项分别代表各个序列类别的第一选项。上述方式，代表各个病灶组织的第二选项以列表形式在第一显示区域展示，而各个序列类别的第一选项以子选项的形式在每个第二选项对应显示，故能够直观地展示各个选项，有利于提升交互体验。

在一个具体的实施场景中，各个第一选项可以分别对应一种序列类别；或者，为了便于对照，各个第一选项也可以分别对应于一个序列组，且每个序列组包括若干种彼此相关的序列类别。仍以目标部位是肝脏为例，可以设置4个第一选项，且每个第一选项分别对应于一个序列组，其中一个序列组包含序列类别T2抑脂，其中一个序列组包含序列类别DWI和ADC，其中一个序列组包含序列类别IP和OP，其中一个序列组包含序列类别T1NC、A、P和D，上述缩写的具体含义可以参阅前述相关描述，在此不再赘述。

在一个具体的实施场景中，以病灶组织是病灶组织为例，如前所述，各个第一选项也可以分别对应于一个序列组，且每个序列组包括若干种彼此相关的序列类别，请继续结合参阅图2，第一显示区域中实线方框表示第二选项，如第一个实线方框即表示代表病灶1的第一选项，第二个实线方框即表示代表病灶2的第二选项。进一步地，在每个实线方框内又包含若干个以虚线方框所示的子选项(即代表序列类别的第一选项)，如第一个虚线方框即表示代表T2抑脂的第一选项，第二个虚线方框即表示代表DWI和ADC的第一选项，第三个虚线方向即表示代表IP和OP的第一选项，第四个虚线方框即表示代表T1NC、A、P和D的第一选项。

在一个实施场景中，请结合参阅图3，图3是显示界面另一实施例的示意图。如图3所示，可以在第一显示区域显示选项列表，且选项列表可以包括分别代表各个序列类别的第一选项，第一选项又可以包括若干子选项，各个子选项分别代表各个病灶组织的第二选项。上述方式，代表各个序列类别的第一选项以列表形式在第一显示区域展示，而各个病灶组织的第二选项以子选项的形式在每个第一选项对应显示，故能够直观地展示各个选项，有利于提升交互体验。

在一个具体的实施场景中，如前所述，各个第一选项可以分别对应一种序列类别；或者，为了便于对照，各个第一选项也可以分别对应于一个序列组，且每个序列组包括若干种彼此相关的序列类别。

在一个具体的实施场景中，如前所述，各个第一选项也可以分别对应于一个序列组，且每个序列组包括若干种彼此相关的序列类别，请继续结合参阅图3，第一显示区域中实线方框表示第一选项，如第一个实线方框即表示代表序列组T2抑脂的第一选项，第二个实线方框即表示代表序列组DWI和ADC的第一选项，第三个实线方框即表示代表序列组IP和OP的第一选项，第四个实线方框即表示代表序列组T1NC、A、P和D的第一选项。进一步地，在每个实线方框内又包含若干个以虚线方框所示的子选项(即代表病灶组织的第二选项)，如第一个虚线方框即表示代表病灶1的第二选项，第二个虚线方框即表示代表病灶2的第二选项。

在一个实施场景中，除了图2和图3所示的选项排布方式，也可以根据需要自定义设置其他排布方式，如可以将第一选项和第二选项分开排布，图2和图3仅仅做示例，并不因此而限定其他排布方式。

在一个实施场景中，如图2或图3所示，图像显示界面还可以包括第三显示区域，且第三显示区域用于显示若干医学图像所属目标人员的基础信息(如，姓名、年龄、性别、出生日期、检查号等等)。

在一个实施场景中，可以将被选择的第一选项对应的序列类别作为期望类别，并将属于期望类别的医学图像作为期望图像，以及将被选择的第二选项所对应的病灶组织作为期望组织，从而在第二显示区域显示期望图像，并在期望图像标记期望组织的组织区域。上述方式，故能够支持自主选择期望显示的医学图像以及期望标记的病灶组织，有利于大大减少医生浏览医学图像所需的人机操作，有助于提升处理效率。

在一个具体的实施场景中，如前所述，为了便于对照，各个第一选项可以分别对应于一个序列组，且每个序列组可以包括若干种彼此相关的序列类别，在此基础上，可以将被选择的第一选项所对应的序列组作为期望序列组，并将期望序列组所包含的序列类别作为期望类别，以及确定期望序列组包含的序列类别数，从而可以在第二显示区域，以与序列类别数匹配的布局方式，同时显示期望图像。仍以目标部位是肝脏为例，在选择代表序列组T2抑脂的第一选项时，可以将属于序列类别T2抑脂的医学图像作为期望图像；或者，在选择代表序列组DWI和ADC的第一选项时，可以将属于序列类别DWI和ADC的医学图像作为期望图像；或者，在选择代表序列组IP和OP的第一选项时，可以将属于序列类别IP和OP的医学图像作为期望图像；或者，在选择代表序列组T1NC、A、P和D的第一选项时，可以将属于序列类别T1NC、A、P和D的医学图像作为期望图像，其他情况可以以此类推，在此不再一一举例。此外，示例性地，为了便于对照，在序列类别数为1的情况下，可以选择1*1(即一行一列)的布局方式，在序列类别数为2的情况下，可以选择1*2(即一行两列)的布局方式，在序列类别数为4的情况下，可以选择2*2(即两行两列)的布局方式，其他情况可以以此类推，在此不再一一举例。上述方式，能够便于医生同屏对比相关序列类别的医学图像，有利于提升处理效率。

在一个具体的实施场景中，可以采用预设样式标记组织区域，预设样式可以包括但不限于：线条颜色(如，红色、蓝色等)、线条线型(如，实线、虚线等)、线条粗细(如，10磅、20磅、30磅等)、填充样式(如，斜线填充、无色填充等)、填充透明度(如，10％透明度、20％透明度等)，在此不做限定。

在一个实施场景中，请继续结合参阅图2，可以响应于子选项被选择，可以将被选择的子选项对应的序列类别作为期望类别，并将属于期望类别的医学图像作为期望图像，以及将被选择的子选项所在的第二选项对应的病灶组织作为期望组织，从而第二显示区域可以显示期望图像，且在期望图像标记期望组织的组织区域。仍以目标部位是肝脏，且病灶组织是病灶组织为例，可以在第一显示区域选择第二选项“病灶1”所含子选项“DWI ADC”，在此情况下，可以将属于DWI和ADC的医学图像作为期望图像，并将该子选项所在第二选项对应的病灶组织“病灶1”作为期望组织，以及在第二显示区域，以1*2的布局方式显示属于DWI和ADC的医学图像(图2中第二显示区域内实线方框所示)，并在两者标记期望组织(如图2中第二显示区域内虚线椭圆为例)的组织区域。其他情况可以以此类推，在此不再一一举例。上述方式，选中子选项即代表了同时选中了子选项所代表的序列类别以及子选项所在的第二选项所代表的病灶组织，也就是说只需一步操作即可任意选择序列类别和病灶组织，从而能够进一步减少医生浏览医学图像时所需的人机操作，有利于进一步提升处理效率。

在一个实施场景中，请继续结合参阅图2，还可以响应于子选项和第二选项均被选择，将被选择的子选项对应的序列类别作为期望类别，并将属于期望类别的医学图像作为期望图像，以及将被选择的第二选项对应的病灶组织作为期望组织，从而第二显示区域可以用于显示期望图像，且期望图像标记有期望组织的组织区域。仍以目标部位是肝脏，且病灶组织是病灶组织为例，可以在第一显示区域选择子选项“DWI ADC”，并选择第二选项“病灶2”，在此情况下，可以将属于DWI和ADC的医学图像作为期望图像，并将病灶组织“病灶2”作为期望组织，以及在第二显示区域，以1*2的布局方式显示属于DWI和ADC的医学图像(图2中第二显示区域内实线方框所示)，并在两者标记期望组织(如图2中第二显示区域内虚线椭圆为例)的组织区域。其他情况可以以此类推，在此不再一一举例。上述方式，选中子选项和第二选项即代表了同时选中了子选项所代表的序列类别以及第二选项所代表的病灶组织，也就是说子选项和第二选项不存在绑定关系，有利于提升选项选择的自由度。

在一个实施场景中，请继续结合参阅图3，还可以响应于子选项被选择，将被选择的子选项对应的目标组作为期望组织，并将被选择的子选项所在的第一选项对应的序列类别作为期望类别，以及将属于期望类别的医学图像作为期望图像，第二显示区域用于显示期望图像，且期望图像标记有期望组织的组织区域。仍以目标部位是肝脏，且病灶组织是病灶组织为例，可以在第一显示区域选择第一选项“DWI ADC”所含子选项“病灶1”。在此情况下，可以将病灶1作为期望组织，并将属于DWI和ADC的医学图像作为期望图像，以及在第二显示区域，以1*2的布局方式显示属于DWI和ADC的医学图像(图3中第二显示区域内实线方框所示)，并在两者标记期望组织(如图3中第二显示区域内虚线椭圆为例)的组织区域。其他情况可以以此类推，在此不再一一举例。

在一个实施场景中，请继续结合参阅图3，还可以响应于子选项和第一选项被选择，将被选择的子选项对应的病灶组织作为期望组织，并将被选择的第一选项对应的序列类别作为期望类别，以及将属于期望类别的医学图像作为期望图像，第二显示区域用于显示期望图像，且期望图像标记有期望组织的组织区域。仍以目标部位是肝脏，且病灶组织是病灶组织为例，可以在第一显示区域选择第一选项“DWI ADC”和子选项“病灶2”，则可以将属于DWI和ADC的医学图像作为期望图像，并将病灶2作为期望组织，从而在第二显示区域，以1*2的布局方式显示属于DWI和ADC的医学图像(图3中第二显示区域内实线方框所示)，并在两者标记期望组织(如图3中第二显示区域内虚线椭圆为例)的组织区域。其他情况可以以此类推，在此不再一一举例。

在一个实施场景中，为了提供更为丰富的辅助信息，还可以获取医学图像中各个病灶组织分别与目标部位的密度对比情况，从而可以在第一显示区域的第一选项、第二选项处对应标记密度提示标识，以提示病灶组织与目标部位的密度对比情况。

在一个具体的实施场景中，密度对比情况可以包括以下任一者：病灶组织的密度高于目标部位的密度，病灶组织的密度低于目标部位的密度，病灶组织的密度等于目标部位的密度。为了直观表示上述三种密度对比情况，如图2或图3所示，可以采用↓表示病灶组织的密度低于目标部位的密度，可以采用↑表示病灶组织的密度高于目标部位的密度，以及可以采用＝表示病灶组织的密度等于目标部位的密度。

在一个具体的实施场景中，可以统计病灶组织的组织区域内各个像素点的像素值，并将像素值的平均值作为病灶组织的密度；类似地，可以统计目标部位的组织区域内各个像素点的像素值，并将像素值的平均值作为目标部位的密度。

在一个具体的实施场景中，请结合参阅图2，可以在每一第二选项内显示各个第一选项，并在第二选项内各第一选项分别标记密度提示标识；其中，密度提示标识用于表征医学图像中参考组织与医学图像中目标部位的密度对比情况，且参考组织为第二选项对应的病灶组织。仍以目标部位是肝脏，且病灶组织是病灶组织为例，第二选项“病灶1”中分别标记有属于序列类别T2抑脂、DWI、ADC、IP、OP、T1NC、A、P、D的医学图像的密度提示标识，其中，属于序列类别T2抑脂的医学图像，其密度提示标识为↑，用于表征属于序列类别T2抑脂的医学图像中“病灶1”的密度高于属于序列类别T2抑脂的医学图像中“肝脏”的密度。其他情况可以以此类推，在此不再一一举例。

在一个具体的实施场景中，请结合参阅图3，也可以在每一第一选项内显示各第二选项，并在第一选项内各第二选项分别标记密度提示标识；其中，密度提示标识用于表征参考图像中病灶组织与参考图像中目标部位的密度对比情况，且参考图像为属于第一选项对应的序列类别的医学图像。仍以目标部位是肝脏，且病灶组织是病灶组织为例，第一选项“T2”对应标记有“病灶1”和“病灶2”的密度提示标识，第一选项“DWI ADC”对应标记有“病灶1”和“病灶2”的密度提示标识，第一选项“IP OP”对应标记有“病灶1”和“病灶2”的密度提示标识，第一选项“T1NC AP D”对应标记有“病灶1”和“病灶2”的密度提示标识。具体地，第一选项“DWI ADC”对应标记有“病灶1”的密度提示标识↑＝，则第一选项“DWI ADC”对应的属于序列类别DWI和属于序列类别ADC的医学图像为参考图像，且在参考图像DWI中“病灶1”的密度高于“肝脏”的密度，在参考图像ADC中“病灶1”的密度等于“肝脏”的密度。其他情况可以以此类推，在此不再一一举例。

在一个实施场景中，为了进一步提供更为丰富的辅助信息，还可以识别病灶组织的病变程度，且每一第二选项均对应标记有病变提示标识，且病变提示标识用于表征第二选项对应的病灶组织的病变程度。上述方式，有利于进一步为医生提供更为丰富的辅助信息。

在一个具体的实施场景中，可以定义病变等级，并定义每种病变等级的所表征的病变程度。如可以定义3种病变等，且病变程度由低到高分别为：轻度、中度、重度，在此不做限定。或者，病变程度也可以由病变组织的病变类型获得，如对于囊肿、脓肿可以认为病变等级为轻中度，而对于细胞癌、转移癌可以认为病变程度为重度。在此情况下，可以采用颜色、形状等来表示不同病变程度，如可以采用红色表示重度，采用黄色表示中度，采用绿色表示轻度；或者，可以采用三个加号表示重度，两个加号表示中度，一个加号表示轻度，在此不做限定。

在一个具体的实施场景中，为了提高病变识别的效率，可以预先训练一个病变检测模型，病变检测模型可以包括但不限于卷积神经网络等，在此不做限定。在此基础上，可以利用病变检测模型对病变组织的组织区域的图像数据进行检测，得到病变组织的病变程度，或者，病变检测模型也可以对病变组织的组织区域的图像数据进行检测，得到病变组织的病变类型，并根据病变类型确定病变程度。具体地，可以预先采集若干样本图像，且样本图像中包含病变组织，并标记有病变组织的样本病变类型，在此基础上，可以利用病变检测模型对样本图像进行检测，得到病变组织的预测病变类型，从而可以根据样本病变类型和预测病变类型之间的差异，调整病变检测模型的网络参数。具体地，病变检测模型可以检测得到属于若干种预设病变类型的预测概率值，并将最大的预测概率值对应的预设病变类型确定为预测病变类型，从而可以通过诸如交叉熵等损失函数处理预测概率值，得到病变检测模型的损失值，并通过诸如梯度下降等优化方式调整病变检测模型的网络参数。具体计算以及调整过程，可以参阅诸如交叉熵等损失函数以及诸如梯度下降等优化方式的技术细节，在此不再赘述。

上述方案，通过获取若干医学图像的序列类别，且若干医学图像是扫描目标部位而得到的，再获取若干医学图像中目标部位上的病灶信息，从而根据序列类别和病灶信息，对若干医学图像进行分组显示，一方面由于自动获取目标部位上的病灶信息，能够免于人工结合大量医学图像进行决策，另一方面由于通过序列类别和病灶信息即可自动分组显示医学图像，能够免于执行拖拽、翻页等过多操作，故能够大大提升图像处理效率。

处理效率请参阅图4，图4是本申请图像处理装置40一实施例的框架示意图。图像处理装置40包括：类别获取模块41、病灶获取模块42、分组显示模块43，类别获取模块41，用于获取若干医学图像的序列类别；其中，若干医学图像是扫描目标部位而得到的；病灶获取模块42，用于获取若干医学图像中目标部位上的病灶信息；分组显示模块43用于根据序列类别和病灶信息，对若干医学图像进行分组显示。

上述方案，通过获取若干医学图像的序列类别，且若干医学图像是扫描目标部位而得到的，再获取若干医学图像中目标部位上的病灶信息，从而根据序列类别和病灶信息，对若干医学图像进行分组显示，一方面由于自动获取目标部位上的病灶信息，能够免于人工结合大量医学图像进行决策，另一方面由于通过序列类别和病灶信息即可自动分组显示医学图像，能够免于执行拖拽、翻页等过多操作，故能够大大提升图像处理效率。

在一些公开实施例中，病灶信息包括病灶组织的组织区域，分组显示模块43包括第一显示子模块，用于在图像显示界面的第一显示区域显示序列类别的第一选项和病灶组织的第二选项；分组显示模块43包括第二显示子模块，用于响应于对第一选项和第二选项的选择信息，在图像显示界面的第二显示区域显示医学图像和组织区域。

因此，在图像显示界面的第一显示区域显示序列类别的第一选项和病灶组织的第二选项，并响应于对第一选项和第二选项的选择信息，在图像显示界面的第二显示区域显示医学图像和组织区域，能够仅需少量操作即可显示期望的医学图像和病灶组织，有利于提升图像处理效率。

在一些公开实施例中，第二显示子模块包括选择子模块，用于将被选择的第一选项所对应的序列类别作为期望类别，并将属于期望类别的医学图像作为期望图像，以及将被选择的第二选项所对应的病灶组织作为期望组织；第二显示子模块包括显示子模块，用于在第二显示区域显示期望图像，并在期望图像标记期望组织的组织区域。

因此，将被选择的第一选项所对应的序列类别作为期望类别，并将属于期望类别的医学图像作为期望图像，以及将被选择的第二选项所对应的病灶组织作为期望组织，从而在第二显示区域显示期望图像，并在期望图像标记期望组织的组织区域，故能够支持自主选择期望显示的医学图像以及期望标记的病灶组织，有利于大大减少医生浏览医学图像所需的人机操作，有助于提升处理效率。

在一些公开实施例中，各个第一选项分别对应于一个序列组，每个序列组包括若干种彼此相关的序列类别；选择子模块具体用于将被选择的第一选项所对应的序列组作为期望序列组，并将期望序列组所包含的序列类别作为期望类别，以及确定期望序列组包含的序列类别数；显示子模块具体用于在第二显示区域，以与序列类别数匹配的布局方式，同时显示期望图像。

因此，各个第一选项分别对应于一个序列组，每个序列组包括若干彼此相关的序列类别，在此基础上，将被选择的第一选项所对应的序列组作为期望序列组，并将期望序列组所包含的序列类别作为期望类别，以及确定期望序列组包含的序列类别数，从而在第二显示区域，以与序列类别数匹配的布局方式，显示期望图像，进而能够便于医生同屏对比相关序列类别的医学图像，有利于提升处理效率。

在一些公开实施例中，第一显示子模块具体用于在第一显示区域显示选项列表；其中，选项列表包括分别代表各个病灶组织的第二选项，且第二选项包括若干子选项，各个子选项分别代表各个序列类别的第一选项。

因此，通过在第一显示区域显示选项列表，且选项列表包括分别代表各个病灶组织的第二选项，第二选项包括若干子选项，各个子选项分别代表各个序列类别的第一选项，即代表各个病灶组织的第二选项以列表形式在第一显示区域展示，而各个序列类别的第一选项以子选项的形式在每个第二选项对应显示，故能够直观地展示各个选项，有利于提升交互体验。

在一些公开实施例中，第二显示区域用于显示期望图像，且期望图像标记有期望组织的组织区域，图像处理装置40还包括选项选择模块，用于响应于子选项被选择，将被选择的子选项对应的序列类别作为期望类别，并将属于期望类别的医学图像作为期望图像，以及将被选择的子选项所在的第二选项对应的病灶组织作为期望组织；或者，选项选择模块用于响应于子选项和第二选项均被选择，将被选择的子选项对应的序列类别作为期望类别，并将属于期望类别的医学图像作为期望图像，以及将被选择的第二选项对应的病灶组织作为期望组织。

因此，第二显示区域用于显示期望图像，且期望图像标记有期望组织的组织区域，响应于子选项被选择，将被选择的子选项对应的序列类别作为期望类别，并将属于期望类别的医学图像作为期望图像，以及将被选择的子选项所在的第二选项对应的病灶组织作为期望组织，故选中子选项即代表了同时选中了子选项所代表的序列类别以及子选项所在的第二选项所代表的病灶组织，也就是说只需一步操作即可任意选择序列类别和病灶组织，从而能够进一步减少医生浏览医学图像时所需的人机操作，有利于进一步提升处理效率；而响应于子选项和第二选项均被选择，将被选择的子选项对应的序列类别作为期望类别，并将于期望类别的医学图像作为期望图像，以及将被选择的第二选项对应的病灶组织作为期望组织，故选中子选项和第二选项即代表了同时选中了子选项所代表的序列类别以及第二选项所代表的病灶组织，也就是说子选项和第二选项不存在绑定关系，有利于提升选项选择的自由度。

在一些公开实施例中，图像处理装置40还包括密度对比模块，用于获取医学图像中各个病灶组织分别与目标部位的密度对比情况；第一显示子模块还具体用于在每一第二选项内显示各第一选项，并在第二选项内各第一选项分别标记密度提示标识；其中，密度提示标识用于表征医学图像中参考组织与医学图像中目标部位的密度对比情况，且参考组织为第二选项对应的病灶组织，或者，第一显示子模块还具体用于在每一第一选项内显示各第二选项，并在第一选项内各第二选项分别标记密度提示标识；其中，密度提示标识用于表征参考图像中病灶组织与参考图像中目标部位的密度对比情况，且参考图像为属于第一选项对应的序列类别的医学图像。

因此，通过获取医学图像中各个病灶组织分别与目标部位的密度对比情况，从而每一第二选项内显示各第一选项，并在第二选项内各第一选项分别对应标记密度提示标识，且密度提示标识用于表征医学图像中参考组织与医学图像中目标部位的密度对比情况，参考组织为第二选项对应的病灶组织，或者每一第一选项内显示各第二选项，并在第一选项内各第二选项分别对应标记密度提示标识，且密度提示标识用于表征参考图像中病灶组织与参考图像中目标部位的密度对比情况，参考图像为属于第一选项对应的序列类别的医学图像，也就是说，密度提示标识既可以对应第一选项进行展示，也可以对应第二选项进行展示，有利于提升密度提示的自由度，且通过标记密度对比情况，也能够有利于为医生提供更为丰富的辅助信息。

在一些公开实施例中，图像处理装置40包括病变识别模块，用于识别病灶组织的病变程度；其中，每一第二选项均对应标记有病变提示标识，且病变提示标识用于表征第二选项对应的病灶组织的病变程度。

因此，在病灶组织为病灶组织的情况下，进一步识别病灶组织的病变程度，且每一第二选项均对应标记有病变提示标识，病变提示标识用于表征第二选项对应的病灶组织的病变程度，有利于进一步为医生提供更为丰富的辅助信息。

在一些公开实施例中，病灶获取模块42包括检测子模块，用于分别对若干医学图像进行检测，得到各个医学图像的病灶检测结果；其中，病灶检测结果包括至少一个病灶组织的检测区域；病灶获取模块42包括融合子模块，用于基于若干医学图像的病灶检测结果，得到各个病灶组织分别在若干医学图像中的组织区域。

因此，分别对若干医学图像进行检测，得到各个医学图像的病灶检测结果，且病灶检测结果包括至少一个病灶组织的检测区域，并基于若干医学图像的病灶检测结果，得到各个病灶组织分别在若干医学图像中的组织区域，故能够综合各个医学图像的病灶检测结果，统一各个病灶组织分别在各个医学图像中的组织区域，有利于病灶组织标记的全面性和统一性。

在一些公开实施例中，融合子模块包括第一响应单元，用于响应于不同医学图像中检测区域的重合度高于第一阈值，确定检测区域属于相同病灶组织，并将检测区域的并集作为对应病灶组织的组织区域；融合子模块包括第二响应单元，用于响应于不同医学图像中检测区域的重合度低于第二阈值，确定检测区域属于不同病灶组织，并分别将其中一个医学图像中的检测区域映射至另一个医学图像中，以及将检测区域分别作为不同病灶组织的组织区域。

因此，响应于不同医学图像中检测区域的重合度高于第一阈值，确定检测区域属于相同病灶组织，并将检测区域的并集作为对应病灶组织的组织区域，而响应于不同医学图像中检测区域的重合度低于第二阈值，确定检测区域属于不同病灶组织，并分别将其中一个医学图像中的检测区域映射至另一个医学图像中，以及将检测区域分别作为不同病灶组织的组织区域，故能够通过检测区域的重合度来确定是否属于同一病灶组织，并在确定属于同一病灶组织的情况下，将检测区域合并得到对应病灶组织的组织区域，有利于提升组织区域的准确性，而在确定检测区域不属于相同病灶组织的情况下，通过将其中一个医学图像中的检测区域映射至另一个医学图像中，并将检测区域分别作为不同病灶组织的组织区域，能够准确区分不同病灶组织，有利于提升组织区域的准确性。

在一些公开实施例中，目标部位为肝脏，若干医学图像的序列类别包括：同相、反相、弥散加权成像、表观弥散系数、T2抑脂、平扫期、动脉期、门脉期、延迟期。

因此，处理效率在目标部位为肝脏时，若干医学图像的序列类别包括：同相、反相、弥散加权成像、表观弥散系数、T2抑脂、平扫期、动脉期、门脉期、延迟期，能够通过大量不同序列类别的医学图像，进一步为医生提供更为丰富的辅助信息。

请参阅图5，图5是本申请电子设备50一实施例的框架示意图。电子设备50包括相互耦接的存储器51和处理器52，处理器52用于执行存储器51中存储的程序指令，以实现上述任一图像处理方法实施例的步骤。在一个具体的实施场景中，电子设备50可以包括但不限于：微型计算机、服务器，此外，电子设备50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。

具体而言，处理器52用于控制其自身以及存储器51以实现上述任一图像处理方法实施例的步骤。处理器52还可以称为CPU(Central Processing Unit，中央处理单元)。处理器52可能是一种集成电路芯片，具有信号的处理能力。处理器52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 SpecificIntegrated 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52可以由集成电路芯片共同实现。

上述方案，一方面由于自动获取目标部位上的病灶信息，能够免于人工结合大量医学图像进行决策，另一方面由于通过序列类别和病灶信息即可分组显示医学图像，能够免于执行拖拽、翻页等过多操作，故能够大大提升图像处理效率。

请参阅图6，图6为本申请计算机可读存储介质60一实施例的框架示意图。计算机可读存储介质60存储有能够被处理器运行的程序指令601，程序指令601用于实现上述任一图像处理方法实施例的步骤。

上述方案，一方面由于自动获取目标部位上的病灶信息，能够免于人工结合大量医学图像进行决策，另一方面由于通过序列类别和病灶信息即可分组显示医学图像，能够免于执行拖拽、翻页等过多操作，故能够大大提升图像处理效率。

在本申请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。

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。

另外，在本申请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。

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，本申请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)执行本申请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。

若本申请技术方案涉及个人信息，应用本申请技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本申请技术方案涉及敏感个人信息，应用本申请技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。

Claims (14)

1.一种图像处理方法，其特征在于，包括：

获取若干医学图像的序列类别；其中，所述若干医学图像是扫描目标部位而得到的；

获取所述若干医学图像中所述目标部位上的病灶信息；；

根据所述序列类别和所述病灶信息，对所述若干医学图像进行分组显示。

2.根据权利要求1所述的方法，其特征在于，所述病灶信息包括病灶组织的组织区域，所述根据所述序列类别和所述病灶信息，对所述若干医学图像进行分组显示，包括：

在图像显示界面的第一显示区域显示所述序列类别的第一选项和所述病灶组织的第二选项；

响应于对所述第一选项和所述第二选项的选择信息，在所述图像显示界面的第二显示区域显示所述医学图像和所述组织区域。

3.根据权利要求2所述的方法，其特征在于，所述响应于对所述第一选项和所述第二选项的选择信息，在所述图像显示界面的第二显示区域显示所述医学图像和所述组织区域，包括：

将被选择的第一选项所对应的序列类别作为期望类别，并将属于所述期望类别的医学图像作为期望图像，以及将被选择的第二选项所对应的病灶组织作为期望组织；

在所述第二显示区域显示所述期望图像，并在所述期望图像标记所述期望组织的组织区域。

4.根据权利要求3所述的方法，其特征在于，各个所述第一选项分别对应于一个序列类别组，每个所述序列类别组包括若干种彼此相关的序列类别；所述将被选择的第一选项所对应的序列类别作为期望类别，包括：

将被选择的第一选项所对应的序列类别组作为期望序列组，并将所述期望序列组所包含的序列类别作为所述期望类别；

所述在所述第二显示区域显示所述期望图像，包括：

确定所述期望序列组包含的序列类别数；

在所述第二显示区域，以与所述序列类别数匹配的布局方式，同时显示所述期望图像。

5.根据权利要求2至4任一项所述的方法，其特征在于，所述在图像显示界面的第一显示区域显示所述序列类别的第一选项和所述病灶组织的第二选项，包括：

在所述第一显示区域显示选项列表；

其中，所述选项列表包括分别代表各个所述病灶组织的第二选项，且所述第二选项包括若干子选项，各个所述子选项分别代表各个所述序列类别的第一选项。

6.根据权利要求5所述的方法，其特征在于，所述响应于对所述第一选项和所述第二选项的选择信息，包括：

响应于所述子选项被选择，将被选择的子选项对应的序列类别作为期望类别，并将属于所述期望类别的医学图像作为期望图像，以及将被选择的子选项所在的第二选项对应的病灶组织作为期望组织；

或者，响应于所述子选项和所述第二选项均被选择，将被选择的子选项对应的序列类别作为期望类别，并将属于所述期望类别的医学图像作为期望图像，以及将被选择的第二选项对应的病灶组织作为期望组织。

7.根据权利要求2至6任一项所述的方法，其特征在于，所述在图像显示界面的第一显示区域显示所述序列类别的第一选项和所述病灶组织的第二选项之前，所述方法还包括：

获取所述医学图像中各个所述病灶组织分别与所述目标部位的密度对比情况；

所述在图像显示界面的第一显示区域显示所述序列类别的第一选项和所述病灶组织的第二选项，包括：

在每一所述第二选项内显示各所述第一选项，并在所述第二选项内各所述第一选项分别标记密度提示标识；其中，所述密度提示标识用于表征所述医学图像中参考组织与所述医学图像中所述目标部位的密度对比情况，且所述参考组织为所述第二选项对应的病灶组织；

或者，在每一所述第一选项内显示各所述第二选项，并在所述第一选项内各所述第二选项分别标记密度提示标识；其中，所述密度提示标识用于表征参考图像中所述病灶组织与所述参考图像中所述目标部位的密度对比情况，且所述参考图像为属于所述第一选项对应的序列类别的医学图像。

8.根据权利要求2至7任一项所述的方法，其特征在于，所述方法还包括：

识别所述病灶组织的病变程度；

其中，每一所述第二选项均对应标记有病变提示标识，且所述病变提示标识用于表征所述第二选项对应的病灶组织的病变程度。

9.根据权利要求1至8任一项所述的方法，其特征在于，所述病灶信息包括病灶组织的组织区域，所述获取所述若干医学图像中所述目标部位上的病灶信息，包括：

分别对所述若干医学图像进行检测，得到各个所述医学图像的病灶检测结果；其中，所述病灶检测结果包括至少一个所述病灶组织的检测区域；

基于所述若干医学图像的病灶检测结果，得到各个所述病灶组织分别在所述若干医学图像中的组织区域。

10.根据权利要求9所述的方法，其特征在于，所述基于所述若干医学图像的病灶检测结果，得到各个所述病灶组织分别在所述若干医学图像中的组织区域，包括：

响应于不同所述医学图像中所述检测区域的重合度高于第一阈值，确定所述检测区域属于相同所述病灶组织，并将所述检测区域的并集作为对应所述病灶组织的组织区域；

和/或，响应于不同所述医学图像中所述检测区域的重合度低于第二阈值，确定所述检测区域属于不同所述病灶组织，并分别将其中一个所述医学图像中的检测区域映射至另一个所述医学图像中，以及将所述检测区域分别作为不同所述病灶组织的组织区域。

11.根据权利要求1所述的方法，其特征在于，所述目标部位为肝脏，所述若干医学图像的序列类别包括：同相、反相、弥散加权成像、表观弥散系数、T2抑脂、平扫期、动脉期、门脉期、延迟期。

12.一种图像处理装置，其特征在于，包括：

类别获取模块，用于获取若干医学图像的序列类别；其中，所述若干医学图像是扫描目标部位而得到的；

病灶获取模块，用于获取所述若干医学图像中所述目标部位上的病灶信息；

分组显示模块，用于根据所述序列类别和所述病灶信息，对所述若干医学图像进行分组显示。

13.一种电子设备，其特征在于，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至11任一项所述的图像处理方法。

14.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至11任一项所述的图像处理方法。

Images