CN116052846A - 医学图像生成方法、装置、设备及计算机可读存储介质 - Google Patents

Abstract

本申请实施例涉及医学图像数据处理技术领域，公开了一种医学图像生成方法、装置及计算机可读存储介质，该方法通过利用医学图像序号相近的图像最为接近的性质，将缺失图像的相邻序号图像作为基准图像并进行图像分割，将分割后的每一块图块与图像组数据库中图像属性相同的对比图像进行图像分割后的每一块图块进行相似度比较，将相似度最高的多个图块生成新的修复图像，修复图像和图像组中的其他图像共同组成了完整无缺失的图像组，使得用户可以参考包含修复图像的图像组对患者进行更准确地诊断，且避免了重新扫描，提高医生的诊断效率，节约患者问诊时间。

Description

医学图像生成方法、装置、设备及计算机可读存储介质

技术领域

本申请实施例涉及医学图像数据处理技术领域，具体涉及一种医学图像生成方法、装置、设备及计算机可读存储介质。

背景技术

目前随着技术的发展，人们能享受到的医疗服务越来越完善，医疗诊断不再仅依赖于医生的感官，现代的医疗器械可以对患者身体进行CT(Computed Tomography，电子计算机断层扫描)检查，得到带有编号的多张医学图像，即DICOM(Digital Imaging andCommunications in Medicine，医学数字成像和通信)图像文件，同一系列中的DICOM图像文件的编号是按扫描生成图像的前后顺序生成的。

然而，在DICOM图像文件的拷贝或转存的过程中可能因为各种各样的原因而导致部分DICOM图像文件出现缺失或损坏，在后续的诊断步骤中，往往需要根据同一个系列的DICOM图像文件进行三维重建，得到立体图像，便于医生进行较为精准的病情分析，若直接对存在缺失或损坏问题的DICOM图像文件进行三维重建，可能导致生成的立体图像出现错误，医生根据错误的立体图像进行诊断可能对患者病情造成严重误判，影响医生的诊断效果。

发明内容

鉴于上述问题，本申请实施例提供了一种医学图像生成方法、装置、设备及计算机可读存储介质，用于解决现有技术中存在的上述问题。

根据本申请实施例的一个方面，提供了一种医学图像生成方法，包括：

对包含多张医学图像的图像组进行解析，得到目标图像的目标图像序号n；

对基准图像进行图像分割，得到多个第一图块，所述基准图像为所述图像组中的第n+1张图像或第n-1张图像或通过第n+1与第n-1张图像进行图像融合得到的图像；

对数据库中的对比图像进行图像分割，针对每张所述对比图像均得到多个第二图块，所述对比图像为所述数据库中的和所述图像组的图像属性相同的图像；

将所述基准图像中第k位置的所述第一图块依次和每张所述对比图像中第k位置的所述第二图块进行比较，从所有所述对比图像中第k位置的所述第二图块中确定与所述基准图像中第k位置的所述第一图块的相似度最高的第三图块，直至完成所述基准图像中所有位置图块比较并得到对应每个位置的所述第三图块；

根据对应每个位置的所述第三图块生成修复图像。

在一种可选的方式中，所述对包含多张医学图像的图像组进行解析，得到目标图像的目标图像序号n，包括：

通过DICOM方式获取所述图像组中每一张图像的图像行数、图像列数、图像序号和像素值，将所述图像行数、所述图像列数、所述图像序号和所述像素值共同作为所述图像属性；

获取所述图像组中每一张图像的所述像素值小于预设像素值的区域的缺失面积；

若所述缺失面积大于预设阈值，将所述图像组中的所述像素值小于所述预设像素值的区域对应的图像和所述图像组中的所述像素值小于所述预设像素值的区域对应的图像的所述图像序号分别作为所述目标图像和所述目标图像序号n；

所述对基准图像进行图像分割，得到多个第一图块，所述基准图像为所述图像组中的第n+1张图像或第n-1张图像或通过第n+1与第n-1张图像进行图像融合得到的图像，包括：

根据所述图像行数和所述图像列数对所述图像组中的第n+1张图像或第n-1张图像或通过第n+1与第n-1张图像进行图像融合得到的图像进行图像分割，得到多个所述第一图块。

在一种可选的方式中，所述对数据库中的对比图像进行图像分割，针对每张所述对比图像均得到多个第二图块，所述对比图像为所述数据库中的和所述图像组的图像属性相同的图像之前，所述方法还包括：

从所述图像组中获取多张医学图像作为所述对比图像并建立所述数据库；

所述将所述基准图像中第k位置的所述第一图块依次和每张所述对比图像中第k位置的所述第二图块进行比较，从所有所述对比图像中第k位置的所述第二图块中确定与所述基准图像中第k位置的所述第一图块的相似度最高的第三图块，直至完成所述基准图像中所有位置图块比较并得到对应每个位置的所述第三图块之前，所述方法还包括：

将所述对比图像中包含的所述图像组中的所述基准图像剔除。

在一种可选的方式中，所述将所述基准图像中第k位置的所述第一图块依次和每张所述对比图像中第k位置的所述第二图块进行比较，从所有所述对比图像中第k位置的所述第二图块中确定与所述基准图像中第k位置的所述第一图块的相似度最高的第三图块，直至完成所述基准图像中所有位置图块比较并得到对应每个位置的所述第三图块，包括：

将所述基准图像中第k位置的所述第一图块依次和每张所述对比图像中第k位置的所述第二图块进行相似度比较，得到所述基准图像中第k位置的所述第一图块与每张所述对比图像中第k位置的所述第二图块的第二相似度值；

根据所述第二图块所属的所述对比图像是否为所述图像组中的医学图像，对所述第二相似度值进行权重调整，得到权重调整后的第二相似度值；

选择所述第二相似度值最高的所述第二图块作为所述第k位置的所述第三图块。

在一种可选的方式中，所述将所述基准图像中第k位置的所述第一图块依次和每张所述对比图像中第k位置的所述第二图块进行比较，从所有所述对比图像中第k位置的所述第二图块中确定与所述基准图像中第k位置的所述第一图块的相似度最高的第三图块，直至完成所述基准图像中所有位置图块比较并得到对应每个位置的所述第三图块，包括：

将所述基准图像中第k位置的所述第一图块和第s张所述对比图像中第k位置的所述第二图块进行相似度比较，得到所述基准图像中第k位置的所述第一图块与第s张所述对比图像中第k位置的所述第二图块的第一相似度值；

判断所述第一相似度值是否满足预设阈值；

若是，将第s张所述对比图像中第k位置的所述第二图块确定为对应的所述第三图块，将k设为k+1，然后跳转至所述将所述基准图像中第k位置的所述第一图块和第s张所述对比图像中第k位置的所述第二图块进行相似度比较，得到所述基准图像中第k位置的所述第一图块与第s张所述对比图像中第k位置的所述第二图块的第一相似度值的步骤，直到所述基准图像中的所有所述第一图块与所述第二图块的所述第一相似度值均满足所述预设阈值；

若否，将s设为s+1，然后跳转至所述将所述基准图像中第k位置的所述第一图块和第s张所述对比图像中第k位置的所述第二图块进行相似度比较，得到所述基准图像中第k位置的所述第一图块与第s张所述对比图像中第k位置的所述第二图块的第一相似度值的步骤。

在一种可选的方式中，所述对数据库中的对比图像进行图像分割，针对每张所述对比图像均得到多个第二图块，所述对比图像为所述数据库中的和所述图像组的图像属性相同的图像，包括：

根据所述对比图像的所述图像行数和所述图像列数进行图像分割，得到多个所述第二图块。

在一种可选的方式中，所述对基准图像进行图像分割，得到多个第一图块，所述基准图像为所述图像组中的第n+1张图像或第n-1张图像或通过第n+1与第n-1张图像进行图像融合得到的图像，包括：

对尺寸为q的所述基准图像进行图像分割，得到多个尺寸为w的所述第一图块，其中q和w满足w/q＝1/64。

在一种可选的方式中，所述对数据库中的对比图像进行图像分割，针对每张所述对比图像均得到多个第二图块，所述对比图像为所述数据库中的和所述图像组的图像属性相同的图像，包括：

对尺寸为q的所述对比图像进行图像分割，得到多个尺寸为w的所述第二图块，其中q和w满足w/q＝1/64。

根据本申请实施例的另一方面，提供了一种医学图像生成装置，包括：

解析模块，用于对包含多张医学图像的图像组进行解析，得到目标图像的目标图像序号n；

第一分割模块，用于对基准图像进行图像分割，得到多个第一图块，其中所述基准图像为所述图像组中的第n+1张图像或第n-1张图像或通过第n+1与第n-1张图像进行图像融合得到的图像；

第二分割模块，用于对数据库中的对比图像进行图像分割，针对每张所述对比图像均得到多个第二图块，所述对比图像为所述数据库中的和所述图像组的图像属性相同的图像；

对比模块，用于将所述基准图像中第k位置的所述第一图块依次和每张所述对比图像中第k位置的所述第二图块进行比较，从所有所述对比图像中第k位置的所述第二图块中确定与所述基准图像中第k位置的所述第一图块的相似度最高的第三图块，直至完成所述基准图像中所有位置图块比较并得到对应每个位置的所述第三图块；

修复模块，用于根据对应每个位置的所述第三图块生成修复图像。

根据本申请实施例的另一方面，提供了一种医学图像生成设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一程序，所述程序使所述处理器执行如上任意一实施例所述的医学图像生成方法的操作。

根据本申请实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一程序，所述程序在医学图像生成设备上运行时，使得医学图像生成设备执行如上述医学图像生成方法对应的操作：

根据本申请实施例的医学图像生成方法、装置、设备及计算机可读存储介质，通过利用医学图像序号相近的图像最为接近的性质，将缺失图像的相邻序号图像作为基准图像并进行图像分割，将分割后的每一块图块与图像组数据库中图像属性相同的对比图像进行图像分割后的每一块图块进行相似度比较，将相似度最高的多个图块生成新的修复图像，修复图像和图像组中的其他图像共同组成了完整无缺失的图像组，使得用户可以参考包含修复图像的图像组对患者进行更准确地诊断，且避免了重新扫描，提高医生的诊断效率，节约患者问诊时间。

上述说明仅是本申请实施例技术方案的概述，为了能够更清楚了解本申请实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本申请实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

附图仅用于示出实施方式，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本申请其中一个实施例提供的医学图像生成方法的流程示意图；

图2为本申请其中一个实施例提供的医学图像生成方法的部分流程示意图；

图3为本申请其中一个实施例提供的医学图像生成方法的部分流程示意图；

图4为本申请其中一个实施例提供的医学图像生成方法的部分流程示意图；

图5为本申请其中一个实施例提供的医学图像生成方法的部分流程示意图；

图6为本申请其中一个实施例提供的医学图像生成方法的部分流程示意图；

图7为本申请其中一个实施例提供的医学图像生成装置的结构示意图；

图8为本申请其中一个实施例提供的医学图像生成设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。

针对现在普遍的根据医学图像进行医疗诊断的模式，当患者扫描得到的多张医学图像中存在缺失或损坏时，若贸然对这些医学图像进行三维重建，可能使生成的立体图像出现明显错误，例如，一组数量为600张的DICOM图像文件，在文件转存的过程中，缺失了第201张至第300张的文件，对剩余的500张图像进行三维重建，得到的三维器官模型明显错误，无法用于诊断，再例如，在数百张DICOM图像文件中缺失了包含病灶的少量图像，进行三维重建后肉眼也难以发现错误，医生对由于缺失了包含病灶的少量图像而导致病灶部位不够明显的三维模型进行诊断，可能导致严重的误判，对医生的诊断效率和准确性造成影响，若在进行三维重建前由于缺失了极少部分的DICOM图像文件而需要让患者重新扫描拍摄医学图像，往往流程较长，不仅费时费力，还有可能耽误患者宝贵的治疗时间。本申请发明人发现，可以通过采用图像生成的方法生成新的图像来代替缺失的医学图像，因此，如何保证新生成的图像能尽可能接近缺失的原始图像，以提高医生诊断准确率是尤为重要的。

为了解决上述问题，本申请发明人经过研究，设计了一种医学图像生成方法，通过利用医学图像序号相近的图像最为接近的性质，将缺失的图像相邻序号的图像作为基准图像并进行图像分割，将分割后的每一块图块与图像组数据库中图像属性相同的对比图像进行图像分割后的每一块图块进行相似度比较，得到相似度最高的多个图块生成新的修复图像，使得医生可以参考修复图像并结合患者的其他完好图像对患者进行更精确的诊断。

PACS系统(Picture Archiving and Communication Systems，影像归档和通信系统)是一种应用在医院影像科室的系统，主要用于将日常产生的各种包括核磁、CT、超声、X光机等设备产生的海量医学影像通过各种接口以数字化的方式保存，当需要使用上述医学影像时能够很快地调回使用，在各种影像设备间传输数据和组织存储数据中发挥着重要作用。本申请实施例所述的医学影像存在缺失均以在PACS系统的传输过程中缺失为例进行说明。

图1示出了本申请实施例提供的医学图像生成方法的流程图，如图1所示，该方法包括以下步骤：

步骤110：对包含多张医学图像的图像组进行解析，得到目标图像的目标图像序号n。

其中，目标图像为图像组中缺失的图像，缺失的图像指的是在图像文件的拷贝或是转存的过程中因为各种各样的原因导致缺失或出现损坏的图像文件，需在后续步骤中修复，本步骤用于确定图像组中缺失图像的序号。目标图像序号n的确定方式可以通过查找接收到的医学图像缺少的序号来确定，医学图像的序号在检查仪器扫描后根据扫描顺序即时生成，检查仪器将医学图形发送至其他设备时若由于传输线路或设备故障等原因造成图像缺失时，即可以通过查找缺失的图像序号来确定缺失的医学图像。其他设备指的是任意用于查看、存储或打印医学图像的设备。

对于存在图像缺失的图像组，目标图像此时并不存在于图像组中，且无法找回，亦或者是将存在于图像组中，内容存在缺损的图像作为目标图像，在后续步骤中生成的新的修复图像用于充当或替换缺失的目标图像。在一组图像组中可能存在多张缺失图像，意味着目标图像可以为多张。

其中，若图像组中的图像缺失较少，医生能够通过查看较多的完好图像给出准确的诊断结果时，可以不对图像组中的缺失图像进行修复补全，可以通过以下公式判定是否需要对图像组中的缺失图像执行修复补全：

其中，m为缺失度，指的是缺失图像的数量在图像组中的占比，a指的是每个检查仪器向其他设备发起存储确认时告知的影像总数，r指的是其他设备实际接收到的影像数量，实际接收到的影像数量可能由于设备故障或传输线路问题导致其和影像总数不一致。s指的是图像组中单张图像的占用存储空间大小，例如，图像组中图像为医学CT图像时，每张医学CT图像可能占用内存空间512千字节(KB)，即单个影像大小为512KB。

当缺失度小于某个预设值时可以不执行修复补全，预设值可以根据图像组中的图像数量酌情设置，例如，当图像组中的图像数量较多，医生能够查看到的医学图像较多，即使其中缺失了一部分图像也可能对医生的诊断结果不会造成影响时，便可以不进行修复，此时预设值可以相应调大。例如，图像组中有3000张医学图像，即使缺失了一半，医生往往也能通过剩余的1500张医学图像做出准确诊断，此时将预设值设置为60％，即缺失度小于60％时不需要对图像组中的缺失图像进行修复补全处理。若图像组中的医学图像较少，对于医生来说进行诊断的依据也较少，此时预设值可以相应调低，例如，图像组中仅有10张医学图像，此时将预设值设置为10％，即缺失度大于或等于10％时需要对图像组中的缺失图像进行修复补全处理，通过本申请提供的医学图像生成方法为医生生成能够作为参考的医学图像。预设值的设置可以根据实际情况灵活设置，本申请实施例对此不作限定。

步骤120：对基准图像进行图像分割，得到多个第一图块，基准图像为图像组中的第n+1张图像或第n-1张图像或通过第n+1与第n-1张图像进行图像融合得到的图像。

其中，对基准图像进行图像分割的方式采用基于区域的分割方法，基于区域的分割方法指的是将具有某种相似性质的像素连通，利用了图像的局部空间信息，从而构成最终的分割区域。其中，基于区域的分割方法中可以采用不同的分割模式，例如，可以从全图出发，按区域属性特征一致的准则决定每个像素的区域归属，形成区域图，称之为区域生长的分割方法；也可以从像素出发，按区域属性特征一致的准则，将属性接近的连通像素聚集为区域，称之为区域增长的分割方法；还可以综合利用上述的区域生长和区域增长的分割方法，先将图像分割成很多的一致性较强的小区域，再按照一定的规则将小区域融合成大区域，以达到分割图像的目的，称之为分裂合并的方法。本申请中所涉及到的图像分割均可通过采用上述列举的任一方式实现。

其中，图像分割后得到的第一图块的大小可以根据基准图像的尺寸灵活设置，例如，当基准图像的尺寸为512*512时，可以将分割大小设置为8*8，当基准图像的尺寸为1024*1024时，可以将分割大小设置为16*16，即原始影像尺寸越大，分割出的第一图块的大小也相应变大，可以遵循一定比例关系。

其中，在对图像组中的第n+1与第n-1张图像进行图像融合以得到基准图像时，可以采用多种不同的图像融合方式，例如采用像素级图像融合中的PCA算法(PrincipalComponent Analysis，主成分分析)、PCNN算法(Pulse Coupled Neural Network，脉冲耦合神经网络)等图像融合算法，也可以采用特征级图像融合中的模糊聚类、支持向量聚类等图像融合算法，还可以采用决策级图像融合中的支持向量机、神经网络等图像融合算法，目的是得到能够同时体现图像组中第n+1和第n-1张图像的特征的融合图像，以便使新生成的图像能尽可能接近患者的真实信息，本申请实施例对此不作限定。需要注意的是，当采用像素级图像融合时，需要提前对融合源图像进行点对点图像校正、降噪和配准等图像预处理，否则可能会严重影响融合效果，本领域技术人员可以根据实际情况增加预处理步骤。

步骤130：对数据库中的对比图像进行图像分割，针对每张对比图像均得到多个第二图块，对比图像为数据库中的和图像组的图像属性相同的图像。

其中，图像属性指的是DICOM图像文件中包含的尺寸、部位和采样率等信息，在DICOM图像文件中以标签(Tag)的形式存在，每个标签都是由两个十六进制数的组合来确定的，例如，“tag 0008，0060”指的是检查部位，“tag 0018，0050”指的是层厚，可以理解的是，图像属性一致的两张DICOM图像文件往往具有较多的相同医学特征。需要注意的是，由于DICOM图像文件中的标签包含患者姓名，而患者姓名是否一致并不会对两张DICOM图像文件中所呈现的医学特征是否相同或相近造成影响，因此本领域技术人员可以根据实际情况调整图像属性中所需要包含的标签，以扩大获取对比图像的范围，例如，将图像属性中的患者姓名标签和患者年龄标签移除，根据实际需要还可以加入或移除更多DICOM图像文件中的标签作为图像属性，本申请实施例对此不作特殊限定。

其中，数据库可以通过多种方式创建，例如MySQL、Oracle、SqlServer、SQLite、INFORMIX、Redis、MongoDB、HBase、Neo4J、CouchDB等，数据库内包含的图像数据的来源可以为预先采集的来自多个健康人或患者的DICOM图像文件，也可以为图像组中的其他完好的DICOM图像文件，以使数据库中包含多张与图像组的图像属性一致的图像可以作为对比图像。需要注意的是，若数据库中图像数据的来源为图像组中的DICOM图像文件，则为了避免由于对比图像即为基准图像本身而对后续步骤中的相似度对比产生影响，应当将写入数据库的图像组中的基准图像剔除。

其中，为了使得到的第二图块能够与步骤120得到的第一图块在图像区域上相对应，以达到能在后续步骤中进行相似度比较的目的，对对比图像进行图像分割的方式应当与对基准图像进行图像分割的方式一致，且每个第二图块的大小应当与每个对应的第一图块的大小一致。由于对比图像的图像属性与图像组中的图像属性一致，因此对对比图像的图像分割方式也可以直接沿用对基准图像的图像分割方式，以使第一图块和第二图块的对应关系更加精确。

步骤140：将基准图像中第k位置的第一图块依次和每张对比图像中第k位置的第二图块进行比较，从所有对比图像中第k位置的第二图块中确定与基准图像中第k位置的第一图块的相似度最高的第三图块，直至完成基准图像中所有位置图块比较并得到对应每个位置的第三图块。

本步骤中，由于基准图像与对比图像的图像属性一致，因此二者的图像尺寸大小一致，基准图像中第k位置的第一图块在每张对比图像中第k位置都对应有一个尺寸大小一致的第二图块，因此可以将基准图像中第k位置的第一图块与所有对比图像中第k位置的第二图块直接进行相似度对比以得到相似度最高的第三图块。

其中，确定对比图像中第k位置的第二图块中与基准图像中第k位置的第一图块相似度最高的第三图块的方式可以采用图像间相似度判断的方法，本申请实施例采用AHA算法(Average hash algorithm，均值哈希算法)进行相似度判断，根据实际情况也可以采用不同的计算相似度方法，例如采用比较像素点RGB值的方法、SSIM算法(StructuralSimilarity，结构性相似度)、多种距离度量法、多种相似度度量法等，只需要能得到较为准确的第一图块与第二图块之间的相似度即可。本申请实施例以采用AHA算法作为判断相似度方法为例，当采用AHA算法时，先通过AHA算法分别计算得到第一图块和第二图块的AHA值，再比较第一图块的AHA值与第二图块的AHA值的汉明距离，汉明距离用于表示两个相同长度的字符串对应位置的不同字符的数量，在信息论中，两个等长字符串之间的汉明距离是两个字符串对应位置的不同字符的个数，也即汉明距离是将一个字符串变换成另外一个字符串所需要替换的字符个数，例如：字符串1011101与字符串1001001之间的汉明距离为2；字符串2143896与字符串2233796之间的汉明距离为3。在本实施例中，AHA值是一个字符串，比较第一图块的AHA值和第二图块的AHA值的汉明距离也就是比较两个字符串的汉明距离，一般来说，当两张图像的AHA值的汉明距离小于10，即可认为这两张图像为相似图像。若采用AHA算法结合汉明距离进行相似度比较时，相似度x的计算方式可以为：

其中，x为第二图块与第一图块的相似度，N为第二图块的AHA值与第一图块的AHA值的汉明距离，H为第一图块的AHA值的字符数量，若第一图块与第二图块的AHA值分别包含65个字符，第二图块与第一图块的汉明距离为8，根据上述计算方式，第二图块与第一图块的相似度为88％。本领域技术人员应当理解，上述公式仅代表采用AHA算法和汉明距离的一种计算相似度的方式，若采用上述其他相似度判断方式对相似度进行判断，则相似度计算公式也不同。

步骤150：根据对应每个位置的第三图块生成修复图像。

其中，修复图像的生成方式可以为直接将每个位置的第三图块根据其位置进行拼合得到修复图像。

本申请实施例通过利用医学图像序号相近的图像最为接近的性质，将缺失图像的相邻序号图像作为基准图像并进行图像分割，将分割后的每一块图块与图像组数据库中图像属性相同的对比图像进行图像分割后的每一块图块进行相似度比较，将相似度最高的多个图块生成新的修复图像，修复图像和图像组中的其他图像共同组成了完整无缺失的图像组，这样得到的修复图像可以保证与缺失的目标图像具有较高的相似性，可以作为医生的参考，为医生对病患的诊断提供帮助，不需要让病患重新进行检查扫描，在提高医生诊断准确性和节约病患问诊时间上可以达到较好的平衡。

如图2所示，在一些实施例中，步骤110进一步包括：

步骤111：通过DICOM方式获取图像组中每一张图像的图像行数、图像列数、图像序号和像素值，将图像行数、图像列数、图像序号和像素值共同作为图像属性；

步骤112：获取图像组中每一张图像的像素值小于预设像素值的区域的缺失面积；

步骤113：若缺失面积大于预设阈值，将图像组中的像素值小于预设像素值的区域对应的图像和图像组中的像素值小于预设像素值的区域对应的图像序号分别作为目标图像和目标图像序号n。

在步骤111中，DICOM(Digital Imaging and Communications in Medicine，医学数字成像和通信)是数据传输、存储和显示协议的总和，DICOM将所有现实世界的数据，例如病人、检查、医疗设备等，看作具有各自属性的对象，并以IODs(DICOM InformationObjectDefinitions，医学数字成像和通信信息对象定义)为标准制定对象和属性。当数据被以DICOM数据属性的形式被采集后，这些数据就能够在各类DICOM设备和软件间进行传送和处理。

在步骤111中，获取DICOM格式的图像组中每一张图像的图像行数、图像列数、图像序号和像素值，其中图像行数、图像列数、图像序号和像素值均包括在DICOM格式自带的图像信息中。

在步骤112中，获取缺失面积具体为，获取图像组中每一张图像的实际像素，在根据每一张图像的实际像素与预设像素值进行比较后，若图像的实际像素值小于预设像素值，则可以理解为该图像出现了缺损，某些区域的像素不完整，获取图像不完整部分的面积，用于后续步骤对这部分面积进行判断。

在步骤113中，预设阈值可以根据图像组中完整图像的尺寸设置，根据实际情况可以设置为对医生的诊断造成的影响较小的数值，例如当一张医学图像尺寸为512*512时，损坏面积超过8*8便很可能对医生的诊断造成影响，则预设阈值可以设置为64像素，即当图像组中的一张医学图像缺失面积若大于64像素时，将该医学图像作为目标图像，将这张目标图像的序号作为目标图像序号n，用于在后续步骤中对该图像生成修复图像，以提高医生诊断效率和精确性。

如图2所示，在一些实施例中，通过DICOM方式获取图像组中每一张图像的图像行数、图像列数、图像序号和像素值，将图像行数、图像列数、图像序号和像素值共同作为图像属性之后，步骤120进一步包括：

步骤121：根据图像行数和图像列数对图像组中的第n+1张图像或第n-1张图像或通过第n+1与第n-1张图像进行图像融合得到的图像进行图像分割，得到多个第一图块。

在步骤121中，根据上述步骤111获取到的图像行数和图像列数，可以得到图像组中的图像尺寸信息，结合图像的尺寸信息对图像组中的第n+1张图像或第n-1张图像进行图像分割，有助于使得到的多个第一图块与后续步骤中得到的第二图块的尺寸大小相对应。

在步骤121中，还可以根据图像行数和图像列数对图像组中第n+1与第n-1张图像进行图像融合后得到的图像进行图像分割，第n+1与第n-1张图像进行图像融合的方式可以采用步骤120中描述的任意图像融合方式，本申请实施例对此不作限定。

如图3所示，在一些实施例中，步骤130之前，还包括：

步骤1301：从图像组中获取多张医学图像作为对比图像并建立数据库。

在步骤1301中，从来源于患者的图像组中直接获取多张医学图像作为对比图像，并根据来自图像组的多张医学图像建立数据库。同时，为了提高数据存储效果，数据库采用b+树结构存储数据库存特性节点信息，以磁盘模式存储代替直接存储到数据库，本领域技术人员可以根据实际情况对数据库的生成方式和数据存储模式进行相应设置。

通过直接从来源于患者的图像组中获取多张医学图像作为对比图像建立数据库，可以使数据库中的图像更加贴合患者本身情况，在后续通过数据库中的对比图像生成修复图像时，可以使生成的修复图像更贴合患者的特征，提高了修复图像与目标图像的相似度和准确性，从而提高医生的诊断准确性。同时，通过采用b+树结构存储数据库存特征节点信息，以磁盘模式存储代替直接存储到数据库，更有利于数据迁移，数据检索耗时更短。

请继续参阅图3，在一些实施例中，步骤140之前，还包括：

步骤1401：将对比图像中包含的图像组中的基准图像剔除。

在步骤1401中，将对比图像中在步骤1301添加的图像组中的图像中作为基准图像的图像剔除，即若基准图像为图像组中图像序号为n+1的图像，则在对比图像中将图像序号为n+1的同一张图像剔除，若基准图像为图像组中图像序号为n-1的图像，则在对比图像中将图像序号为n-1的同一张图像剔除。

由于在步骤1301中将图像组中的图像添加进数据库作为对比图像，在后续步骤中与对比图像进行相似度比对的基准图像也属于图像组中的图像，为了避免后续步骤中相似度比对最高的图像为基准图像本身，需要在对比图像中将基准图像本身剔除，以免在后续步骤中得到与基准图像完全一致的修复图像。

如图4所示，在一些实施例中，步骤140进一步包括：

步骤141：将基准图像中第k位置的第一图块依次和每张对比图像中第k位置的第二图块进行相似度比较，得到基准图像中第k位置的第一图块与每张对比图像中第k位置的第二图块的第二相似度值；

步骤142：根据第二图块所属的对比图像是否为图像组中的医学图像，对第二相似度进行权重调整，得到权重调整后的第二相似度值；

步骤143：选择第二相似度值最高的第二图块作为第k位置的第三图块。

在步骤141中，对相似度的比较可以根据上述步骤140中的AHA算法所得到的AHA值结合汉明距离进行。

在步骤141、步骤142和步骤143中，权重调整指的是对第二相似度值与预先设置的权重进行加算或乘算，例如，为了使后续步骤生成的修复图像更加贴合患者原本的医学图像的特性，设置权重值为1.2，若计算相似度得到第二图块所属的对比图像为图像组中的医学图像，且得到的第二相似度值为0.8，则将其与权重值1.2乘算，得到权重调整后的第二相似度值0.96；又例如，设置一个权重值为0.05，若计算相似度得到第二图块所属的对比图像为图像组中的医学图像，且得到的第二相似度值为0.7，则将其与权重值0.05加算，得到权重调整后的第二相似度值0.75。根据权重调整方式的不同，权重的取值也应当相应变化，以保证最终得到的第二相似度值处于一个合理的范围内，权重值的设置目的是提高用于生成修复图像的第三图块来源于患者自身图像的几率，根据实际情况也可以采用不同的加权计算方式，本申请实施例对此不作限定。

请继续参阅图4，在一些实施例中，步骤140进一步包括：

步骤144：将基准图像中第k位置的第一图块和第s张对比图像中第k位置的第二图块进行相似度比较，得到基准图像中第k位置的第一图块与第s张对比图像中第k位置的第二图块的第一相似度值；

步骤145：判断第一相似度值是否满足预设阈值，若是，依次执行步骤146和步骤147，否则，执行步骤148；

步骤146：将第s张对比图像中第k位置的第二图块确定为对应的第三图块，将k设为k+1；

步骤147：判断基准图像中的所有第一图块是否均存在满足预设阈值的第一相似度值，若是，结束步骤，否则，跳转至步骤144；

步骤148：将s设为s+1，然后跳转至步骤144。

通过上述方式，对第一图块和第二图块进行相似度比较，目的是从对比图像中得到与基准图像中每一位置的第一图块相似度最高的第二图块。

在步骤146和步骤147中，若第二图块与第一图块的第一相似度值满足了预设阈值，则可以认为对于这个位置的第一图块已经找到了最相似的第二图块，可以进行下一位置的第一图块的相似度比较了，直到基准图像中所有第一图块均找到了第一相似度值满足预设阈值的第二图块。

在步骤148中，若第二图块与第一图块的第一相似度值不满足预设阈值，则应当继续对下一张对比图像中同一位置的第二图块与第一图块进行相似度比较，因此跳转回步骤144。

通过对第一张对比图像先判定第一相似度值是否满足预设阈值，当满足时便针对同一张对比图像进行下一个第一图块的相似度比较，在确定了符合需求的第二图块后不需要继续将第一图块与剩余的所有对比图像的第二图块进行不必要的相似度比较，提高了计算效率，节约了相似度比较的时间。

如图5所示，在一些实施例中，步骤130进一步包括：

步骤131：根据对比图像的图像行数和图像列数进行图像分割，得到多个第二图块。

在步骤131中，根据图像行数和图像列数对对比图像进行图像分割，使对比图像的分割方式与基准图像一致，便于得到尺寸大小与区域(也即在图像中的位置)对应一致的第一图块和第二图块，有利于后续步骤中相似度比较和合成修复图像。

如图6所示，在一些实施例中，步骤120进一步包括：

步骤122：对尺寸为q的基准图像进行图像分割，得到多个尺寸为w的第一图块，其中q和w满足w/q＝1/64。

在步骤122中，对基准图像进行图像分割后得到的第一图块的尺寸为基准图像的1/64，例如，当基准图像的尺寸为512*512时，图像分割后得到的第一图块的尺寸为8*8，当基准图像的尺寸为1024*1024时，图像分割后得到的第一图块的尺寸为16*16。

通过设置基准图像与分割后图像的尺寸比例，使图像分割后得到的第一图块的数量能够得到控制，且结合医学图像的普遍尺寸，采用1/64的分割比例可以较好地保障分割后得到的第一图块的清晰度，并使得第一图块的数量不会过少，能够在后续步骤的相似度对比中得到更多数据。

如图6所示，在一些实施例中，步骤130进一步包括：

步骤132：对尺寸为q的对比图像进行图像分割，得到多个尺寸为w的第二图块，其中q和w满足w/q＝1/64。

在步骤132中，对对比图像进行图像分割后得到的第二图块的尺寸为基准图像的1/64，由于后续步骤中需要对第一图块与第二图块进行相似度对比，为了使相似度对比更加便捷顺利，避免对第一图块或第二图块进行额外的一致化操作，对对比图像的分割方式应当与步骤122中对基准图像的分割方式一致，且分割比例也应当一致。

通过设置对比图像与分割后图像的尺寸比例，且分割比例与步骤122中对基准图像的分割比例一致，除了能够具备步骤122中叙述的优点外，还能够使得到的第一图块与第二图块在后续步骤中的相似度对比时能够更加快捷方便，不需要额外对第一图块与第二图块进行图像规格比例等参数的一致化，节约了计算资源，提高了效率。

图7出了本申请一个实施例的医学图像生成装置700的功能框图。如图7所示，该装置包括：解析模块710、第一分割模块720、第二分割模块730、对比模块740和修复模块750。

解析模块710用于对包含多张医学图像的图像组进行解析，得到目标图像的目标图像序号n；

第一分割模块720用于对基准图像进行图像分割，得到多个第一图块，其中基准图像为图像组中的第n+1张图像或第n-1张图像或通过第n+1与第n-1张图像进行图像融合得到的图像；

第二分割模块730用于对数据库中的对比图像进行图像分割，针对每张对比图像均得到多个第二图块，对比图像为数据库中的和图像组的图像属性相同的图像；

对比模块740用于将基准图像中第k位置的第一图块依次和每张对比图像中第k位置的第二图块进行比较，从所有对比图像中第k位置的第二图块中确定与基准图像中第k位置的第一图块的相似度最高的第三图块，直至完成基准图像中所有位置图块比较并得到对应每个位置的第三图块；

修复模块750用于根据对应每个位置的第三图块生成修复图像。

在一些实施例中，解析模块710进一步包括：

第一获取单元，用于通过DICOM方式获取图像组中每一张图像的图像行数、图像列数、图像序号和像素值，将图像行数、图像列数、图像序号和像素值共同作为图像属性；

第二获取单元，用于获取图像组中每一张图像的像素值小于预设像素值的区域的缺失面积；

目标图像及序号确定单元，用于当缺失面积大于预设阈值时，将图像组中的像素值小于预设像素值的区域对应的图像和图像组中的像素值小于预设像素值的区域对应的图像序号分别作为目标图像和目标图像序号n。

在一些实施例中，第一分割模块720进一步包括：

第一图像分割单元，用于根据图像行数和图像列数对图像组中的第n+1张图像或第n-1张图像或通过第n+1与第n-1张图像进行图像融合得到的图像进行图像分割，得到多个第一图块。

在一些实施例中，医学图像生成装置700进一步包括：

获取模块，用于从图像组中获取多张医学图像作为对比图像并建立数据库。

在一些实施例中，医学图像生成装置700进一步包括：

剔除模块，用于将对比图像中包含的图像组中的基准图像剔除。

在一些实施例中，对比模块740进一步包括：

第一比较单元，用于将基准图像中第k位置的第一图块依次和每张对比图像中第k位置的第二图块进行相似度比较，得到基准图像中第k位置的第一图块与每张对比图像中第k位置的第二图块的第二相似度值；

权重调整单元，用于根据第二图块所属的对比图像是否为图像组中的医学图像，对第二相似度值进行权重调整，得到权重调整后的第二相似度值；

选取单元，用于选择第二相似度值最高的第二图块作为第k位置的第三图块。

在一些实施例中，对比模块740进一步包括：

第二比较单元，用于将基准图像中第k位置的第一图块和第s张对比图像中第k位置的第二图块进行相似度比较，得到基准图像中第k位置的第一图块与第s张对比图像中第k位置的第二图块的第一相似度值；

第一判断单元，用于判断第一相似度值是否满足预设阈值；

第三比较单元，用于当第一相似度值满足预设阈值时，将第s张对比图像中第k位置的第二图块确定为对应的第三图块，将k设为k+1，然后跳转至将基准图像中第k位置的第一图块和第s张对比图像中第k位置的第二图块进行相似度比较，得到基准图像中第k位置的第一图块与第s张对比图像中第k位置的第二图块的第一相似度值的步骤，直到基准图像中的所有第一图块与第二图块的第一相似度值均满足预设阈值；

第四比较单元，用于当第一相似度阈值不满足预设阈值时，将s设为s+1，然后跳转至将基准图像中第k位置的第一图块和第s张对比图像中第k位置的第二图块进行相似度比较，得到基准图像中第k位置的第一图块与第s张对比图像中第k位置的第二图块的第一相似度值的步骤。

在一些实施例中，第二分割模块730进一步包括：

第二图像分割单元，用于根据对比图像的图像行数和图像列数进行图像分割，得到多个第二图块。

在一些实施例中，第一分割模块720进一步包括：

第三图像分割单元，用于对尺寸为q的所述基准图像进行图像分割，得到多个尺寸为w的所述第一图块，其中q和w满足w/q＝1/64。

在一些实施例中，第二分割模块730进一步包括：

第四图像分割单元，用于对尺寸为q的所述对比图像进行图像分割，得到多个尺寸为w的所述第二图块，其中q和w满足w/q＝1/64。

图8出了本申请实施例提供的一种医学图像生成设备的结构示意图，本申请实施例并不对医学图像生成设备的具体实现做限定。

如图8所示，该医学图像生成设备可以包括：处理器802、通信接口804、存储器806、以及通信总线808。

其中：处理器802、通信接口804、以及存储器806通过通信总线808完成相互间的通信。通信接口804，用于与其它设备比如客户端或其它服务器等的网元通信。处理器802，用于执行程序810，具体可以执行上述用于医学图像生成方法实施例中的相关步骤。

具体地，程序810可以包括程序代码，该程序代码包括计算机程序。

处理器802可能是CPU(Central Processing Unit，中央处理器)，或者是ASIC(Application Specific Integrated Circuit，特定集成电路)，或者是被配置成实施本申请实施例的一个或多个集成电路。医学图像生成设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

存储器806，用于存储程序810。存储器806可能包含高速RAM存储器，也可能还包括非易失性存储器，例如至少一个磁盘存储器。

本申请实施例还提供了一种计算机可读存储介质，存储介质中存储有至少一程序，程序在医学图像生成设备上运行时，使得医学图像生成设备可执行上述任意方法实施例中的医学图像生成方法的操作。

在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本申请实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本申请并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。

本领域技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。

Claims (10)

1.一种医学图像生成方法，其特征在于，包括：

对包含多张医学图像的图像组进行解析，得到目标图像的目标图像序号n；

对基准图像进行图像分割，得到多个第一图块，所述基准图像为所述图像组中的第n+1张图像或第n-1张图像或通过第n+1与第n-1张图像进行图像融合得到的图像；

对数据库中的对比图像进行图像分割，针对每张所述对比图像均得到多个第二图块，所述对比图像为所述数据库中的和所述图像组的图像属性相同的图像；

将所述基准图像中第k位置的所述第一图块依次和每张所述对比图像中第k位置的所述第二图块进行比较，从所有所述对比图像中第k位置的所述第二图块中确定与所述基准图像中第k位置的所述第一图块的相似度最高的第三图块，直至完成所述基准图像中所有位置图块比较并得到对应每个位置的所述第三图块；

根据对应每个位置的所述第三图块生成修复图像。

2.根据权利要求1所述的医学图像生成方法，其特征在于，所述对包含多张医学图像的图像组进行解析，得到目标图像的目标图像序号n，包括：

通过DICOM方式获取所述图像组中每一张图像的图像行数、图像列数、图像序号和像素值，将所述图像行数、所述图像列数、所述图像序号和所述像素值共同作为所述图像属性；

获取所述图像组中每一张图像的所述像素值小于预设像素值的区域的缺失面积；

若所述缺失面积大于预设阈值，将所述图像组中的所述像素值小于所述预设像素值的区域对应的图像和所述图像组中的所述像素值小于所述预设像素值的区域对应的图像的所述图像序号分别作为所述目标图像和所述目标图像序号n；

所述对基准图像进行图像分割，得到多个第一图块，所述基准图像为所述图像组中的第n+1张图像或第n-1张图像或通过第n+1与第n-1张图像进行图像融合得到的图像，包括：

根据所述图像行数和所述图像列数对所述图像组中的第n+1张图像或第n-1张图像或通过第n+1与第n-1张图像进行图像融合得到的图像进行图像分割，得到多个所述第一图块。

3.根据权利要求1所述的医学图像生成方法，其特征在于，所述对数据库中的对比图像进行图像分割，针对每张所述对比图像均得到多个第二图块，所述对比图像为所述数据库中的和所述图像组的图像属性相同的图像之前，所述方法还包括：

从所述图像组中获取多张医学图像作为所述对比图像并建立所述数据库；

所述将所述基准图像中第k位置的所述第一图块依次和每张所述对比图像中第k位置的所述第二图块进行比较，从所有所述对比图像中第k位置的所述第二图块中确定与所述基准图像中第k位置的所述第一图块的相似度最高的第三图块，直至完成所述基准图像中所有位置图块比较并得到对应每个位置的所述第三图块之前，所述方法还包括：

将所述对比图像中包含的所述图像组中的所述基准图像剔除。

4.根据权利要求3所述的医学图像生成方法，其特征在于，所述将所述基准图像中第k位置的所述第一图块依次和每张所述对比图像中第k位置的所述第二图块进行比较，从所有所述对比图像中第k位置的所述第二图块中确定与所述基准图像中第k位置的所述第一图块的相似度最高的第三图块，直至完成所述基准图像中所有位置图块比较并得到对应每个位置的所述第三图块，包括：

将所述基准图像中第k位置的所述第一图块依次和每张所述对比图像中第k位置的所述第二图块进行相似度比较，得到所述基准图像中第k位置的所述第一图块与每张所述对比图像中第k位置的所述第二图块的第二相似度值；

根据所述第二图块所属的所述对比图像是否为所述图像组中的医学图像，对所述第二相似度值进行权重调整，得到权重调整后的第二相似度值；

选择所述第二相似度值最高的所述第二图块作为所述第k位置的所述第三图块。

5.根据权利要求1所述的医学图像生成方法，其特征在于，所述将所述基准图像中第k位置的所述第一图块依次和每张所述对比图像中第k位置的所述第二图块进行比较，从所有所述对比图像中第k位置的所述第二图块中确定与所述基准图像中第k位置的所述第一图块的相似度最高的第三图块，直至完成所述基准图像中所有位置图块比较并得到对应每个位置的所述第三图块，包括：

将所述基准图像中第k位置的所述第一图块和第s张所述对比图像中第k位置的所述第二图块进行相似度比较，得到所述基准图像中第k位置的所述第一图块与第s张所述对比图像中第k位置的所述第二图块的第一相似度值；

判断所述第一相似度值是否满足预设阈值；

若是，将第s张所述对比图像中第k位置的所述第二图块确定为对应的所述第三图块，将k设为k+1，然后跳转至所述将所述基准图像中第k位置的所述第一图块和第s张所述对比图像中第k位置的所述第二图块进行相似度比较，得到所述基准图像中第k位置的所述第一图块与第s张所述对比图像中第k位置的所述第二图块的第一相似度值的步骤，直到所述基准图像中的所有所述第一图块与所述第二图块的所述第一相似度值均满足所述预设阈值；

若否，将s设为s+1，然后跳转至所述将所述基准图像中第k位置的所述第一图块和第s张所述对比图像中第k位置的所述第二图块进行相似度比较，得到所述基准图像中第k位置的所述第一图块与第s张所述对比图像中第k位置的所述第二图块的第一相似度值的步骤。

6.根据权利要求2所述的医学图像生成方法，其特征在于，所述对数据库中的对比图像进行图像分割，针对每张所述对比图像均得到多个第二图块，所述对比图像为所述数据库中的和所述图像组的图像属性相同的图像，包括：

根据所述对比图像的所述图像行数和所述图像列数进行图像分割，得到多个所述第二图块。

7.根据权利要求1所述的医学图像生成方法，其特征在于，所述对基准图像进行图像分割，得到多个第一图块，包括：

对尺寸为q的所述基准图像进行图像分割，得到多个尺寸为w的所述第一图块，其中q和w满足w/q＝1/64；

所述对数据库中的对比图像进行图像分割，针对每张所述对比图像均得到多个第二图块，所述对比图像为所述数据库中的和所述图像组的图像属性相同的图像，包括：

对尺寸为q的所述对比图像进行图像分割，得到多个尺寸为w的所述第二图块，其中q和w满足w/q＝1/64。

8.一种医学图像生成装置，其特征在于，包括：

解析模块，用于对包含多张医学图像的图像组进行解析，得到目标图像的目标图像序号n；

第一分割模块，用于对基准图像进行图像分割，得到多个第一图块，其中所述基准图像为所述图像组中的第n+1张图像或第n-1张图像或通过第n+1与第n-1张图像进行图像融合得到的图像；

第二分割模块，用于对数据库中的对比图像进行图像分割，针对每张所述对比图像均得到多个第二图块，所述对比图像为所述数据库中的和所述图像组的图像属性相同的图像；

对比模块，用于将所述基准图像中第k位置的所述第一图块依次和每张所述对比图像中第k位置的所述第二图块进行比较，从所有所述对比图像中第k位置的所述第二图块中确定与所述基准图像中第k位置的所述第一图块的相似度最高的第三图块，直至完成所述基准图像中所有位置图块比较并得到对应每个位置的所述第三图块；

修复模块，用于根据对应每个位置的所述第三图块生成修复图像。

9.一种医学图像生成设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一程序，所述程序使所述处理器执行如权利要求1-7任意一项所述的医学图像生成方法的操作。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一程序，所述程序在连接管理设备上运行时，使得连接管理设备执行如权利要求1-7任意一项所述的医学图像生成方法的操作。

Images