CN118280531A - 医学图像数据的处理方法、系统、设备及介质 - Google Patents

Abstract

本发明公开了一种医学图像数据的处理方法、系统、设备及介质。该处理方法包括：获取同一采集视角的医学图像数据集；从医学图像数据集中选取若干采样医学图像数据；获取每张采样医学图像数据的特征信息；基于所述特征信息识别采样医学图像数据中的目标对象边界；基于每张采样医学图像数据中所述目标对象边界的像素点坐标计算得到目标边界坐标；根据目标边界坐标对医学图像数据集中的医学图像数据进行裁剪。通过对选取医学图像数据集中的小部分医学图像数据，得到普适于医学图像数据集的目标边界坐标，通过目标边界坐标完成对医学图像数据集整体的快速批量裁剪，有效提高医学图像数据的处理效率，具有普适性且不占用计算和存储资源。

Description

医学图像数据的处理方法、系统、设备及介质

技术领域

本发明涉及医学图像技术领域，尤其是涉及一种医学图像数据的处理方法、系统、设备及介质。

背景技术

电子内窥镜是疾病诊疗的不可或缺的工具。然而电子内窥镜的设备厂商和型号多种多样，导致不同的设备采集的视频存在不同位置不同大小的边框，部分内窥镜采集的视频图像中，边框占整张视频帧的比例甚至达到了40～50％。边框的存在不利于医生手术复盘，对医生诊断和治疗造成干扰，同时会影响后续算法的处理结果，如导致算法学习到无用的信息，影响算法效果，消耗磁盘存储空间并影响计算速度。而现有图像裁剪方法需对每一帧图像作重复计算，占用大量计算和存储资源，不具有普适性且效率低。

发明内容

本发明要解决的技术问题是为了克服现有技术中裁剪内窥镜图像普适性低和效率低的缺陷，提供一种医学图像数据的处理方法、系统、设备及介质。

本发明是通过下述技术方案来解决上述技术问题：

第一方面提供一种医学图像数据的处理方法，所述处理方法包括：

获取同一采集视角的医学图像数据集；

从所述医学图像数据集中选取若干采样医学图像数据；

获取每张所述采样医学图像数据的特征信息；

基于所述特征信息识别所述采样医学图像数据中的目标对象边界；

基于每张所述采样医学图像数据中所述目标对象边界的像素点坐标计算得到目标边界坐标；

根据所述目标边界坐标对所述医学图像数据集中的所述医学图像数据进行裁剪。

较佳地，所述从所述医学图像数据集中选取若干所述采样医学图像数据的步骤包括：

将所述医学图像数据集按生成时间依次排序；

从排序后的医学图像中选取生成时间上连续的若干采样医学图像数据。

较佳地，所述从排序后的医学图像中选取生成时间上连续的若干采样医学图像数据的步骤包括：

选取所述生成时间在采样时间阈值内的若干所述采样医学图像数据。

较佳地，所述选取若干所述采样医学图像数据的步骤包括：

抽样选取多组所述生成时间至少间隔第二时间阈值的医学图像数据采样组；

基于各组所述医学图像数据采样组中的每张所述采样医学图像数据中所述目标对象边界的像素点坐标，分别计算对应的采样组边界坐标；

基于全部的所述采样组边界坐标计算得到所述目标边界坐标。

较佳地，所述特征信息用于表征所述采样医学图像数据的颜色和/或纹理信息；

所述基于所述特征信息识别所述采样医学图像数据中的目标对象边界的步骤包括：

将所述采样医学图像数据基于颜色图像分割算法和/或纹理图像分割算法，计算得到所述医学图像数据中的所述目标对象边界。

较佳地，所述基于每张所述采样医学图像数据中所述目标对象边界的像素点坐标计算得到目标边界坐标的步骤包括：

计算全部所述采样医学图像数据中所述目标对象边界的像素点坐标对应的设定坐标；

其中，所述设定坐标包括平均坐标、方差坐标或中位坐标；

将所述设定坐标作为所述目标边界坐标。

较佳地，所述处理方法还包括：

获取采集所述医学图像数据集的图像采集设备信息；

将所述目标边界坐标与所述图像采集设备信息关联；

将获取自所述图像采集设备的所述医学图像数据基于所述目标边界坐标进行裁剪。

较佳地，所述医学图像数据包括内窥镜图像。

第二方面提供一种医学图像数据的处理系统，所述处理系统包括获取模块、选取模块、识别模块、计算模块和裁剪模块；

所述获取模块，用于获取同一采集视角的医学图像数据集和获取每张采样医学图像数据的特征信息；

所述选取模块，用于从所述医学图像数据集中选取若干采样医学图像数据；

所述识别模块，用于基于所述特征信息识别所述采样医学图像数据中的目标对象边界；

所述计算模块，用于基于每张所述采样医学图像数据中所述目标对象边界的像素点坐标计算得到目标边界坐标；

所述裁剪模块，用于根据所述目标边界坐标对所述医学图像数据集中的所述医学图像数据进行裁剪。

较佳地，所述选取模块还用于将所述医学图像数据集按生成时间依次排序的所述医学图像数据；选取若干所述生成时间连续的所述采样医学图像数据。

较佳地，所述选取模块还用于选取所述生成时间在采样时间阈值内的若干所述采样医学图像数据。

较佳地，所述选取模块还用于抽样选取多组所述生成时间至少间隔第二时间阈值的医学图像数据采样组；

所述计算模块还用于基于各组所述医学图像数据采样组中的每张所述采样医学图像数据中所述目标对象边界的像素点坐标，分别计算对应的采样组边界坐标；基于全部的所述采样组边界坐标计算得到所述目标边界坐标。

较佳地，所述特征信息用于表征所述采样医学图像数据的颜色和/或纹理信息；

所述识别模块还用于将所述采样医学图像数据基于颜色图像分割算法和/或纹理图像分割算法，计算得到所述医学图像数据中的所述目标对象边界。

较佳地，所述计算模块还用于计算全部所述采样医学图像数据中所述目标对象边界的像素点坐标对应的设定坐标；其中，所述设定坐标包括平均坐标、方差坐标或中位坐标；将所述设定坐标作为所述目标边界坐标。

较佳地，所述处理系统还包括关联模块；

关联模块，用于获取采集所述医学图像数据集的图像采集设备信息；将所述目标边界坐标与所述图像采集设备信息关联；

裁剪模块还用于将获取自所述图像采集设备的所述医学图像数据基于所述目标边界坐标进行裁剪。

第三方面提供一种电子设备，包括存储器、处理器及存储在存储器上并用于在处理器上运行的计算机程序，所述处理器执行计算机程序时实现如上述的医学图像数据的处理方法。

第四方面提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的医学图像数据的处理方法。

本发明的积极进步效果在于：通过对选取医学图像数据集中的小部分医学图像数据，得到普适于医学图像数据集的目标边界坐标，通过目标边界坐标完成对医学图像数据集整体的快速批量裁剪，有效提高医学图像数据的处理效率，具有普适性且不占用计算和存储资源。

附图说明

图1为本发明实施例1的医学图像数据的处理方法的第一流程图；

图2为本发明实施例1的医学图像数据的处理方法的第二流程图；

图3为本发明实施例1的医学图像数据的处理方法的第三流程图；

图4为本发明实施例1的医学图像数据的处理方法的第一示例图；

图5为本发明实施例1的医学图像数据的处理方法的第二示例图；

图6为本发明实施例2的医学图像数据的处理系统的模块示意图；

图7为本发明实施例3的电子设备的硬件结构示意图。

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

实施例1

本实施例提供一种医学图像数据的处理方法，如图1所示，所述处理方法包括：

S101、获取同一采集视角的医学图像数据集；

S102、从所述医学图像数据集中选取若干采样医学图像数据；

S103、获取每张所述采样医学图像数据的特征信息；

S104、基于所述特征信息识别所述采样医学图像数据中的目标对象边界；

S105、基于每张所述采样医学图像数据中所述目标对象边界的像素点坐标计算得到目标边界坐标；

S106、根据所述目标边界坐标对所述医学图像数据集中的所述医学图像数据进行裁剪。

具体的，同一采集视角的医学图像数据通常具有相同或相近的图像格式和布局，通过对其中部分医学图像数据采样得到对应采样医学图像数据中目标边界的坐标作为掩模，无需反复对每一张医学图像数据重新计算目标边界，对剩余的医学图像数据进行快速裁剪，自动化快速剔除目标边界外的非信息或无效信息区域，避免占用缓存等存储空间进行裁剪，提高整体计算速度。

作为一种可实现的方式，步骤S102包括：

将所述医学图像数据集按生成时间依次排序；

从排序后的医学图像中选取生成时间上连续的若干采样医学图像数据。

具体的，生成时间上连续的若干医学影像数据之间的图像信息差异通常较小，对应的每张医学影像数据中的目标边界坐标变化较小，能够通过选取连续生成的医学图像数据快速得到目标边界坐标，实现对医学图像数据集的快速裁剪。

作为一种可实现的方式，基于对医学影像数据中关键图像信息的需求，选取关键图像信息所处生成时间区间内的若干采样医学图像数据。如对医学影像数据集进行信息帧筛选，选取单位时间内信息帧数量最多的时间区间，并在其中选取连续生成的医学影像数据得到对应的目标边界坐标，并基于目标边界对医学影像数据集进行裁剪，能够最大程度保证目标边界坐标的准确性，避免将有效信息裁剪，导致对后续图像处理的干扰和误导。

作为一种可实现的方式，所述选取若干所述生成时间连续的所述采样医学图像数据的步骤包括：

选取所述生成时间在采样时间阈值内的若干所述采样医学图像数据。

具体的，为最快地得到目标边界坐标，在医学影像数据集的第一张可识别目标边界像素点的医学影像数据开始，选取该张医学影像数据之后连续的若干张医学影像数据以得到目标边界坐标，并在得到目标边界坐标后对全部医学影像数据进行裁剪。

作为一种可实现的方式，如图2所示，步骤S105包括：

S10511、抽样选取多组所述生成时间至少间隔第二时间阈值的医学图像数据采样组；

S10512、基于各组所述医学图像数据采样组中的每张所述采样医学图像数据中所述目标对象边界的像素点坐标，分别计算对应的采样组边界坐标；

S10513、基于全部的所述采样组边界坐标计算得到所述目标边界坐标。

具体的，通过抽样选不同时间区间的医学图像数据以使得到的目标边界坐标的普适性，根据实际使用需求设定抽样组选取的数量，并基于抽样数量等间隔或随机时间间隔的不同时间区间中抽样选取形成医学图像数据采样组，通过各医学图像数据采样组内的医学图像数据的像素点坐标得到对应采样组的采样边界坐标，最后基于采样边界坐标计算得到目标边界坐标。

作为一种可实现的方式，如图3所示，步骤S105包括：

S10521、计算全部所述采样医学图像数据中所述目标对象边界的像素点坐标对应的设定坐标，

其中，所述设定坐标包括平均坐标、方差坐标或中位坐标；

S10522、将所述设定坐标作为所述目标边界坐标。

具体的，基于实际需求和医学图像数据集的情况对应采用平均坐标、方差坐标或中位坐标计算目标边界坐标，以使得到的目标边界坐标符合预期的范围，能同时满足对医学图像数据集的普适性和医学图像咋裁剪后得到的目标边界内的图像信息的完整性和有效性。

作为一种可实现的方式，所述特征信息用于表征所述采样医学图像数据的颜色和/或纹理信息；

步骤是S104包括：

将所述采样医学图像数据基于颜色图像分割算法和/或纹理图像分割算法，计算得到所述医学图像数据中的所述目标对象边界。

具体的，医学图像数据具有黑色或其他单色边框，其中包括手术视野的前景部分与黑色边框的背景部分，两者之间有明显的颜色和纹理差异，通过基于颜色图像分割算法和/或纹理图像分割算法能够得到前景部分的至少四个外接顶点坐标，形成对前景的外接矩形或多边形，基于外接矩形或多边形的边界作为目标边界。

作为一种可实现的方式，所述处理方法还包括：

获取采集所述医学图像数据集的图像采集设备信息；

将所述目标边界坐标与所述图像采集设备信息关联；

将获取自所述图像采集设备的所述医学图像数据基于所述目标边界坐标进行裁剪。

具体的，基于医学图像数据集获得目标边界坐标后，将该目标边界坐标作为对应的图像采集设备的标准化裁剪掩模，并与对应型号的图像采集设备信息关联，之后在获取来源于该型号图像采集设备的医学图像数据可以直接以对应的裁剪掩模进行快速裁剪，无需再进行识别、计算和裁剪，不占用计算和存储资源。

作为一种可实现的方式，所述医学图像数据包括内窥镜图像。

具体的，本实施例方法能适用于普外科、外科、消化内科、神经外科、妇科、骨科等多种微创手术术式场景下的，各种电子内窥镜，如腹腔镜、结肠镜、宫腔镜、支气管镜、脑部内窥镜等内窥镜设备。

本实施例提供的医学图像数据的处理方法，通过对选取医学图像数据集中的小部分医学图像数据，得到普适于医学图像数据集的目标边界坐标，通过目标边界坐标完成对医学图像数据集整体的快速批量裁剪，有效提高医学图像数据的处理效率，具有普适性且不占用计算和存储资源。

下面以实例具体说明本实施例医学图像分类模型的训练方法的工作原理：

如图4和图5所示，首先，通过图像分割算法，在原始视频的所有帧中取初始的n帧，基于内镜视频图像前景(手术视野)与背景(黑色边框)有较为明显的颜色和纹理差异，通过用图像分割的算法进行处理。如图1所示，用分割的掩膜mask(二值图像)表示前景与背景的位置，前景是多边形区域部分，像素值为1；背景是边框区域部分，像素值为0。

然后，确定裁剪边框坐标：通过图像分割算法中获取的掩膜mask图像的像素点，可以获取前景(手术视野)的检测框的最小外接矩形,也就是在图像坐标系内对应的四个顶点的坐标。对这n帧图像利用掩膜mask进行边框裁剪，分别得到不同的裁剪框B1,B2,B3…Bn。

再者，对视频帧裁剪：因为原始内镜视频帧与其对应的掩膜mask图像具有相同的大小和图像坐标系。此时基于最小外接矩形的坐标，在原始内镜视频帧做裁剪，就可以得到前景的手术视野区域。通过计算B1,B2,B3…Bn的平均值得到平均的检测框B’。

最后批量裁剪法。虽然不同厂商不同型号的内镜视频的黑色边框和大小不同，但是对于同一个视频不同时刻的视频帧，其黑色边框位置和大小是完全相同的。最后用B’对n之后的所有视频帧进行直接裁剪，这样就可以避免对整个视频的视频帧进行图像分割等耗时的计算步骤，从而实现对整个视频进行快速批量化的裁剪。

实施例2

本实施例提供一种医学图像数据的处理系统200，如图6所示，所述处理系统200包括获取模块201、选取模块202、识别模块203、计算模块204和裁剪模块205；

所述获取模块201，用于获取同一采集视角的医学图像数据集和获取每张采样医学图像数据的特征信息；

所述选取模块202，用于从所述医学图像数据集中选取若干采样医学图像数据；

所述识别模块203，用于基于所述特征信息识别所述采样医学图像数据中的目标对象边界；

所述计算模块204，用于基于每张所述采样医学图像数据中所述目标对象边界的像素点坐标计算得到目标边界坐标；

所述裁剪模块205，用于根据所述目标边界坐标对所述医学图像数据集中的所述医学图像数据进行裁剪。

作为一种可实现的方式，选取模块202还用于将所述医学图像数据集按生成时间依次排序；从排序后的医学图像中选取生成时间连续的若干所述采样医学图像数据。

作为一种可实现的方式，选取模块202还用于选取所述生成时间在采样时间阈值内的若干所述采样医学图像数据。

作为一种可实现的方式，选取模块202还用于抽样选取多组所述生成时间至少间隔第二时间阈值的医学图像数据采样组；

计算模块204还用于基于各组所述医学图像数据采样组中的每张所述采样医学图像数据中所述目标对象边界的像素点坐标，分别计算对应的采样组边界坐标；基于全部的所述采样组边界坐标计算得到所述目标边界坐标。

作为一种可实现的方式，所述特征信息用于表征所述采样医学图像数据的颜色和/或纹理信息；

识别模块203还用于将所述采样医学图像数据基于颜色图像分割算法和/或纹理图像分割算法，计算得到所述医学图像数据中的所述目标对象边界。

作为一种可实现的方式，计算模块204还用于计算全部所述采样医学图像数据中所述目标对象边界的像素点坐标对应的设定坐标；其中，所述设定坐标包括平均坐标、方差坐标或中位坐标；将所述设定坐标作为所述目标边界坐标。

作为一种可实现的方式，处理系统还包括关联模块；

关联模块，用于获取采集所述医学图像数据集的图像采集设备信息；将所述目标边界坐标与所述图像采集设备信息关联；

裁剪模块205还用于将获取自所述图像采集设备的所述医学图像数据基于所述目标边界坐标进行裁剪。

需要说明的是，本实施例的医学图像数据的处理系统的工作原理与实施例1中的医学图像数据的处理方法的工作原理相同，因此在此不再赘述。

本实施例提供的医学图像数据的处理系统，通过对选取医学图像数据集中的小部分医学图像数据，得到普适于医学图像数据集的目标边界坐标，通过目标边界坐标完成对医学图像数据集整体的快速批量裁剪，有效提高医学图像数据的处理效率，具有普适性且不占用计算和存储资源。

实施例3

如图7所示，为本发明实施例3提供的一种电子设备的结构示意图。包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现前述实施例1的医学图像数据的处理方法。图7显示的电子设备30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。

总线33包括数据总线、地址总线和控制总线。

存储器32可以包括易失性存储器，例如随机存取存储器(RAM)321和/或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。

存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324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。

处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1的医学图像数据的处理方法。

电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且，模型生成的设备30还可以通过网络适配器36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。如图所示，网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备30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(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。

应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

实施例4

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现实施例1的医学图像数据的处理方法。

其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。

在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行实现实施例1的医学图像数据的处理方法。

其中，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的程序代码，程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (11)

1.一种医学图像数据的处理方法，其特征在于，所述处理方法包括：

获取同一采集视角的医学图像数据集；

从所述医学图像数据集中选取若干采样医学图像数据；

获取每张所述采样医学图像数据的特征信息；

基于所述特征信息识别所述采样医学图像数据中的目标对象边界；

基于每张所述采样医学图像数据中所述目标对象边界的像素点坐标计算得到目标边界坐标；

根据所述目标边界坐标对所述医学图像数据集中的所述医学图像数据进行裁剪。

2.根据权利要求1所述的医学图像数据的处理方法，其特征在于，所述从所述医学图像数据集中选取若干所述采样医学图像数据的步骤包括：

将所述医学图像数据集按生成时间依次排序；

从排序后的医学图像中选取生成时间上连续的若干采样医学图像数据。

3.根据权利要求2所述的医学图像数据的处理方法，其特征在于，所述选取生成时间上连续的若干采样医学图像数据的步骤包括：

选取所述生成时间在采样时间阈值内的若干所述采样医学图像数据。

4.根据权利要求2所述的医学图像数据的处理方法，其特征在于，所述选取若干所述采样医学图像数据的步骤包括：

抽样选取多组所述生成时间至少间隔第二时间阈值的医学图像数据采样组；

基于各组所述医学图像数据采样组中的每张所述采样医学图像数据中所述目标对象边界的像素点坐标，分别计算对应的采样组边界坐标；

基于全部的所述采样组边界坐标计算得到所述目标边界坐标。

5.根据权利要求1所述的医学图像数据的处理方法，其特征在于，所述特征信息用于表征所述采样医学图像数据的颜色和/或纹理信息；

所述基于所述特征信息识别所述采样医学图像数据中的目标对象边界的步骤包括：

将所述采样医学图像数据基于颜色图像分割算法和/或纹理图像分割算法，计算得到所述医学图像数据中的所述目标对象边界。

6.根据权利要求1至5中任一项所述的医学图像数据的处理方法，其特征在于，所述基于每张所述采样医学图像数据中所述目标对象边界的像素点坐标计算得到目标边界坐标的步骤包括：

计算全部所述采样医学图像数据中所述目标对象边界的像素点坐标对应的设定坐标；

其中，所述设定坐标包括平均坐标、方差坐标或中位坐标；

将所述设定坐标作为所述目标边界坐标。

7.根据权利要求1所述的医学图像数据的处理方法，其特征在于，所述处理方法还包括：

获取采集所述医学图像数据集的图像采集设备信息；

将所述目标边界坐标与所述图像采集设备信息关联；

将获取自所述图像采集设备的所述医学图像数据基于所述目标边界坐标进行裁剪。

8.根据权利要求1所述的医学图像数据的处理方法，其特征在于，所述医学图像数据包括内窥镜图像。

9.一种医学图像数据的处理系统，其特征在于，所述处理系统包括获取模块、选取模块、识别模块、计算模块和裁剪模块；

所述获取模块，用于获取同一采集视角的医学图像数据集和获取每张采样医学图像数据的特征信息；

所述选取模块，用于从所述医学图像数据集中选取若干采样医学图像数据；

所述识别模块，用于基于所述特征信息识别所述采样医学图像数据中的目标对象边界；

所述计算模块，用于基于每张所述采样医学图像数据中所述目标对象边界的像素点坐标计算得到目标边界坐标；

所述裁剪模块，用于根据所述目标边界坐标对所述医学图像数据集中的所述医学图像数据进行裁剪。

10.一种电子设备，包括存储器、处理器及存储在存储器上并用于在处理器上运行的计算机程序，其特征在于，所述处理器执行计算机程序时实现如权利要求1-8中任一项所述的医学图像数据的处理方法。

11.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的医学图像数据的处理方法。