(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210404881.8 (22)申请日 2022.04.18 (71)申请人 上海联影智能医疗科技有限公司 地址 200232 上海市徐汇区云锦路701号 20、 21、 22层 （名义楼层为23、 25、 26层） (72)发明人 刘爱娥　陈磊　薛忠　 (74)专利代理 机构 北京华进京联知识产权代理 有限公司 1 1606 专利代理师 朱五云 (51)Int.Cl. G06T 7/00(2017.01) G06T 3/40(2006.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) (54)发明名称 医学影像处理方法、 计算机设备和存 储介质 (57)摘要 本申请涉及一种医学影像处理方法、 计算机 设备和存储介质。 所述方法包括： 将第一医学影 像输入预设的生成模型， 得到第二医学影像； 所 述第二医学影像的分辨率高于所述第一医学影 像的分辨率； 所述第一医学影像为初始医学影像 中的病灶区域影像； 将所述第二医学影像输入预 设的分类模 型， 得到所述第一医学影像对应的分 类结果； 其中， 所述分类结果用于表征所述第一 医学影像中感兴趣区域的病灶类型； 所述生成模 型和所述分类模型为根据初始生成模型的损失 函数的值和初始分类模型的损失函数的值， 对所 述初始生成模型和所述初始分类模型进行级联 训练所得到的。 采用本方法能够提高检测肺结节 是否发生浸润的准确度。 权利要求书2页 说明书13页 附图5页 CN 114723723 A 2022.07.08 CN 114723723 A 1.一种医学影 像处理方法， 其特 征在于， 所述方法包括： 将第一医学影像输入预设的生成模型， 得到第二医学影像； 所述第二医学影像的分辨 率高于所述第一医学影像的分辨率； 所述第一医学影像为初始医学影像中的病灶区域影 像； 将所述第二医学影像输入预设的分类模型， 得到所述第一医学影像对应的分类结果； 其中， 所述分类结果用于表征所述第一医学影像中感兴趣区域的病灶类型； 所述生成模型 和所述分类模型为根据初始 生成模型的损失函数的值和初始分类模型的损失函数的值， 对 所述初始生成模型和所述初始分类模型进行级联训练所 得到的。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 获取所述第二医学影 像的影像组学特征和医学临床特 征； 将所述影像组学特征、 所述医学临床特征和所述第二医学影像输入预设的分类模型， 得到所述第一医学影 像对应的分类结果。 3.根据权利要求2所述的方法， 其特征在于， 所述分类模型包括特征提取层、 融合层和 分类层； 所述将所述影像组学特征、 所述医学临床特征和所述第二医学影像输入预设的分 类模型， 得到所述第一医学影 像对应的分类结果， 包括： 将所述第二医学影 像输入所述特 征提取层， 得到所述第二医学影 像的特征； 将所述第二医学影像的特征、 所述影像组学特征和所述医学临床特征输入所述融合 层， 对所述第二医学影像的特征、 所述影像组学特征和所述医学临床特征进行特征融合， 得 到融合后的特 征； 将所述融合后的特 征输入所述分类层， 得到所述分类结果。 4.根据权利要求3所述的方法， 其特征在于， 所述将所述第二医学影像的特征、 所述影 像组学特征和所述医学临床特征输入所述融合层， 对所述第二医学影像的特征、 所述影像 组学特征和所述医学临床特 征进行特征融合， 得到融合后的特 征， 包括： 将所述第二医学影像的特征、 所述影像组学特征和所述医学临床特征输入所述融合 层， 对所述第二医学影像的特征、 所述影像组学特征和所述医学临床特征进行结构化处理， 得到结构化特 征， 以及 对所述结构化特 征进行降维处 理， 得到所述融合后的特 征。 5.根据权利要求1 ‑4任一项所述的方法， 其特征在于， 所述生成模型和所述分类模型的 训练过程， 包括： 获取第一样本医学影像、 所述第 一样本医学影像对应的金标准医学影像和所述第 一样 本医学影像对应的金标准分类结果； 其中， 所述第一样本医学影像为样本医学影像的感兴 趣区域影 像； 所述金 标准医学影 像的分辨 率高于所述第一样本医学影 像的分辨 率； 将所述第一样本医学影 像输入预设的初始生成模型， 得到第二样本医学影 像； 根据所述第 二样本医学影像和所述金标准医学影像， 得到所述初始生成模型的第 一损 失函数的值； 将所述第二样本 医学影像输入预设的初始分类模型， 得到所述第 一样本医学影像对应 的样本分类结果； 根据所述样本分类结果和所述金标准分类结果， 得到所述初始分类模型的第 二损失函 数的值；权　利　要　求　书 1/2 页 2 CN 114723723 A 2将所述第一损失函数的值和所述第 二损失函数的值的加权和， 确定为目标损失函数的 值； 根据所述目标损失函数的值对所述初始生成模型和所述初始分类模型进行训练， 得到 所述分类模型和所述 生成模型。 6.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 对所述初始医学影 像中的病灶区域进行分割， 得到所述第一医学影 像。 7.根据权利要求2所述的方法， 其特征在于， 所述获取所述第 二医学影像的影像组学特 征和医学临床特 征， 包括： 利用预设的特征提取算法， 对所述第二医学影像进行特征提取， 得到所述影像组学特 征； 从所述第二医学影 像对应的检查报告中， 得到所述医学临床特 征。 8.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 对所述初始医学影像中除所述感兴趣区域外的影像， 利用最近邻算法生成第 三医学影 像； 所述第三医学影 像的分辨 率与所述第二医学影 像的分辨 率相同； 将所述第二医学影像和所述第 三医学影像进行拼接处理， 生成所述初始医学影像对应 的第四医学影 像。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。 10.一种计算机可读存储介质， 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权利要求1至8中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114723723 A 3