(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 202211030855.X (22)申请日 2022.08.26 (71)申请人 北京联影智能影 像技术研究院 地址 100089 北京市海淀区永腾北路9号院 3号楼4层 (72)发明人 乔治　刘晓鸣　吴青霞　 (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 吴迪 (51)Int.Cl. G06T 7/11(2017.01) G06T 7/187(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/20(2019.01)G06V 10/762(2022.01) (54)发明名称 医学图像处理方法、 装置、 计算机设备和存 储介质 (57)摘要 本申请涉及一种医学图像处理方法、 装置、 计算机设备、 存储介质和计算机程序产品。 方法 包括： 获取以树结构构建的器官图像分割模型； 器官图像分割模型包括树结构中的各叶子节点 对应的训练好的器官图像分割子模 型； 将样本图 像集分别输入至各器官图像分割子模 型， 得到各 样本图像对应的预测分割图像； 根据分割标注图 像与预测分割图像， 对器官图像分割模型的当前 集成策略进行调整， 得到目标集成策略； 根据目 标集成策略， 组合各器官图像分割子模型针对待 分割器官图像输出的预测分割结果， 得到目标器 官分割图像； 目标器官分割图像对应的分割风格 与分割标注图像对应的分割风格相匹配。 采用本 方法能够提高分割结果的准确性。 权利要求书3页 说明书17页 附图5页 CN 115393376 A 2022.11.25 CN 115393376 A 1.一种医学图像处 理方法， 其特 征在于， 所述方法包括： 获取以树结构构建的器官图像分割 模型； 所述器官图像分割模型包括所述树结构中的 各叶子节点对应的训练好的器官图像分割子模型； 其中， 各所述器官图像分割子模型对应 的分割风格不同； 将样本图像集分别输入至各所述器官图像分割子模型， 得到所述样本图像集中的各样 本图像对应的预测分割图像； 根据各所述样本图像对应的分割标注图像与各所述样本图像对应的预测分割图像， 对 所述器官图像分割模型的当前集成策略进行调整， 得到目标集成策略； 根据所述目标集成策略， 组合各器官图像分割子模型针对待分割器官图像输出的预测 分割结果， 得到所述待分割器官图像对应的目标器官分割图像； 所述 目标器官分割图像对 应的分割风格与所述分割标注图像对应的分割风格相匹配。 2.根据权利要求1所述的方法， 其特征在于， 所述当前集成策略包括各所述器官图像分 割子模型对应的分割结果权重； 所述根据各所述样本图像对应的分割标注图像与各所述样 本图像对应的预测分割图像， 对所述器官图像分割模型 的当前集成策略进行调整， 得到目 标集成策略， 包括： 确定各所述样本图像对应的分割标注图像与各所述样本图像对应的预测分割图像之 间的图像差异； 根据所述图像差异调整各所述器官图像分割子模型对应的分割结果权重， 得到各所述 器官图像分割子模型对应的目标分割结果权 重； 根据各所述器官图像分割子模型对应的目标分割结果权 重， 得到所述目标集成策略。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述图像差异调整各所述器官图 像分割子模型对应的分割结果权重， 得到各所述器官图像分割子模型对应的目标分割结果 权重， 包括： 根据所述图像差异， 调整各所述器官图像分割子模型对应的分割结果权重， 得到各所 述器官图像分割子模型对应的调整后权 重； 根据各所述器官图像分割子模型对应的调整后权重， 组合各所述器官图像分割子模型 输出的预测分割结果， 得到各 所述样本图像对应的调整后的预测分割图像； 将所述调整后的预测分割图像作为所述预测分割图像， 返回所述根据所述图像差异， 调整各所述器官图像分割子模型对应的分割结果权重的步骤， 直到所述图像差异满足预设 的调整结束条件， 得到各 所述器官图像分割子模型对应的目标分割结果权 重。 4.根据权利要求1所述的方法， 其特征在于， 所述获取以树结构构建的器官图像分割 模 型， 包括： 获取训练样本图像集、 样本分割标注图像集以及初始分割 模型树中的待训练 的器官图 像分割子模型； 其中， 所述样本分割 标注图像集包括与所述训练样本图像集中的各训练样 本图像对应的样本 分割标注图像； 所述样本分割标注图像为对待分割对象在所述训练样本 图像中所在的实际区域进行 标注得到的； 根据所述训练样本图像集和所述样本分割标注图像集， 对所述初始分割 模型树中的待 训练的器官图像分割子模型进行训练， 得到以所述树结构构建的目标分割模型树； 所述 目 标分割模型树包括所述 树结构中各 所述叶子节点对应的训练好的器官图像分割子模型；权　利　要　求　书 1/3 页 2 CN 115393376 A 2将所述训练样本图像集分别输入至各所述叶子节点对应的训练好的器官图像分割子 模型中， 得到各所述器官图像分割子模型针对所述训练样本图像输出的样本预测分割结 果； 根据各所述器官图像分割子模型输出的所述样本预测分割结果， 构建所述器官图像分 割模型。 5.根据权利要求4所述的方法， 其特征在于， 所述根据各所述器官图像分割子模型输出 的所述样本预测分割结果， 构建所述器官图像分割模型， 包括： 确定各所述样本预测分割结果中的样本预测概 率图像； 拼接各所述样本预测概 率图像， 得到拼接后的样本预测概 率图像； 在所述拼接后的样本预测概率图像上构建预设的集成模型， 得到所述器官图像分割 模 型。 6.根据权利要求4所述的方法， 其特征在于， 所述初始分割 模型树包括所述树结构中的 根节点对应的待训练的器官图像分割子模型； 所述根据所述训练样本图像集和所述样本分 割标注图像集， 对所述初始分割模型树中的待训练的器官图像分割子模型进行训练， 得到 以所述树结构构建的目标分割模型树， 包括： 根据所述训练样本图像集和所述样本分割标注图像集对所述根节点对应的待训练的 器官图像分割子模型进行训练， 得到所述 根节点对应的训练好的器官图像分割子模型； 获取各残差图像对应的纹理特征图像； 各所述残差图像为根据 各所述训练样本图像对 应的根节点预测 概率图像与各所述训练样本图像对应的样本分割标注图像之间的差值得 到的； 所述根节点预测概率图像为所述根节点对应的训练好的器官图像分割子模型针对所 述训练样本图像输出的样本预测分割结果中的样本预测概 率图像； 根据各所述纹理特征图像的聚类结果， 得到所述目标分割模型树。 7.根据权利要求6所述的方法， 其特征在于， 所述根据各所述纹理特征图像的聚类结 果， 得到所述目标分割模型树， 包括： 根据各所述纹理特征图像的聚类结果， 将所述训练样本图像集划分为第 一训练样本图 像集和第二训练样本图像集， 并从所述根节点中分裂出所述根节点的第一子节点和所述根 节点的第二子节点； 将所述第一子节点作为所述根节点， 将所述第 一训练样本图像集作为所述训练样本图 像集； 以及， 将所述第二子节点作为所述根节点， 将所述第二训练样本 图像集作为所述训练 样本图像集； 执行所述根据所述训练样本图像集和所述样本分割标注图像集对所述根节点对应的 待训练的器官图像分割子模型进 行训练的步骤， 直到所述第一训练样本图像集或第二训练 样本图像集的数量小于预设数量， 得到所述树结构中各节点对应的训练好的器官图像分割 子模型； 根据各所述节点对应的训练好的器官图像分割子模型， 确定所述目标分割模型树。 8.一种医学图像处 理装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取以树结构构建的器官图像分割模型； 所述器官图像分割模型包括 所述树结构 中的各叶子节点对应的训练好的器官图像分割子模型； 其中， 各所述器官图像权　利　要　求　书 2/3 页 3 CN 115393376 A 3