(19)中华 人民共和国 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 202111286692.7 (22)申请日 2021.11.02 (71)申请人 深圳市智影医疗科技有限公司 地址 518000 广东省深圳市龙华区龙华 街 道清湖社区清湖村宝能科技园9栋 1606 (72)发明人 洪坤磊　钱令军　肖谦　刘远明　 (74)专利代理 机构 深圳市徽正知识产权代理有 限公司 4 4405 代理人 卢杏艳 (51)Int.Cl. G16H 30/20(2018.01) G06N 20/00(2019.01) (54)发明名称 一种医学图像预处 理方法及系统 (57)摘要 本发明实施例公开了一种医学图像预处理 方法及系统， 方法包括： 构建医学图像数据集， 医 学图像数据集包括图像质量正常的正常图片数 据集和图像质量异常的异常图片数据集； 对医学 图像数据集进行梯度计算， 分别生成正常图片数 据集对应的第一梯度分布和异常图片数据集对 应的第二梯度分布； 根据第一梯度分布和第二梯 度分布确定梯度阈值； 获取待处理的医学图像， 计算待处理的医学图像的第三梯度， 根据第三梯 度与梯度阈值的关系， 获取待处理的医学图像的 图像类别； 根据图像类别执行对应的操作。 本发 明实施例的医学图片数据输入深度学习模型学 习之前， 筛查出图片质量泛白或者泛黑的图片， 过滤掉质量太差的图片的噪音， 提高后续深度学 习模型训练准确率。 权利要求书2页 说明书7页 附图9页 CN 114242209 A 2022.03.25 CN 114242209 A 1.一种医学图像预处 理方法， 其特 征在于， 包括： 构建医学图像数据集， 所述医学图像数据集包括图像质量正常的正常图片数据集和图 像质量异常的异常图片数据集； 对医学图像数据集进行梯度计算， 分别生成正常图片数据集对应的第 一梯度分布和 异 常图片数据集对应的第二梯度分布； 根据第一梯度分布和第二梯度分布确定梯度阈值； 获取待处理的医学图像， 计算待处理的医学图像的第三梯度， 根据第三梯度与梯度阈 值的关系， 获取待处 理的医学图像的图像 类别； 根据所述图像 类别执行对应的操作。 2.根据权利要求1所述的医学图像预处理方法， 其特征在于， 所述获取待处理 的医学图 像， 计算待处理的医学图像的第三梯度， 根据第三梯度与梯度阈值的关系， 获取待处理的医 学图像的图像 类别， 包括： 获取待处理的医学图像， 计算待处理的医学图像的第三梯度， 判断第三梯度是否大于 梯度阈值； 若第三梯度大于梯度阈值， 则判定待处 理的医学图像的图像 类别为正常图像； 若第三梯度小于等于梯度阈值， 则判定待处 理的医学图像的图像 类别为异常图像。 3.根据权利要求2所述的医学图像预处理方法， 其特征在于， 所述图像类别为正常图像 时， 根据所述图像 类别执行对应的操作， 包括： 将所述待处 理的医学图像输入深度学习模型， 获取对应的识别结果。 4.根据权利要求2所述的医学图像预处理方法， 其特征在于， 所述图像类别为异常图像 时， 根据所述图像 类别执行对应的操作， 包括： 将所述待处 理的医学图像进行删除， 不再输入深度学习模型。 5.根据权利要求1所述的医学图像预处理方法， 其特征在于， 所述根据第 一梯度分布和 第二梯度分布确定梯度阈值， 包括： 采用统计方法， 分别统计第 一梯度对应第 一概率分布图和第 二梯度对应的第 二概率分 布图； 根据第一 概率分布图获取正常图片数据集的概 率密度最大值所在的第一区间； 根据第二 概率分布图获取异常图片数据集的概 率密度最大值所在的第二区间； 根据第一区间和第二区间， 确定梯度阈值。 6.一种医学图像预处理系统， 其特征在于， 所述系统包括： 存储器、 处理器及存储在所 述存储器上并可在所述处理器上运行的计算机程序， 所述计算机程序被所述处理器执行时 实现以下步骤： 构建医学图像数据集， 所述医学图像数据集包括图像质量正常的正常图片数据集和图 像质量异常的异常图片数据集； 对医学图像数据集进行梯度计算， 分别生成正常图片数据集对应的第 一梯度分布和 异 常图片数据集对应的第二梯度分布； 根据第一梯度分布和第二梯度分布确定梯度阈值； 获取待处理的医学图像， 计算待处理的医学图像的第三梯度， 根据第三梯度与梯度阈 值的关系， 获取待处 理的医学图像的图像 类别；权　利　要　求　书 1/2 页 2 CN 114242209 A 2根据所述图像 类别执行对应的操作。 7.根据权利要求6所述的医学图像预处理系统， 其特征在于， 所述计算机程序被所述处 理器执行时还实现以下步骤： 获取待处理的医学图像， 计算待处理的医学图像的第三梯度， 判断第三梯度是否大于 梯度阈值； 若第三梯度大于梯度阈值， 则判定待处 理的医学图像的图像 类别为正常图像； 若第三梯度小于等于梯度阈值， 则判定待处 理的医学图像的图像 类别为异常图像。 8.根据权利要求7所述的医学图像预处理系统， 其特征在于， 所述计算机程序被所述处 理器执行时还实现以下步骤： 将所述待处 理的医学图像输入深度学习模型， 获取对应的识别结果。 9.根据权利要求6所述的医学图像预处理系统， 其特征在于， 所述计算机程序被所述处 理器执行时还实现以下步骤： 采用统计方法， 分别统计第 一梯度对应第 一概率分布图和第 二梯度对应的第 二概率分 布图； 根据第一 概率分布图获取正常图片数据集的概 率密度最大值所在的第一区间； 根据第二 概率分布图获取异常图片数据集的概 率密度最大值所在的第二区间； 根据第一区间和第二区间， 确定梯度阈值。 10.一种非易失性计算机可读存储介质， 其特征在于， 所述非易失性计算机可读存储介 质存储有计算机可执行指令， 该计算机可执行指令被一个或多个处理器执行时， 可使得所 述一个或多个处 理器执行权利要求1 ‑5任一项所述的医学图像预处 理方法。权　利　要　求　书 2/2 页 3 CN 114242209 A 3