(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 202210224566.7 (22)申请日 2021.12.31 (62)分案原申请数据 202111652073.5 2021.12.31 (71)申请人 深圳科亚医疗科技有限公司 地址 518100 广东省深圳市龙岗区龙城街 道龙岗天安数码创业园4 号-D栋2层 (72)发明人 蓝重洲　袁绍锋　黄晓萌　李育威　 曹坤琳　宋麒　 (74)专利代理 机构 北京金信知识产权代理有限 公司 11225 专利代理师 夏东栋 (51)Int.Cl. G06T 7/00(2017.01) G06K 9/62(2022.01)G16H 30/20(2018.01) G06V 40/14(2022.01) G06V 10/764(2022.01) (54)发明名称 对医学图像进行对象分析的方法、 装置和存 储介质 (57)摘要 本公开涉及一种对医学图像进行对象分析 的方法、 装置和存储介质， 所述方法可 以包括如 下步骤。 可以获取包含对象的3D医学图像。 可以 为对象的各个种类 设置对应的窗宽窗位， 基于各 个窗宽窗位 分别对各个子图像序列调窗， 以得到 各个通道的子图像序列。 可以基于各个通道的子 图像序列， 利用各个部位对应的子对象分析模型 进行分析， 得到子对象分析结果。 该方法和装置 根据对象病变类别设置多种窗宽窗位， 子图像序 列根据设置的窗宽窗位调窗后得到多通道图像， 以多通道 图像替代单通道 图像作为子对象分析 模型的输入， 此方法可以提升子对象分析模型对 不同类别病变的识别率， 有效解决不同血管病变 类别对应的CT值差异的问题。 权利要求书2页 说明书9页 附图4页 CN 114581418 A 2022.06.03 CN 114581418 A 1.一种对医学图像进行对象分析的方法， 其特 征在于， 包括： 获取包含对象的3D医学图像； 利用处理器， 将所述3D医学图像按照部位划分为各个部位的子图像序列； 为对象的各个种类设置对应的窗宽窗位， 基于各个窗宽窗位分别对各个子图像序列调 窗， 以得到各个通道的子图像序列； 基于各个通道 的子图像序列， 参考各个部位的先验信息， 利用各个部位对应的子对象 分析模型进行分析， 得到 子对象分析 结果； 利用所述处理器， 对各个子对象分析结果进行融合， 来得到所述3D医学图像的对象分 析结果。 2.根据权利要求1所述的方法， 其特征在于， 将所述3D医学图像按照部位划分为各个部 位的子图像序列具体包括： 基于所述3D医学图像， 利用片层分类模型， 识别出所述3D医学图 像中作为相邻部位交界处的关键片层； 利用识别出 的关键片层， 实现按照部位的子图像的 划分。 3.根据权利要求2所述的方法， 其特征在于， 所述片层分类模型利用二维学习网络实 现， 利用具有对应部位的片层的分类信息的训练样本训练。 4.根据权利要求1所述的方法， 其特征在于， 所述对象为血管、 消化道、 乳腺管、 呼吸道 中的至少一种或其中的病变。 5.根据权利要求1所述的方法， 其特 征在于， 所述对象为血 管病变。 6.根据权利要求5所述的方法， 其特征在于， 所述血管病变为钙化斑块、 非钙化斑块、 混 合斑块、 动脉瘤和支 架影像中的至少一种。 7.根据权利要求1 ‑6中的任何一项所述的方法， 其特征在于， 基于各个通道的子图像序 列， 利用各个部位对应的子对象分析模 型进行分析， 得到子对象分析结果具体包括： 基于各 个通道的子图像序列， 参考各个部位的先验信息及其骨架化后的对 象分割结果， 利用各个 部位对应的子对象分析模型进行分析， 来得到 子对象分析 结果。 8.根据权利要求1 ‑6中的任何一种所述的方法， 其特征在于， 还包括： 基于各个部位的 先验信息及其骨架化后的对象分割结果， 为各个子对象分析模型调节模型参数。 9.根据权利要求8所述的方法， 其特征在于， 基于各个部位的先验信 息及其骨架化后的 对象分割结果， 为各个子对象分析模型调节模型参数 具体包括： 基于各个部位的先验信 息确定滑窗块的尺寸， 基于骨架化后的各个子图像序列的对象 分割结果确定滑窗块的内部代表点， 基于内部代表点按照滑窗块的尺寸截 取包含病变标注 信息的训练样本的滑窗块， 利用所述滑窗块作为训练样本对各个子对象分析模型进行训 练。 10.根据权利要求9所述的方法， 其特征在于， 所述基于骨架化后的各个子图像序列的 对象分割结果确定滑窗块的内部代 表点具体包括： 基于各个部位的子 图像序列， 利用所述处理器， 使用各个部位的对应分割模型确定对 应的对象分割结果； 对各个子图像序列的对象分割结果进行骨架化操作： 对骨架化后的对象分割结果稀疏采样得到滑窗块的内部代 表点。 11.根据权利要求10所述的方法， 其特征在于， 各个血管分割模型利用具有对应部位血权　利　要　求　书 1/2 页 2 CN 114581418 A 2管信息的训练样本分别训练。 12.根据权利要求8所述的方法， 其特征在于， 基于各个部位的先验信息及其骨架化后 的对象分割结果， 为各个子对象分析模型调节模型参数还具体包括： 利用滑窗块作为训练样本对各个子对象分析模型进行训练； 将该训练得到的假阳性样本与包含病变标注信 息的训练样本一起作为新的训练样本， 来训练各个子对象分析模型。 13.根据权利要求9 ‑12中的任何一种所述的方法， 其特征在于， 所述部位的先验信 息包 括： 部位所含 对象的尺寸、 形状和数量中的至少一种。 14.根据权利要求9 ‑11中的任何一种所述的方法， 其特征在于， 所述内部代表点为滑窗 块中心点。 15.根据权利要求1 ‑6中的任何一种所述的方法， 其特征在于， 所述3D医学图像为包含 血管的CTA图像、 包 含肋骨的CT图像或者包 含肺部的CT图像。 16.一种对医学图像进行对象分析的装置， 其特 征在于， 包括： 接口， 其配置为获取包 含对象的3D医学图像； 以及 处理器， 其配置为： 执行根据权利要求1 ‑15中任何一项所述的对医学图像进行对象分 析的方法。 17.一种具有存储在其上的指令的非暂时性计算机可读介质， 所述指令在由处理器执 行时实现根据权利要求1 ‑15中任何一项所述的对医学图像进行对象分析的方法。权　利　要　求　书 2/2 页 3 CN 114581418 A 3