一种医学图像预处理方法及系统与流程

技术特征：
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；
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。

技术总结
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。习模型训练准确率。习模型训练准确率。


技术研发人员：洪坤磊 钱令军 肖谦 刘远明
受保护的技术使用者：深圳市智影医疗科技有限公司
技术研发日：2021.11.02
技术公布日：2022/3/25