(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 202210682229.2 (22)申请日 2022.06.15 (71)申请人 平安银行股份有限公司 地址 518000 广东省深圳市罗湖区深南 东 路5047号 (72)发明人 柳阳　 (74)专利代理 机构 深圳紫藤知识产权代理有限 公司 44570 专利代理师 李镇江 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/62(2017.01) G06V 10/764(2022.01) G06V 10/80(2022.01) (54)发明名称 医学图像处理方法、 装置、 计算机设备及存 储介质 (57)摘要 本申请实施例公开了一种医学图像处理方 法、 装置、 计算机设备及存储介质， 应用于医学图 像处理模型， 医学图像处理模型包括显著性预测 子模型、 归因预测子模型和决策子模型， 方法包 括： 将医学图像输入至完成训练的医学图像处理 模型； 通过医学图像处理模型中的显著性预测子 模型输出医学图像对应的显著性图像； 通过医学 图像处理模型中的归因预测子模型输出医学图 像的归因图； 将显著性图像和归因图进行融合后 输入至决策子模 型， 生成医学图像对应的评分归 因图； 评分归因图具有评分和类别， 评分用于表 征医学图像所表示的健康状态的轻重程度， 类别 用于表征健康状态所处阶段的名称 。 本申请实施 例能够有效地给出医学图像所表征的健康状态 和对应的评分。 权利要求书3页 说明书9页 附图3页 CN 115205217 A 2022.10.18 CN 115205217 A 1.一种医学图像处理方法， 其特征在于， 应用于 医学图像处理模型， 所述医学图像处理 模型包括显著性预测子模型、 归因预测子模型和决策子模型， 所述方法包括： 将医学图像输入至 完成训练的所述医学图像处 理模型； 通过所述医学图像处理模型中的所述显著性预测子模型输出所述医学图像对应的显 著性图像； 所述显著性图像用于突出显示所述医学图像中的目标物； 通过所述医学图像处理模型中的所述归因预测子模型输出所述医学图像的归因图； 所 述归因图用于表示预测过程中， 输入图像的每个像素对实现所述预测过程的贡献程度的概 率分布； 其中， 所述预测过程 为由所述输入图像得到 输出图像的过程； 将所述显著性图像和所述归因图进行融合后输入至所述决策子模型， 生成所述医学图 像对应的评分归因图； 所述评分归因图具有评分和类别， 所述评分用于表征所述医学图像 所表示的健康状态的轻重程度， 所述类别用于表征 所述健康状态所处阶段的名称。 2.如权利要求1所述的医学图像处理方法， 其特征在于， 在所述将医学图像输入至完成 训练的所述医学图像处 理模型之前， 所述方法还 包括： 训练初始显著性预测子模型和初始归因预测子模型， 得到完成训练的所述显著性预测 子模型和所述归因预测子模型； 利用完成训练 的所述显著性预测子模型、 所述归因预测子模型以及所述决策子模型获 取完成训练的所述医学图像处 理模型。 3.如权利要求2所述的医学图像处理方法， 其特征在于， 所述训练初始显著性预测子模 型和初始归因预测子模型， 得到完成训练的所述显著性预测子模型和所述归因预测子模 型， 包括： 获取训练样本； 所述训练样本包括至少一个具有评分的第一医学图像， 以及至少一个 具有显著性区域的第二医学图像， 所述第一医学图像与所述第二医学图像对应的原始图像 相同， 所述第一医学图像的评分和第二图像的显著性区域由所述决策子模型确定； 将所述训练样本输入初始医学图像处理模型， 获取所述初始归因预测模型的第 一损失 函数， 以及获取初始显著性预测模型的第二损失函数； 重复执行以上步骤， 直至所述第一损 失函数和所述第二损 失函数收敛， 得到完成训练 的所述医学图像处 理模型。 4.如权利要求3所述的医学图像处理方法， 其特征在于， 所述获取所述初始归因预测模 型的第一损失函数， 以及获取 所述初始显著性预测模型的第二损失函数， 包括： 将所述第一医学图像输入至初始归因预测子模型， 获取所述第 一医学图像的预测归因 图； 根据所述预测归因图和所述第 一医学图像的真实归因图， 获取所述初始归因预测子模 型的第一损失函数； 将所述第二医学图像输入至初始显著性预测子模型， 获取所述第 二医学图像的预测显 著性图像； 根据所述预测显著性图像和所述第 一医学图像的真实显著性图像， 获取所述初始显著 性预测子模型的第二损失函数。 5.如权利要求3或4所述的医学图像处理方法， 其特征在于， 所述第一损 失函数包括区 域损失函数和面积损失函数， 所述区域损失函数用于表征所述贡献程度概率分布所包含像权　利　要　求　书 1/3 页 2 CN 115205217 A 2素的位置的准确程度， 所述面积损失函数用于表征所述贡献程度概率分布所包含像素的面 积的准确程度， 所述获取 所述初始归因预测子模型的第一损失函数， 包括： 根据第一预测值结合EM算法， 构建所述区域损失函数； 所述第一预测值为所述初始归 因预测模型对已知分类的所述第一医学图像进行预测， 得到所述第一医学图像所包含像素 的位置的第一 概率分布； 根据第二预测值构建所述面积损失函数； 所述第 二预测值为所述第 一概率分布所包含 的全部概 率的和值； 获取所述 区域损失函数与 所述面积损失函数的和值， 将所述和值即为所述第 一损失函 数的值。 6.如权利要求1所述的医学图像处理方法， 其特征在于， 在所述将所述显著性图像和所 述归因图进行融合后输入至所述决策子模型之前， 包括： 计算第一权 重和第二权 重； 所述将所述显著性图像和所述归因图进行融合后输入至所述决策子模型， 包括： 根据所述第一权重和所述第二权重， 对所述显著性图像和所述归因图进行融合， 得到 融合结果； 将所述融合结果输入至所述决策子模型。 7.如权利要求6所述的医学图像处理方法， 其特征在于， 所述计算所述第 一权重和所述 第二权重， 包括： 获取预设参数和第 三医学图像的评分； 所述第 三医学图像为所述医学图像中的任一张 图像； 获取所述预设参数与 所述第三医学图像的评分乘积的极小值， 将所述极小值作为融合 所述显著性图像的第一权 重； 获取预设值与所述第一权 重的差值， 将所述差值作为融合所述归因图的第二权 重。 8.一种医学图像处理装置， 其特征在于， 应用于 医学图像处理模型， 所述医学图像处理 模型包括显著性预测子模型、 归因预测子模型和决策子模型， 所述装置包括： 图像输入 模块， 用于将医学图像输入至 完成训练的所述医学图像处 理模型； 显著性图像获取模块， 用于通过所述医学图像处理模型中的所述显著性预测子模型输 出所述医学图像对应的显著 性图像； 所述显著 性图像用于突出显示所述医学图像中的目标 物； 归因图获取模块， 用于通过所述医学图像处理模型中的所述归因预测子模型输出所述 医学图像的归因图； 所述归因图用于表示预测过程中， 所述输入图像的每个像素对实现所 述预测过程的贡献程度的概率分布； 其中， 所述预测过程为由所述输入图像得到输出图像 的过程； 评分归因图生成模块， 用于将所述显著性图像和所述归因图进行融合后输入至所述决 策子模型， 生成所述医学图像对应的评 分归因图； 所述评 分归因图具有评 分和类别， 所述评 分用于表征所述医学图像所表示的健康状态的轻重程度， 所述类别用于表征所述健康状态 所处阶段的名称。 9.一种计算机设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器 上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1至权　利　要　求　书 2/3 页 3 CN 115205217 A 3