(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 202210301303.1 (22)申请日 2022.03.24 (71)申请人 河北灵畅互动科技有限公司 地址 050000 河北省石家庄市裕华区槐安 东路161号金明大厦A座5楼 A区 (72)发明人 赵振峰　王彩兰　王立轩　汪志宇　 郭建明　李超　骆健　张龙　高瑜　 诸葛晓旻　董璇　 (74)专利代理 机构 石家庄领皓专利代理有限公 司 13130 专利代理师 王丹 (51)Int.Cl. G06T 7/11(2017.01) G06T 5/20(2006.01) G06K 9/62(2022.01)G06T 17/00(2006.01) G16H 30/20(2018.01) G06V 10/74(2022.01) G06V 10/25(2022.01) G06V 10/44(2022.01) (54)发明名称 基于计算机视觉的AI医学图像处理方法及 装置 (57)摘要 本发明涉及图像处理技术领域， 提出了基于 计算机视觉的AI医学图像处理方法及装置， 基于 计算机视觉的AI医学图像处理方法包括： 获得样 本的医学图像； 对所述医学图像进行近似处理， 包括： 切片分割、 轮廓点寻找和轮廓点滤波； 计算 所述近似处理的误差； 根据所述近似处理的误 差， 在Z方向上采用自适应插值算法对所述滤波 后的轮廓点进行插值， 得到插值后图像； 所述插 值后图像用于构建样本的三维模 型。 通过上述技 术方案， 解决了现有技术中基于计算机视觉的AI 医学图像处 理方法运 算量大的问题。 权利要求书3页 说明书10页 附图4页 CN 114663447 A 2022.06.24 CN 114663447 A 1.基于计算机 视觉的AI医学图像处 理方法， 其特 征在于， 包括： 获得样本的医学图像； 所述医学图像包括沿Z方向依次排列的M个切片图像； 对所述医学图像进行近似处理， 包括： 对每一切片图像进行切片分割， 得到M个组织切 片； 采用轮廓寻找算法确定每一组织切片的轮廓线； 在每一组织切片的轮廓线上选取N个 点， 作为N个轮廓点； 对M个组织切片上的M ×N个轮廓点进行 滤波， 得到滤波后的轮廓点； 计算所述近似处 理的误差； 根据所述近似处理的误差， 在Z方向上采用自适应插值算法对所述滤波后的轮廓点进 行插值， 得到插值后图像； 所述插值后图像用于构建样本的三维模型。 2.根据权利要求1所述的基于计算机视觉的AI医学图像处理方法， 其特征在于， 所述计 算近似处理的误差包括计算切 片分割误差Esegment， 所述切片 分割误差Esegment的具体计算过 程包括： 计算每一组织切片的分割误差， 得到M个组织切片的分割误差， 其中任一组织切片的分 割误差Em,segment计算过程包括： 将每一组织切片的分割误差进行累加， 得到切片分割误差 Esegment： 其中， m代表任一组织切片， m＝1,2, …,M， ROIm,1和ROIm,2分别为组织切片m上的两个区 域， Sm表征两个区域的相似度。 3.根据权利要求2所述的基于计算机视觉的AI医学图像处理方法， 其特征在于， 所述计 算近似处理的误差还包括计算轮廓寻找误差Econtourfind， 所述轮廓寻找误差Econtourfind的具 体计算过程包括： 计算每一组织切片的轮廓 误差， 得到M个组织切片的轮廓 误差， 其中任一组织切片的轮 廓误差Em,contourfind计算过程包括： 将每一组织切片的轮廓误差进行累加， 得到轮廓寻找误差 Econtourfind： 其中， m代表任一组织切 片， m＝1,2, …,M， ROIm,segment为轮廓寻找前图像， ROIm,contourfind 为轮廓寻找后图像， Sm,contourfind表征两个图像的相似度。 4.根据权利要求3所述的基于计算机视觉的AI医学图像处理方法， 其特征在于， 所述计 算近似处理的误差还包括计算切片滤波误差Efiltering， 所述滤波误差Efiltering的具体计算过 程包括： 计算每一组织切片的滤波误差， 得到M个组织切片的滤波误差， 其中任一组织切片的滤权　利　要　求　书 1/3 页 2 CN 114663447 A 2波误差Em,filtering1计算过程包括： 将每一组织切片的滤波误差进行累加， 得到切片滤波误差 Efiltering1： 其中， m代表任一组织切片， m＝1,2, …,M， ROIm,contourfind为滤波前图像， ROIm,filtering为 滤波后图像， Sm,filtering1表征两个图像的相似度。 5.根据权利要求3所述的基于计算机视觉的AI医学图像处理方法， 其特征在于， 所述计 算近似处理的误差还包括计算切片滤波误差Efiltering， 所述切片滤波误差Efiltering的具体计 算过程包括： 计算每一轮廓 点的极径误差， 得到M个轮廓点的极径误差， 其中任一轮廓 点的极径误差 Em,n,filtering2计算过程包括： 将每一轮廓点的极径误差进行累加， 得到切片滤波误差 Efiltering2： 其中， m代表任一组织切片， m＝1,2, …,M， r″m,n为任一轮廓点滤波后的极径， rm,n为任一 轮廓点滤波前的极径。 6.根据权利要求4或5所述的基于计算机视觉的AI医学图像处理方法， 其特征在于， 所 述计算近似处理的误差还包括： 对所述切片分割误差Esegment、 所述轮廓寻找误差Econtourfind、 所述切片滤波误差 Efiltering进行误差合并， 得到 近似处理的误差 Eapprox。 7.根据权利要求6所述的基于计算机视觉的AI医学图像处理方法， 其特征在于， 所述误 差合并具体包括： 或者 Eapprox＝max{Esegment,Econtourfind,Efiltering}。 8.根据权利要求1所述的基于计算机视觉的AI医学图像处理方法， 其特征在于， 任一所 述轮廓点包括一一对应的X坐标、 Y坐标、 Z坐标、 极径和极角， 任意具有相同极角的M个轮廓 点组成一个插值 点集合， M×N个轮廓点形成N个插值 点集合， 所述根据所述近似处理的误差， 在Z方向上采用自适应插值算法对所述滤波后的轮廓 点进行插值， 具体包括： 对每一所述插值 点集合执行自适应插值， 得到N个Z向插值 函数； 其中， 对任一所述插值 点集合执行自适应插值， 具体包括：权　利　要　求　书 2/3 页 3 CN 114663447 A 3