本技術(shù)涉及人工智能及數(shù)字醫(yī)療領(lǐng)域，尤其涉及一種醫(yī)學(xué)圖像處理方法和裝置、電子設(shè)備、存儲介質(zhì)。

背景技術(shù)：

1、醫(yī)學(xué)圖像中經(jīng)常存在各種噪聲。比如攝像頭的電子噪聲、x射線噪聲、掃描線噪聲、運(yùn)動模糊等等。這些噪聲會使得醫(yī)學(xué)圖像出現(xiàn)模糊、虛化、失真等問題，影響對醫(yī)學(xué)圖像的判斷和診斷結(jié)果。

2、目前存在一些醫(yī)學(xué)圖像去噪技術(shù)，具有一定的準(zhǔn)確性。但是，這些技術(shù)存在實際去噪時需要大量時間和資源的問題，或者需要設(shè)定合理的超參數(shù)，導(dǎo)致去噪準(zhǔn)確性不穩(wěn)定的問題。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例的主要目的在于提出一種醫(yī)學(xué)圖像處理方法和裝置、電子設(shè)備、存儲介質(zhì)，能夠確保醫(yī)學(xué)圖像去噪準(zhǔn)確性，且能夠節(jié)約去噪所需時間和資源。

2、為實現(xiàn)上述目的，本技術(shù)實施例的第一方面提出了一種醫(yī)學(xué)圖像處理方法，所述方法包括：

3、獲取初始醫(yī)學(xué)圖像；

4、通過預(yù)設(shè)的擴(kuò)散模型對初始醫(yī)學(xué)圖像進(jìn)行加噪處理，得到目標(biāo)噪聲醫(yī)學(xué)圖像；

5、對所述初始醫(yī)學(xué)圖像進(jìn)行多尺度卷積，得到至少兩個初始特征圖；其中，任意兩個所述初始特征圖的尺度不同且通道數(shù)量相等；

6、根據(jù)各個所述初始特征圖進(jìn)行多尺度融合，得到目標(biāo)融合通道特征圖；

7、對所述目標(biāo)融合通道特征圖進(jìn)行注意力處理，得到輔助去噪通道特征；

8、通過所述擴(kuò)散模型對所述輔助去噪通道特征和所述目標(biāo)噪聲醫(yī)學(xué)圖像進(jìn)行去噪處理，得到目標(biāo)去噪醫(yī)學(xué)圖像。

9、在一些實施例，所述通過所述擴(kuò)散模型對所述輔助去噪通道特征和所述目標(biāo)噪聲醫(yī)學(xué)圖像進(jìn)行去噪處理，得到目標(biāo)去噪醫(yī)學(xué)圖像，包括：

10、通過所述擴(kuò)散模型對所述目標(biāo)噪聲醫(yī)學(xué)圖像進(jìn)行圖像編碼，得到目標(biāo)圖像噪聲特征；

11、通過所述擴(kuò)散模型對所述目標(biāo)圖像噪聲特征和所述輔助去噪通道特征進(jìn)行融合，得到通道噪聲圖像特征；

12、通過所述擴(kuò)散模型對所述通道噪聲圖像特征進(jìn)行噪聲去除，得到所述目標(biāo)去噪醫(yī)學(xué)圖像。

13、在一些實施例，所述對所述目標(biāo)融合通道特征圖進(jìn)行注意力處理，得到輔助去噪通道特征，包括：

14、對所述目標(biāo)融合通道特征圖中的每個初始通道特征進(jìn)行自適應(yīng)權(quán)重分配，得到自適應(yīng)通道權(quán)重；

15、將所述自適應(yīng)通道權(quán)重與所述初始通道特征進(jìn)行相乘，得到目標(biāo)通道特征；

16、根據(jù)各個所述目標(biāo)通道特征進(jìn)行融合，得到所述輔助去噪通道特征。

17、在一些實施例，所述對所述目標(biāo)融合通道特征圖中的每個初始通道特征進(jìn)行自適應(yīng)權(quán)重分配，得到自適應(yīng)通道權(quán)重，包括：

18、通過預(yù)設(shè)的全連接層對所述目標(biāo)融合通道特征圖中的每個初始通道特征進(jìn)行自適應(yīng)處理，得到自適應(yīng)通道特征；

19、通過預(yù)設(shè)的激活函數(shù)對所述自適應(yīng)通道特征進(jìn)行權(quán)重映射，得到所述自適應(yīng)通道權(quán)重。

20、在一些實施例，所述根據(jù)各個所述初始特征圖進(jìn)行多尺度融合，得到目標(biāo)融合通道特征圖，包括：

21、對所述初始醫(yī)學(xué)圖像進(jìn)行對每一所述初始特征圖進(jìn)行尺度調(diào)整，得到目標(biāo)特征圖；其中，任意兩個所述目標(biāo)特征圖的尺度相同且通道數(shù)量相等；

22、將多個所述目標(biāo)特征圖進(jìn)行通道拼接，得到所述目標(biāo)融合通道特征圖。

23、在一些實施例，所述對所述初始醫(yī)學(xué)圖像進(jìn)行對各個所述初始特征圖分別進(jìn)行尺度調(diào)整，得到目標(biāo)特征圖，包括：

24、從各個所述初始特征圖的尺度確定目標(biāo)基準(zhǔn)尺度；

25、對小于所述目標(biāo)基準(zhǔn)尺度的所述初始醫(yī)學(xué)圖像進(jìn)行尺度增大，得到所述目標(biāo)特征圖；

26、對大于所述目標(biāo)基準(zhǔn)尺度的所述初始醫(yī)學(xué)圖像進(jìn)行尺度縮小，得到所述目標(biāo)特征圖。

27、在一些實施例，所述從各個所述初始特征圖的尺度確定目標(biāo)基準(zhǔn)尺度，包括：

28、計算各個所述初始特征圖與所述初始醫(yī)學(xué)圖像之間的尺度比，得到圖像尺度比；

29、對所述圖像尺度比進(jìn)行取整，確定目標(biāo)取整差值；

30、將最小的所述目標(biāo)取整差值所對應(yīng)的所述圖像尺度比確定為所述目標(biāo)基準(zhǔn)尺度。

31、在一實施例，圖像尺度比包括圖像寬度比和圖像高度比，所述對所述圖像尺度比進(jìn)行取整，確定目標(biāo)取整差值包括：

32、對所述圖像寬度比進(jìn)行取整，確定寬度取整差值；

33、對所述圖像高度比進(jìn)行取整，確定高度取整差值；

34、根據(jù)所述寬度取整差值和所述高度取整差值，確定所述目標(biāo)取整差值。

35、在一些實施例，所述通過預(yù)設(shè)的擴(kuò)散模型對初始醫(yī)學(xué)圖像進(jìn)行加噪處理，得到目標(biāo)噪聲醫(yī)學(xué)圖像，包括：

36、根據(jù)所述擴(kuò)散模型的噪聲系數(shù)，確定加噪權(quán)重；

37、根據(jù)所述加噪權(quán)重和所述初始醫(yī)學(xué)圖像，生成初始噪聲醫(yī)學(xué)圖像；

38、根據(jù)所述噪聲系數(shù)和所述擴(kuò)散模型的噪聲變量，生成隨機(jī)噪聲；

39、根據(jù)所述初始噪聲醫(yī)學(xué)圖像和所述隨機(jī)噪聲，生成所述目標(biāo)噪聲醫(yī)學(xué)圖像。

40、為實現(xiàn)上述目的，本技術(shù)實施例的第二方面提出了一種醫(yī)學(xué)圖像處理裝置，所述裝置包括：

41、圖像獲取模塊，用于獲取初始醫(yī)學(xué)圖像；

42、加噪處理模塊，用于通過預(yù)設(shè)的擴(kuò)散模型對初始醫(yī)學(xué)圖像進(jìn)行加噪處理，得到目標(biāo)噪聲醫(yī)學(xué)圖像；

43、多尺度卷積模塊，用于對所述初始醫(yī)學(xué)圖像進(jìn)行多尺度卷積，得到至少兩個初始特征圖；其中，任意兩個所述初始特征圖的尺度不同且通道數(shù)量相等；

44、多尺度融合模塊，用于根據(jù)各個所述初始特征圖進(jìn)行多尺度融合，得到目標(biāo)融合通道特征圖；

45、注意力處理模塊，用于對所述目標(biāo)融合通道特征圖進(jìn)行注意力處理，得到輔助去噪通道特征；

46、去噪處理模塊，用于通過所述擴(kuò)散模型對所述輔助去噪通道特征和所述目標(biāo)噪聲醫(yī)學(xué)圖像進(jìn)行去噪處理，得到目標(biāo)去噪醫(yī)學(xué)圖像。

47、為實現(xiàn)上述目的，本技術(shù)實施例的第三方面提出了一種電子設(shè)備，所述電子設(shè)備包括存儲器和處理器，所述存儲器存儲有計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)上述第一方面所述的醫(yī)學(xué)圖像處理方法。

48、為實現(xiàn)上述目的，本技術(shù)實施例的第四方面提出了一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述第一方面所述的醫(yī)學(xué)圖像處理方法。

49、本技術(shù)提出的醫(yī)學(xué)圖像處理方法、醫(yī)學(xué)圖像處理裝置、電子設(shè)備及計算機(jī)可讀存儲介質(zhì)，除了引入擴(kuò)散模型對初始醫(yī)學(xué)圖像進(jìn)行加噪處理之外，還對初始醫(yī)學(xué)圖像進(jìn)行多尺度卷積得到至少兩個尺度不同且通道數(shù)量相等的初始特征圖。接著對各個初始特征圖進(jìn)行多尺度卷積，得到目標(biāo)融合通道特征圖。這樣一來，所得到的目標(biāo)融合通道特征圖具有多樣性和魯棒性。再接著對目標(biāo)融合通道特征圖進(jìn)行注意力處理，得到輔助去噪通道特征，該輔助去噪通道特征對去噪過程的貢獻(xiàn)程度較大。最后，通過擴(kuò)散模型對輔助去噪通道特征和目標(biāo)噪聲醫(yī)學(xué)圖像進(jìn)行去噪處理，實現(xiàn)利用輔助去噪通道特征來指導(dǎo)擴(kuò)散模型的去噪過程，同時保證去噪后的醫(yī)學(xué)圖像的信噪比和結(jié)構(gòu)相似性與初始醫(yī)學(xué)圖像相近或更高，提高去噪效果。綜上，本實施例通過引入輔助去噪通道特征指導(dǎo)擴(kuò)散模型的去噪過程，不僅能夠確保醫(yī)學(xué)圖像去噪準(zhǔn)確性，且能夠節(jié)約去噪所需時間和資源。

50、本技術(shù)的附加方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本技術(shù)的實踐了解到。