(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 202111296777.3 (22)申请日 2021.11.03 (30)优先权数据 109144443 2020.12.16 TW 110137780 2021.10.12 TW (71)申请人 财团法人工业 技术研究院 地址 中国台湾新竹县竹东 镇中兴路4段195 号 (72)发明人 王鼎元　邓名杉　李雅文　刘容慈　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 樊晓 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01)G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 医学影像分析方法与装置 (57)摘要 医学影像 分析方法包括： 读取一原始医学影 像； 利用互补的多个人工智能模 型对该原始医学 影像进行影像 分类及物件检测， 以得到第一分类 结果及多个物件检测结果； 由特征整合转换模块 对该些物件检测结果中的第一检测结果与第二 检测结果进行物件特征的整合及量化转换， 以得 到量化结果； 以及由机器学习模块对 该量化结果 与该第一分类结果进行机器学习， 以得到并显示 影像判读结果。 权利要求书4页 说明书8页 附图10页 CN 114638781 A 2022.06.17 CN 114638781 A 1.一种医学影 像分析方法， 包括： 读取原始医学影 像； 利用互补的多个人工智能模型对该原始医学影像进行影像分类及物件检测， 以得到第 一分类结果及多个物件检测结果； 由特征整合转换模块对该些物件检测结果中的第一检测结果与第二检测结果进行物 件特征的整合及量 化转换， 以得到量 化结果； 以及 由机器学习模块对该量化结果与 该第一分类结果进行机器学习， 以得到并显示影像判 读结果。 2.根据权利要求1所述的医学影像分析方法， 还包括： 当判断该原始医学影像的尺寸不 小于既定尺寸门槛 值时， 调整该原 始医学影 像的该尺寸， 以小于该既定尺寸门槛 值。 3.根据权利要求1所述的医学影 像分析方法， 其中： 该 些互补人工智能模型包括： 第一分类模型， 用以分析该原始医学影像以得到该第一分类结果， 该第一分类结果为 疾病分类结果； 病征检测模型， 分析该原始医学影像以得到该第一检测结果， 该第一检测结果为病征 检测结果， 该病征检测结果包含各病征 的位置、 面积、 信心值及各病征种类的病征总数量； 以及 生理组织检测模型， 分析该原始医学影像以得到该第二检测结果， 该第二检测结果为 生理组织检测结果， 该生理组织检测结果包含各生理组织的位置、 第一长度、 第二长度与信 心值。 4.根据权利要求3所述的医学影像分析方法， 其中： 各病征的该面积通过该病征检测模 型所检测出的定界框的垂直长度及水平长度计算 求得。 5.根据权利要求3所述的医学影像分析方法， 其中： 该些互补人工智能模型还包括第 二 分类模型， 该第二检测结果输入至该第二分类模型， 该第二分类模型根据该第二检测结果 从该原始医学影像中框选出目标区域， 以分析所框选出 的该目标区域， 而得到第二分类结 果， 该第二分类结果输入至该机器学习模块。 6.根据权利要求1所述的医学影像分析方法， 其中： 该特征整合转换模块对该第 一检测 结果与该第二检测结果 通过量化转换得到纯量或向量。 7.根据权利要求6所述的医学影 像分析方法， 其中： 于该特征整合转换模块进行量化时， 对于多个象限与病征间的关系， 量化程度分别与 角度隶属象限程度、 面积、 信心值或其任意组合呈第一 正向关系； 以及 于该特征整合转换模块进行量化时， 对于生理组织与该病征之间的关系， 量化程度分 别与该病 征与生理组织之间的距离的倒数、 该面积、 该信心值或其任意组合呈第二正向关 系。 8.根据权利要求7 所述的医学影 像分析方法， 其中： 该些象限与该病征的该第一正向关系有关于该角度隶属象限程度与第一参数的第一 运算结果、 该面积与第二参数的第二运算结果， 以及， 该信心值与第三参数的第三运算结 果； 以及 该生理组织与该病征的该第二正向关系有关于该病征与该生理组织之间的该距离的 该倒数与第四参数的第四运算结果， 该面积与第五参数的第五运算结果， 以及， 该信心 值与权　利　要　求　书 1/4 页 2 CN 114638781 A 2第六参数的第六运 算结果。 9.根据权利要求8所述的医学影像分析方法， 其中： 该第 一参数， 该第 二参数， 该第三参 数， 该第四参数， 该第五参数与该第六参数通过资料 学习而获得。 10.根据权利要求9所述的医学影像分析方法， 其中： 该第一参数， 该第二参数， 该第三 参数， 该第四参数， 该第五参数与该第六参数通过反向传播法或贝叶斯优化进行 更新。 11.根据权利要求7 所述的医学影 像分析方法， 其中： 当该角度隶属象限程度用模糊理论实现时， 定义多个模糊集 合； 当该角度隶属象限程度以函数表示时， 该函数的输出介于 0与1之间； 以及 该角度隶属象限函数的形状为梯形、 三角形或其任意组合， 并且该 形状是可训练的。 12.根据权利要求7 所述的医学影 像分析方法， 其中： 该第一检测结果为病征结果矩阵， 该病征结果矩阵中的各列元素包括： 该病征的类型， 该病征的位置、 该病征的水平长度、 该病征的垂直长度与该病征的信心值， 以及 该第二检测结果为生理组织结果矩阵， 该生理组织结果矩阵的各列元素包括： 该生理 组织的类型、 该生理组织的位置、 该生理组织的水平长度、 该生理组织的垂 直长度与该生理 组织的信心值。 13.根据权利要求12所述的医学影 像分析方法， 其中： 该特征整合转换模块将该病征结果矩阵与该生理组织结果矩阵整合为病征生理组织 关系矩阵； 以及 该第一检测结果为一维信心值矩阵， 该特征整合转换模块将该病征生理组织关系矩阵 平坦化为一维病征生理 组织关系矩阵。 14.根据权利要求13所述的医学影像分析方法， 其中： 该机器学习 模块对该一维信心值 矩阵与该一维病征生理 组织关系矩阵进行机器学习， 以得到该影 像判读结果。 15.根据权利要求14所述的医学影像分析方法， 其中： 该影像判读结果包括具有病征与 生理组织的医学影像与至少一判读结果； 以及， 该原始医学影像包括眼底影像或非 眼底影 像。 16.一种医学影 像分析装置， 包括 处理器； 以及 显示单元， 耦接于该处理器， 其中， 该处理器被配置为： 读取原始医学影 像； 利用互补的多个人工智能模型对该原始医学影像进行影像分类及物件检测， 以得到第 一分类结果及多个物件检测结果； 由特征整合转换模块对该些物件检测结果中的第一检测结果与第二检测结果进行物 件特征的整合及量 化转换， 以得到量 化结果； 以及 由机器学习模块对该量化结果与该第一分类结果进行机器学习， 以得到影像判读结 果， 该影像判读结果显示于该显示单 元上。 17.根据权利要求16所述的医学影像分析装置， 其中， 该处理器被配置为： 当判断该原 始医学影像的尺寸不小于既定尺寸 门槛值时， 调整该原始医学影像的该尺寸， 以小于该既权　利　要　求　书 2/4 页 3 CN 114638781 A 3