[發明專利]圖像處理方法、裝置、計算機可讀介質及電子設備

有效

• 申請號: 201811348721.6
• 申請日: 2018-11-13
• 公開（公告）號: CN109523532B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 尚鴻;孫鐘前;付星輝;楊巍
• 申請（專利權）人: 騰訊醫療健康（深圳）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美

1.一種圖像處理方法，其特征在于，包括：

輸入待預測醫學圖像至模型，所述待預測醫學圖像包括白光圖像和窄帶圖像，所述模型為多任務深度卷積神經網絡模型，所述模型包括圖像輸入層、共享層以及并行的n個任務輸出層，n為大于等于2的正整數；

通過所述n個任務輸出層輸出n種病灶性質的預測結果；

所述模型是通過如下步驟訓練的：

步驟1、采用醫療成像設備的n種模式采集n種醫學圖像訓練集，根據所述n種醫學圖像訓練集中的各醫學圖像對應的活檢結果標注各醫學圖像，生成n種醫學圖像訓練集；

步驟2、依次輸入所述n種醫學圖像訓練集中的選定數量個醫學圖像至所述模型的圖像輸入層，對所述模型進行訓練；

若n等于2，所述n種醫學圖像訓練集包括第一種醫學圖像訓練集和第二種醫學圖像訓練集，所述模型中的2個任務輸出層分別對應第一任務和第二任務，所述第一任務具有第一損失函數和第一優化器，所述第二任務具有第二損失函數和第二優化器；其中，所述步驟2包括：

輸入所述第一種醫學圖像訓練集中的m₁個醫學圖像至所述模型的圖像輸入層，根據所述第一損失函數優化所述第一優化器，以更新所述第一任務和所述第二任務的共享參數和所述第一任務的獨立參數；

輸入所述第二種醫學圖像訓練集中的m₂個醫學圖像至所述模型的圖像輸入層，根據所述第二損失函數優化所述第二優化器，以更新所述第一任務和所述第二任務的共享參數和所述第二任務的獨立參數；

其中，m₁和m₂均為大于等于1的正整數。

2.根據權利要求1所述的圖像處理方法，其特征在于，所述模型訓練步驟還包括：

重復執行所述步驟2，繼續對所述模型進行訓練。

3.根據權利要求1所述的圖像處理方法，其特征在于，還包括模型預訓練步驟，所述模型預訓練步驟包括：

利用自然圖像訓練集預訓練所述模型。

4.根據權利要求1所述的圖像處理方法，其特征在于，所述病灶性質的預測結果包括正常、非腺瘤性息肉、腺瘤性息肉、腺癌中的任意一種。

5.根據權利要求1所述的圖像處理方法，其特征在于，所述共享層包括依次連接的卷積層、最大池化層、第一稠密塊、第一轉變層、第二稠密塊、第二轉變層、第三稠密塊、第三轉變層、第四稠密塊以及全局平均池化層。

6.根據權利要求5所述的圖像處理方法，其特征在于，每個稠密塊中包括K個瓶頸層，每個稠密塊中的第i個瓶頸層的輸入包括對應稠密塊中的第1至第(i-1)個瓶頸層的輸出；

其中，i為大于等于2且小于等于K的正整數；K為大于等于1的正整數。

7.根據權利要求6所述的圖像處理方法，其特征在于，每個瓶頸層包括依次連接的第一批規范化層、第一線性修正單元、第一卷積層、第一丟棄層、第二批規范化層、第二線性修正單元、第二卷積層以及第二丟棄層。

8.根據權利要求1所述的圖像處理方法，其特征在于，每個任務輸出層包括全連接層。