[發明專利]圖像處理方法、裝置、設備和存儲介質

在審

• 申請號: 201911324287.2
• 申請日: 2019-12-20
• 公開（公告）號: CN111179231A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 陳冉;沈宏
• 申請（專利權）人: 上海聯影智能醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T5/50;G06T3/40;G06N3/04
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 任少瑞

1.一種圖像處理方法，其特征在于，所述方法包括：

獲取待檢測對象的至少兩個不同模態下的醫學圖像；所述至少兩個不同模態下的醫學圖像均包括感興趣區域；

將所述至少兩個不同模態下的醫學圖像進行拼接處理，得到拼接后的多模態醫學圖像；

將所述多模態醫學圖像分別輸入至至少兩個神經網絡模型中，并對各所述神經網絡模型的輸出結果進行處理，確定所述多模態醫學圖像對應的目標分割圖像；所述目標分割圖像包括所述感興趣區域。

2.根據權利要求1所述的方法，其特征在于，所述至少兩個神經網絡模型包括第一神經網絡模型和第二神經網絡模型，所述將所述多模態醫學圖像分別輸入至至少兩個神經網絡模型中，并對各所述神經網絡模型的輸出結果進行處理，確定所述多模態醫學圖像對應的目標分割圖像，包括：

將所述多模態醫學圖像分別輸入至所述第一神經網絡模型和所述第二神經網絡模型中，得到第一分割圖像和第二分割圖像；所述第一分割圖像和所述第二分割圖像均包括感興趣區域；

將所述第一分割圖像和所述第二分割圖像進行均值處理，得到多模態醫學圖像對應的目標分割圖像。

3.根據權利要求1所述的方法，其特征在于，所述至少兩個神經網絡模型均包括下采樣雙卷積層和上采樣卷積層，所述將所述多模態醫學圖像分別輸入至至少兩個神經網絡模型中，并對各所述神經網絡模型的輸出結果進行處理，確定所述多模態醫學圖像對應的目標分割圖像，包括：

將所述多模態醫學圖像分別輸入至所述雙卷積層中進行特征提取處理以及融合處理，確定所述多模態醫學圖像的融合特征；

將所述多模態醫學圖像融合特征分別輸入至所述上采樣卷積層中進行逆卷積處理以及跳層連接處理，得到各所述神經網絡模型的輸出結果；

對各所述神經網絡模型的輸出結果進行處理，確定所述多模態醫學圖像對應的目標分割圖像。

4.根據權利要求2所述的方法，其特征在于，所述第一神經網絡模型和所述第二神經網絡模型的訓練方法包括：

獲取樣本圖像集；所述樣本圖像集已標注感興趣區域；

基于所述樣本圖像集對初始第一神經網絡模型進行訓練，得到所述第一神經網絡模型；以及，基于所述樣本圖像集對初始第二神經網絡模型進行訓練，得到所述第二神經網絡模型。

5.根據權利要求4所述的方法，其特征在于，所述獲取樣本圖像集，包括：

獲取訓練樣本集，并將所述訓練樣本集中的各個訓練樣本均進行預處理，得到預處理后的訓練樣本集；

對所述預處理后的訓練樣本集分別進行擴增處理和復制處理，得到所述樣本圖像集。

6.根據權利要求1-3任意一項所述的方法，其特征在于，在所述將所述至少兩個不同模態下的醫學圖像進行拼接處理之前，所述方法還包括：

對所述至少兩個不同模態下的醫學圖像分別進行重采樣，得到各模態下的重采樣圖像；所述各模態下的重采樣圖像的尺寸相同；

對所述各模態下的重采樣圖像分別進行歸一化處理，得到各模態下的歸一化圖像。

7.根據權利要求6所述的方法，其特征在于，若所述至少兩個不同模態包括第一模態，則在所述對所述各模態下的重采樣圖像分別進行歸一化處理之前，所述方法還包括：

對第一模態下的重采樣圖像進行形態學運算處理，得到第一模態下的形態學處理圖像。

8.一種圖像處理裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取待檢測對象的至少兩個不同模態下的醫學圖像；所述至少兩個不同模態下的醫學圖像均包括感興趣區域；

處理模塊，用于將所述至少兩個不同模態下的醫學圖像進行拼接處理，得到拼接后的多模態醫學圖像；

確定模塊，用于將所述多模態醫學圖像分別輸入至至少兩個神經網絡模型中，并對各所述神經網絡模型的輸出結果進行處理，確定所述多模態醫學圖像對應的目標分割圖像；所述目標分割圖像包括所述感興趣區域。