[發明專利]基于人工智能的圖像顯示方法、裝置、系統、設備及介質

有效

• 申請號: 202010320738.1
• 申請日: 2020-04-22
• 公開（公告）號: CN111598133B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 馬兆軒;蔡德;葉虎;韓驍;孔艷青;湯紅平
• 申請（專利權）人: 騰訊醫療健康（深圳）有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/80;G16H50/20
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 祝亞男

1.一種基于人工智能的圖像顯示方法，其特征在于，所述方法包括：

基于圖像分類模型對第一圖像進行處理，得到第一特征圖像，所述第一圖像為通過顯微鏡對包括多個待檢測對象的涂片的局部區域進行圖像采集得到的圖像；

基于所述圖像分類模型，根據所述第一特征圖像，獲取所述第一特征圖像對應的第二特征圖像，所述第二特征圖像與所述第一特征圖像尺寸相同；

基于所述圖像分類模型，對所述第一特征圖像和所述第二特征圖像進行疊加，基于疊加后的圖像獲取第三特征圖像，所述第三特征圖像中的特征點用于表示待檢測對象屬于異常對象的可能性，所述第三特征圖像為二通道圖像；

獲取所述第三特征圖像中的目標通道圖像，所述目標通道圖像中特征值不為零的特征點用于表示屬于異常對象的待檢測對象；

對于任一特征值不為零的特征點，響應于所述特征點的特征值不小于目標閾值，將所述特征點的特征值調整為1；

響應于所述特征點的特征值小于所述目標閾值，將所述特征點的特征值調整為0；

將調整特征值后的目標通道圖像的尺寸調整為與所述第一圖像的尺寸相同；

獲取尺寸調整后的所述目標通道圖像中特征值為1的圖像區域的邊緣特征點，得到第二圖像，所述第二圖像用于表示屬于異常對象的待檢測對象在所述第一圖像中的位置；

在所述第一圖像上疊加顯示所述第二圖像。

2.根據權利要求1所述的方法，其特征在于，所述基于所述圖像分類模型，根據所述第一特征圖像，獲取所述第一特征圖像對應的第二特征圖像，包括：

基于所述圖像分類模型對所述第一特征圖像進行卷積處理，得到第四特征圖像；

基于所述圖像分類模型對所述第四特征圖像進行反卷積處理，得到所述第一特征圖像對應的第二特征圖像。

3.根據權利要求1所述的方法，其特征在于，所述基于所述圖像分類模型，對所述第一特征圖像和所述第二特征圖像進行疊加，基于疊加后的圖像獲取第三特征圖像，包括：

基于所述圖像分類模型，對所述第一特征圖像和所述第二特征圖像進行疊加，得到第五特征圖像，所述第五特征圖像與所述第一特征圖像尺寸相同，所述第五特征圖像的通道包括所述第一特征圖像的通道和所述第二特征圖像的通道；

基于所述圖像分類模型，對所述第五特征圖像進行卷積處理，得到所述第三特征圖像。

4.根據權利要求1所述的方法，其特征在于，所述獲取所述第三特征圖像中的目標通道圖像之后，所述方法還包括：

去除所述目標通道圖像中的雜質區域和小于目標尺寸的區域。

5.根據權利要求1所述的方法，其特征在于，所述基于圖像分類模型對第一圖像進行處理，得到第一特征圖像之前，所述方法還包括：

獲取所述第一圖像；

根據所述第一圖像的圖像屬性確定所述第一圖像所屬的病理分析類型；

根據所述病理分析類型，調用所述病理分析類型對應的圖像分類模型。

6.根據權利要求5所述的方法，其特征在于，所述圖像屬性還用于指示采集所述第一圖像時的目標放大倍數；

所述根據所述病理分析類型，調用所述病理分析類型對應的圖像分類模型，包括：

根據所述病理分析類型獲取所述病理分析類型對應的至少一個待選圖像分類模型；

響應于任一待選圖像分類模型在訓練時采用的樣本圖像的放大倍數與所述目標放大倍數相同，將所述待選圖像分類模型作為所述圖像分類模型。

7.根據權利要求1所述的方法，其特征在于，所述圖像分類模型通過以下步驟訓練得到：

獲取訓練樣本圖像，根據所述訓練樣本圖像確定訓練目標圖像，所述訓練樣本圖像為標注有異常對象的位置的圖像，所述訓練目標圖像為二值圖像，用于表示所述異常對象；

將所述訓練樣本圖像輸入待訓練的圖像分類模型，獲取所述待訓練的圖像分類模型輸出的第一樣本特征圖像；

根據所述第一樣本特征圖像和所述訓練目標圖像進行參數調整；

響應于達到訓練結束條件，將訓練得到的模型作為所述圖像分類模型。