[發(fā)明專利]基于人工智能的圖像處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010614446.9
• 申請(qǐng)日: 2020-06-30
• 公開（公告）號(hào): CN111739035B
• 公開（公告）日: 2022-09-30
• 發(fā)明（設(shè)計(jì)）人: 房鈺棋;周昵昀;姚建華
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06N3/04;G06N3/08;G06T9/00
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 張所明

本申請(qǐng)公開了一種基于人工智能的圖像處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，屬于計(jì)算機(jī)技術(shù)領(lǐng)域。本申請(qǐng)實(shí)施例涉及到人工智能，通過(guò)切割切片圖像，直接將切割得到的多個(gè)圖像塊輸入標(biāo)注模型中，由標(biāo)注模型自動(dòng)標(biāo)注出切片圖像中多邊形區(qū)域的頂點(diǎn)位置，連接頂點(diǎn)位置，輸出標(biāo)注信息，通過(guò)標(biāo)注出多邊形區(qū)域的頂點(diǎn)位置，來(lái)確定出多邊形區(qū)域，一方面，多邊形區(qū)域符合目標(biāo)人體組織區(qū)域連續(xù)且沒(méi)有孔洞的特性，準(zhǔn)確性更高。無(wú)需逐像素預(yù)測(cè)，能夠大大減少處理的復(fù)雜度。另一方面，標(biāo)注過(guò)程不依賴于人工標(biāo)注的數(shù)據(jù)，大大減少了人工成本，由標(biāo)注模型自動(dòng)標(biāo)注，能夠有效提高標(biāo)注速度，進(jìn)而提高圖像處理效率。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，特別涉及一種基于人工智能的圖像處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

淋巴結(jié)轉(zhuǎn)移常發(fā)生在許多癌癥中，例如乳腺癌、結(jié)直腸癌、胰腺癌等。通常，越多癌細(xì)胞轉(zhuǎn)移到淋巴結(jié)，患者的預(yù)后就越差。因而，需要通過(guò)需要對(duì)切片圖像進(jìn)行處理來(lái)確定淋巴結(jié)轉(zhuǎn)移區(qū)域的位置，繼而進(jìn)行診斷和計(jì)劃治療方案。

目前，基于人工智能的圖像處理方法通常是由人工對(duì)完整的病理圖像進(jìn)行標(biāo)注，標(biāo)注出目標(biāo)人體組織所在區(qū)域，得到病理圖像的標(biāo)注信息，使用帶有標(biāo)注信息的病理圖像訓(xùn)練模型。例如，需要人工標(biāo)注出邊界框，或者由人工進(jìn)行極端點(diǎn)的點(diǎn)標(biāo)注或涂鴉標(biāo)注，均需要人工標(biāo)注信息作為先驗(yàn)信息，生成對(duì)應(yīng)的語(yǔ)義分割掩碼。

深度學(xué)習(xí)算法的訓(xùn)練依賴大量人工標(biāo)注的數(shù)據(jù)，由于完整病理圖像的尺寸通常為數(shù)萬(wàn)像素，因此標(biāo)注過(guò)程非常繁瑣且耗時(shí)，人工成本很高，且一些標(biāo)注方法中標(biāo)注出的目標(biāo)人體組織所在區(qū)域是不相交的區(qū)域，與目標(biāo)人體組織所在區(qū)域?yàn)檫B續(xù)的且沒(méi)有孔洞的特性不符，圖像處理效率很低，準(zhǔn)確度不高。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供了一種基于人工智能的圖像處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，可以提高圖像處理方法的準(zhǔn)確性和效率。所述技術(shù)方案如下：

一方面，提供了一種基于人工智能的圖像處理方法，所述方法包括：

獲取切片圖像；

對(duì)所述切片圖像進(jìn)行切割，得到多個(gè)圖像塊；

將所述多個(gè)圖像塊輸入標(biāo)注模型中，由所述標(biāo)注模型根據(jù)所述多個(gè)圖像塊提取所述切片圖像的像素特征，根據(jù)所述像素特征，確定所述切片圖像中多邊形區(qū)域的多個(gè)頂點(diǎn)位置，連接所述多個(gè)頂點(diǎn)位置，輸出所述切片圖像的標(biāo)注信息，所述多邊形區(qū)域?yàn)槟繕?biāo)人體組織所在區(qū)域。

在一種可能實(shí)現(xiàn)方式中，所述對(duì)所述切片圖像進(jìn)行切割，得到多個(gè)圖像塊，包括：

按照目標(biāo)尺寸，對(duì)所述切片圖像進(jìn)行切割，得到多個(gè)所述目標(biāo)尺寸的圖像塊。

一方面，提供了一種基于人工智能的圖像處理裝置，所述裝置包括：

獲取模塊，用于獲取切片圖像；

切割模塊，用于對(duì)所述切片圖像進(jìn)行切割，得到多個(gè)圖像塊；

處理模塊，用于將所述多個(gè)圖像塊輸入標(biāo)注模型中，由所述標(biāo)注模型根據(jù)所述多個(gè)圖像塊提取所述切片圖像的像素特征，根據(jù)所述像素特征，確定所述切片圖像中多邊形區(qū)域的多個(gè)頂點(diǎn)位置，連接所述多個(gè)頂點(diǎn)位置，輸出所述切片圖像的標(biāo)注信息，所述多邊形區(qū)域?yàn)槟繕?biāo)人體組織所在區(qū)域。

在一種可能實(shí)現(xiàn)方式中，所述像素特征為分割掩碼；

所述處理模塊包括編碼單元和解碼單元；

所述編碼單元，用于根據(jù)所述多個(gè)圖像塊的像素值，對(duì)所述多個(gè)圖像塊進(jìn)行編碼，得到所述多個(gè)圖像塊的特征；

所述解碼單元，用于對(duì)編碼得到的特征進(jìn)行解碼，得到所述切片圖像的分割掩碼。

在一種可能實(shí)現(xiàn)方式中，所述提取所述切片圖像的像素特征基于多個(gè)卷積層實(shí)現(xiàn)；

所述編碼單元用于：