[發明專利]一種圖像處理的方法、裝置和存儲介質

有效

• 申請號: 202110095599.1
• 申請日: 2021-01-25
• 公開（公告）號: CN112785575B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 黃高;杜超群;宋士吉
• 申請（專利權）人: 清華大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06N3/08
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 吳點;鄭紅娟

本申請公開了一種圖像處理的方法、裝置和存儲介質，具體為首先獲取待訓練圖像樣本和待訓練圖像樣本對應的標簽分割圖像，將待訓練圖像樣本輸入待訓練的圖像分割模型，在通過圖像分割模型對待訓練圖像樣本進行提取時圖像分割模型中最末輸出層的第一圖像特征和倒數第二輸出層的第二圖像特征，輸出對應的分割圖像樣本，基于標簽分割圖像和分割圖像樣本，計算模型損失函數，并對模型參數進行優化，生成優化后的圖像分割模型，將獲取的待處理圖像輸入優化后的圖像分割模型，生成待處理圖像對應的分割圖像。本申請實施例通過引入多層解碼輸出特征，進一步地提高隱層特征的質量，增加分割精度，有效地降低了分割誤差，提升了模型的識別效率和識別準確率。

技術領域

本申請涉及計算機技術領域，尤其涉及一種圖像處理的方法、裝置和存儲介質。

背景技術

醫學影像診斷是指通過某種物理介質的非侵入作用，如電磁波、超聲波等，獲取人體內部影像數據，如CT方法為獲取人體內部密度數據，從而對人體健康狀況進行評價。醫生一般在臨床實踐上結合醫學影像和常規疾病檢查方法做出最終醫學診斷。對于現代醫學而言，醫學影像診斷手段已成為臨床診斷中必不可少的一環，因此解讀醫學影像數據成為了醫生的一項重要且關鍵的工作。

但醫學影像診斷對分割精度和穩定性的要求較高，所以目前解讀醫學影像數據的工作依然依靠經驗豐富的影像醫生進行解讀這種診斷方式的診斷結果易受醫生個人經驗及能力限制，在處理較大規模的數據時受疲勞影響準確率難以保證，而且醫學影像數據結構復雜，導致了人工診斷的誤診率非常之高。

發明內容

本申請實施例提供了一種圖像處理的方法，克服了圖像分割精確度較低的問題。

該方法包括：

獲取至少一個待訓練圖像樣本和所述待訓練圖像樣本對應的標簽分割圖像；

將所述待訓練圖像樣本輸入待訓練的圖像分割模型，在通過所述圖像分割模型對所述待訓練圖像樣本進行提取時所述圖像分割模型中最末輸出層的第一圖像特征和倒數第二輸出層的第二圖像特征，并基于所述第一圖像特征和所述第二圖像特征分別輸出對應的分割圖像樣本；

基于所述標簽分割圖像和所述分割圖像樣本，計算所述圖像分割模型的模型損失函數，并利用所述模型損失函數對所述圖像分割模型中的模型參數進行優化，生成優化后的所述圖像分割模型；

將獲取的待處理圖像輸入優化后的所述圖像分割模型，生成所述待處理圖像對應的分割圖像。

可選地，利用卷積核為第一數值的卷積操作分別將所述第一圖像特征和所述第二圖像特征的通道維度調整至預設通道維度數值。

可選地，對所述標簽分割圖像進行最大池化操作，將所述標簽分割圖像的包含所述通道維度的圖像尺度調整至包含所述預設通道維度數值的預設圖像尺度。

可選地，計算經過所述最大池化操作后的至少一個所述標簽分割圖像和對應的所述分割圖像樣本之間的交叉熵損失，并將獲取的預設數量個所述交叉熵損失的和的平均值作為所述圖像分割模型的所述模型損失函數。

可選地，初始化所述圖像分割模型中的所述模型參數和訓練代數；

對所述模型損失函數進行反向求導，基于反向求導后的與所述模型損失函數對應的梯度更新所述模型參數，并累計更新次數到所述訓練代數；

重復執行所述獲取至少一個待訓練圖像樣本和所述待訓練圖像樣本對應的標簽分割圖像的步驟至所述基于反向求導后的與所述模型損失函數對應的梯度更新所述模型參數的步驟，直至當前所述訓練代數大于總訓練代數，停止優化并保存當前優化后的所述圖像分割模型。

在本發明的另一個實施例中，提供了一種圖像處理的裝置，該裝置包括：

獲取模塊，用于獲取至少一個待訓練圖像樣本和所述待訓練圖像樣本對應的標簽分割圖像；