图像处理模型生成方法、图像处理方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种图像处理模型生成方法、图像处理方法、装置及电子设备。所述方法包括：将特定病症的多个训练样本病灶图像输入初始图像处理模型；训练样本病灶图像包括病灶区域对应的初始中心点坐标、初始长度和初始宽度；调用分类层，对每个训练样本病灶图像进行分类处理，得到每个训练样本病灶图像对应的分类概率；调用标注层，对每个训练样本病灶图像进行处理，得到每个训练样本病灶图像中所包含病灶区域的预测中心点坐标、预测长度和预测宽度；获取初始图像处理模型的损失值；在损失值处于预设范围内的情况下，将初始图像处理模型作为训练后的目标图像处理模型。本发明专利技术能够体现出病灶在病变组织上的具体位置。

Image processing model generation method, image processing method, device and electronic equipment

The invention provides an image processing model generation method, an image processing method, a device and an electronic device. The method includes: inputting multiple training sample focus images of specific disease into initial image processing model; training sample focus image includes initial center point coordinates, initial length and initial width corresponding to focus area; calling classification layer to classify each training sample focus image to obtain the corresponding classification probability of each training sample focus image; calling label Note layer, process the focus image of each training sample, get the prediction center coordinates, prediction length and prediction width of the focus area contained in each training sample focus image; get the loss value of the initial image processing model; when the loss value is within the preset range, take the initial image processing model as the target image processing model after training. The invention can embody the specific position of the focus on the pathological tissue.

【技术实现步骤摘要】
图像处理模型生成方法、图像处理方法、装置及电子设备
本专利技术涉及医学
，特别是涉及一种图像处理模型生成方法、一种图像处理方法、一种图像处理模型生成装置、一种图像处理装置及一种电子设备。
技术介绍
近年来，随着医学成像采集设备的不断完善，以及图像处理、模式识别、机器学习等学科的不断发展，多学科交叉的医学图像处理和分析领域取得了丰硕的成果。这些成果对于辅助医生进行快速精确的诊断具有重大的意义。目前，基于深度学习的分类算法可以很好的对疾病种类进行诊断。但是，在研究中发现，这些分类算法在医疗影像处理过程中，将图片判为某类疾病时的关注区域，和医学上的判别区域存在一定的差异。目前的医疗图像的病灶标注均是由医生利用矩形框的形式大致标出病灶位置，但此种标注方式太过粗糙，不能体现病灶在病变组织上的具体位置。
技术实现思路
本专利技术提供一种图像处理模型生成方法、图像处理方法、装置及电子设备，以解决现有技术中的病灶标注方式过于粗糙，不能体现病灶在病变组织上的具体位置的问题。为了解决上述问题，本专利技术公开了一种图像处理模型生成方法，包括：将特定病症的多个训练样本病灶图像输入初始图像处理模型；其中，所述初始图像处理模型包括分类层和标注层，每个所述训练样本病灶图像包括病灶区域对应的初始中心点坐标、初始长度和初始宽度；调用所述分类层，对每个所述训练样本病灶图像进行分类处理，得到每个所述训练样本病灶图像对应的分类概率；调用所述标注层，对每个所述训练样本病灶图像进行处理，得到每个所述训练样本病灶图像中所包含病灶区域的预测中心点坐标、预测长度和预测宽度；基于各所述分类概率、各所述初始中心点坐标、各所述初始长度、各所述初始宽度、各所述预测中心点坐标、各所述预测长度和各所述预测宽度，获取所述初始图像处理模型的损失值；在所述损失值处于预设范围内的情况下，将所述初始图像处理模型作为训练后的目标图像处理模型。可选地，所述调用所述分类层，对每个所述训练样本病灶图像进行分类处理，得到每个所述训练样本病灶图像对应的分类概率，包括：针对每个所述训练样本病灶图像，获取所述训练样本病灶图像对应的一组不同维度的图像特征；将所述不同维度的图像特征输入所述分类层；调用所述分类层，对所述不同维度的图像特征进行处理，输出所述训练样本病灶图像对应的分类概率。可选地，所述调用所述标注层，对每个所述训练样本病灶图像对应的二维特征图进行处理，得到每个所述训练样本病灶图像中所包含的病灶区域对应的预测中心点坐标、预测长度和预测宽度，包括：获得每个所述训练样本病灶图像对应的二维特征图；将每个所述二维特征图输入所述标注层；调用所述标注层，确定每个所述二维特征图中的最大特征点，及每个所述最大特征点对应的最大像素值和二维坐标；根据各所述最大特征点、各所述最大像素值、各所述二维坐标和预设像素阈值，确定每个所述病灶区域对应的预测中心点坐标、预测长度和预测宽度。可选地，所述二维坐标包括横轴方向上的第一坐标值和纵轴方向上的第二坐标值，所述根据各所述最大特征点、各所述最大像素值、各所述二维坐标和预设像素阈值，确定每个所述病灶区域对应的预测中心点坐标，包括：将所述二维坐标确定为所述预测中心点坐标；计算得到所述最大像素值和所述预设像素阈值之间的像素差值绝对值；根据所述像素差值绝对值和所述最大特征点，获取所述二维特征图中在所述横轴方向上的第一特征点和第二特征点，及在所述纵轴方向上的第三特征点和第四特征点；获取所述第一特征点在所述横轴方向上的第一值，及所述第二特征点在所述横轴方向上的第二值；获取所述第三特征点在所述纵轴方向上的第三值，及所述第四特征点在所述纵轴方向上的第四值；基于所述第一值和所述第二值，计算得到所述预测宽度；基于所述第三值和所述第四值，计算得到所述预测长度。可选地，所述基于各所述分类概率、各所述初始中心点坐标、各所述初始长度、各所述初始宽度、各所述预测中心点坐标、各所述预测长度和各所述预测宽度，获取所述初始图像处理模型的损失值，包括：根据各所述分类概率，计算得到分类损失值；根据各所述初始中心点坐标、各所述初始长度、各所述初始宽度、各所述预测中心点坐标、各所述预测长度和各所述预测宽度，计算得到位置损失值；基于所述分类损失值和所述位置损失值，确定所述损失值。为了解决上述问题，本专利技术公开了一种图像处理方法，包括：将待处理病灶图像输入预先训练好的目标图像处理模型；其中，所述目标图像处理模型包括分类层和标注层；调用所述分类层，对所述待处理病灶图像进行分类处理，得到所述待处理病灶图像对应的分类概率；调用所述标注层，对所述待处理病灶图像进行处理，得到所述待处理病灶图像对应的区域中心点坐标、区域长度和区域宽度；根据所述分类概率，确定所述待处理病灶图像对应的病症；根据所述区域中心点坐标、所述区域长度和所述区域宽度，确定所述待处理病灶图像中的病灶标注区域。可选地，所述调用所述分类层，对所述待处理病灶图像进行分类处理，得到所述待处理病灶图像对应的分类概率，包括：获取所述待处理病灶图像对应的一组不同维度的图像特征；将所述不同维度的图像特征输入所述分类层；调用所述分类层，对所述不同维度的图像特征进行处理，输出所述待处理病灶图像对应的分类概率。可选地，所述调用所述标注层，对所述待处理病灶图像进行处理，得到所述待处理病灶图像对应的区域中心点坐标、区域长度和区域宽度，包括：获得所述待处理病灶图像对应的二维特征图；将所述二维特征图输入所述标注层；调用所述标注层，确定所述二维特征图中的最大特征点，及所述最大特征点对应的最大像素值和二维坐标；根据所述最大特征点、所述最大像素值、所述二维坐标和预设像素阈值，确定所述待处理病灶图像中的区域中心点坐标、区域长度和区域宽度。可选地，所述二维坐标包括横轴方向上的第一坐标值和纵轴方向上的第二坐标值，所述根据所述最大特征点、所述最大像素值、所述二维坐标和预设像素阈值，确定所述待处理病灶图像中的区域中心点坐标、区域长度和区域宽度，包括：将所述二维坐标确定为所述区域中心点坐标；计算得到所述最大像素值和所述预设像素阈值之间的像素差值绝对值；根据所述像素差值绝对值和所述最大特征点，获取所述二维特征图中在所述横轴方向上的第一特征点和第二特征点，及在所述纵轴方向上的第三特征点和第四特征点；获取所述第一特征点在所述横轴方向上的第一值，及所述第二特征点在所述横轴方向上的第二值；获取所述第三特征点在所述纵轴方向上的第三值，及所述第四特征点在所述纵轴方向上的第四值；基于所述第一值和所述第二值，计算得到所述区域宽度；基于所述第三值和所述第四值，计算得到所述区域长度。为了解决上述问题，本专利技术公开了一种图像处理模型生成装置，包括：...

【技术保护点】
1.一种图像处理模型生成方法，其特征在于，包括：/n将特定病症的多个训练样本病灶图像输入初始图像处理模型；其中，所述初始图像处理模型包括分类层和标注层，每个所述训练样本病灶图像包括病灶区域对应的初始中心点坐标、初始长度和初始宽度；/n调用所述分类层，对每个所述训练样本病灶图像进行分类处理，得到每个所述训练样本病灶图像对应的分类概率；/n调用所述标注层，对每个所述训练样本病灶图像进行处理，得到每个所述训练样本病灶图像中所包含病灶区域的预测中心点坐标、预测长度和预测宽度；/n基于各所述分类概率、各所述初始中心点坐标、各所述初始长度、各所述初始宽度、各所述预测中心点坐标、各所述预测长度和各所述预测宽度，获取所述初始图像处理模型的损失值；/n在所述损失值处于预设范围内的情况下，将所述初始图像处理模型作为训练后的目标图像处理模型。/n

【技术特征摘要】
1.一种图像处理模型生成方法，其特征在于，包括：
将特定病症的多个训练样本病灶图像输入初始图像处理模型；其中，所述初始图像处理模型包括分类层和标注层，每个所述训练样本病灶图像包括病灶区域对应的初始中心点坐标、初始长度和初始宽度；
调用所述分类层，对每个所述训练样本病灶图像进行分类处理，得到每个所述训练样本病灶图像对应的分类概率；
调用所述标注层，对每个所述训练样本病灶图像进行处理，得到每个所述训练样本病灶图像中所包含病灶区域的预测中心点坐标、预测长度和预测宽度；
基于各所述分类概率、各所述初始中心点坐标、各所述初始长度、各所述初始宽度、各所述预测中心点坐标、各所述预测长度和各所述预测宽度，获取所述初始图像处理模型的损失值；
在所述损失值处于预设范围内的情况下，将所述初始图像处理模型作为训练后的目标图像处理模型。


2.根据权利要求1所述的方法，其特征在于，所述调用所述分类层，对每个所述训练样本病灶图像进行分类处理，得到每个所述训练样本病灶图像对应的分类概率，包括：
针对每个所述训练样本病灶图像，获取所述训练样本病灶图像对应的一组不同维度的图像特征；
将所述不同维度的图像特征输入所述分类层；
调用所述分类层，对所述不同维度的图像特征进行处理，输出所述训练样本病灶图像对应的分类概率。


3.根据权利要求1所述的方法，其特征在于，所述调用所述标注层，对每个所述训练样本病灶图像对应的二维特征图进行处理，得到每个所述训练样本病灶图像中所包含的病灶区域对应的预测中心点坐标、预测长度和预测宽度，包括：
获得每个所述训练样本病灶图像对应的二维特征图；
将每个所述二维特征图输入所述标注层；
调用所述标注层，确定每个所述二维特征图中的最大特征点，及每个所述最大特征点对应的最大像素值和二维坐标；
根据各所述最大特征点、各所述最大像素值、各所述二维坐标和预设像素阈值，确定每个所述病灶区域对应的预测中心点坐标、预测长度和预测宽度。


4.根据权利要求3所述的方法，其特征在于，所述二维坐标包括横轴方向上的第一坐标值和纵轴方向上的第二坐标值，所述根据各所述最大特征点、各所述最大像素值、各所述二维坐标和预设像素阈值，确定每个所述病灶区域对应的预测中心点坐标，包括：
将所述二维坐标确定为所述预测中心点坐标；
计算得到所述最大像素值和所述预设像素阈值之间的像素差值绝对值；
根据所述像素差值绝对值和所述最大特征点，获取所述二维特征图中在所述横轴方向上的第一特征点和第二特征点，及在所述纵轴方向上的第三特征点和第四特征点；
获取所述第一特征点在所述横轴方向上的第一值，及所述第二特征点在所述横轴方向上的第二值；
获取所述第三特征点在所述纵轴方向上的第三值，及所述第四特征点在所述纵轴方向上的第四值；
基于所述第一值和所述第二值，计算得到所述预测宽度；
基于所述第三值和所述第四值，计算得到所述预测长度。


5.根据权利要求1所述的方法，其特征在于，所述基于各所述分类概率、各所述初始中心点坐标、各所述初始长度、各所述初始宽度、各所述预测中心点坐标、各所述预测长度和各所述预测宽度，获取所述初始图像处理模型的损失值，包括：
根据各所述分类概率，计算得到分类损失值；
根据各所述初始中心点坐标、各所述初始长度、各所述初始宽度、各所述预测中心点坐标、各所述预测长度和各所述预测宽度，计算得到位置损失值；
基于所述分类损失值和所述位置损失值，确定所述损失值。


6.一种图像处理方法，其特征在于，包括：
将待处理病灶图像输入预先训练好的目标图像处理模型；其中，所述目标图像处理模型包括分类层和标注层；
调用所述分类层，对所述待处理病灶图像进行分类处理，得到所述待处理病灶图像对应的分类概率；
调用所述标注层，对所述待处理病灶图像进行处理，得到所述待处理病灶图像对应的区域中心点坐标、区域长度和区域宽度；
根据所述分类概率，确定所述待处理病灶图像对应的病症；
根据所述区域中心点坐标、所述区域长度和所述区域宽度，确定所述待处理病灶图像中的病灶标注区域。


7.根据权利要求6所述的方法，其特征在于，所述调用所述分类层，对所述待处理病灶图像进行分类处理，得到所述待处理病灶图像对应的分类概率，包括：
获取所述待处理病灶图像对应的一组不同维度的图像特征；
将所述不同维度的图像特征输入所述分类层；
调用所述分类层，对所述不同维度的图像特征进行处理，输出所述待处理病灶图像对应的分类概率。


8.根据权利要求6所述的方法，其特征在于，所述调用所述标注层，对所述待处理病灶图像进行处理，得到所述待处理病灶图像对应的区域中心点坐标、区域长度和区域宽度，包括：
获得所述待处理病灶图像对应的二维特征图；
将所述二维特征图输入所述标注层；
调用所述标注层，确定所述二维特征图中的最大特征点，及所述最大特征点对应的最大像素值和二维坐标；
根据所述最大特征点、所述最大像素值、所述二维坐标和预设像素阈值，确定所述待处理病灶图像中的区域中心点坐标、区域长度和区域宽度。


9.根据权利要求8所述的方法，其特征在于，所述二维坐标包括横轴方向上的第一坐标值和纵轴方向上的第二坐标值，所述根据所述最大特征点、所述最大像素值、所述二维坐标和预设像素阈值，确定所述待处理病灶图像中的区域中心点坐标、区域长度和区域宽度，包括：
将所述二维坐标确定为所述区域中心点坐标；
计算得到所述最大像素值和所述预设像素阈值之间的像素差值绝对值；
根据所述像素差值绝对值和所述最大特征点，获取所述二维特征图中在所述横轴方向上的第一特征点和第二特征点，及在所述纵轴方向上的第三特征点和第四特征点；
获取所述第一特征点在所述横轴方向上的第一值，及所述第二特征点在所述横轴方向上的第二值；
获取所述第三特征点在所述纵轴方向上的第三值，及所述第四特征点在所述纵轴方向上的第四值；
基于所述第一值和所述第二值，计算得到所述区域宽度；
基于所述第三值和所述第四值，计算得到所述区域长度。


10.一种图像处理模型生成装置，其特征在于，包括：
样本图像输入模块，用于将特定病症的多个训练样本病灶图像输入初始图像处理模型；其中，所述初始图像处理模型包括分类层和标注层，每个所述训练样本病灶图像包括病灶区域对应的初始中心点坐标、初始长度和初始宽度；
分类概率获...

【专利技术属性】
技术研发人员：史永明，吴琼，欧歌，王纯，
申请(专利权)人：京东方科技集团股份有限公司，北京京东方技术开发有限公司，
类型：发明
国别省市：北京;11