图像分析方法、装置、设备及存储介质制造方法及图纸

技术编号:26035282 阅读:44 留言:0更新日期:2020-10-23 21:13
本申请提供一种图像分析方法、装置、设备及存储介质,该方法通过获取包括至少一个时序图像的待分析图像集;确定至少一个时序图像中目标对象对应的感兴趣区域图像;确定至少一个时序图像对应的感兴趣区域图像中的正常区域;基于至少一个时序图像对应的正常区域的属性数据,得到图像分析结果。本申请不直接利用异常区域的特征数据对时序图像中的异常区域进行分割,而是通过感兴趣区域图像中的正常区域反向确定对应的异常区域,使得所提供的图像分析方法不局限于现有的异常区域的特征数据,可以适用其他阶段的图像分析,提高图像分析结果的可靠性和准确性。

【技术实现步骤摘要】
图像分析方法、装置、设备及存储介质
本申请涉及图像处理
,尤其涉及一种图像分析方法、装置、设备及存储介质。
技术介绍
随着人工智能技术的发展,利用传统机器学习或深度学习来对图像进行分析逐渐成为图像处理领域的研究趋势。相关技术中,针对医学领域,在利用人工智能技术对医学影像进行分析过程中,往往需要收集足够多的含有病灶的数据,之后基于收集的病灶数据构建对应的病灶处理模型,进而根据构建的病灶处理模型进行分割、检测等图像分析任务。可见,上述的医学影像分析是需要依赖于初始病灶数据进行的,然而对于一些病种种类较多的部位(例如肺部等),不仅需要花费大量的人力物力去收集全包含大部分病种的数据;而且其只能针对单一病种或少数确定的病种进行图像分析,倘若病灶部位对应的病种发生一些变化、或者病灶的发生源发生变种、或者出现一些新的病种的情况下,原来基于初始病灶数据所构建的病灶处理模型将无法适用,进而将无法有效且准确的进行相应的图像分析任务。举例而言,通常肺部的病种繁多,且肺部疾病对应的病灶是动态变化的,例如针对病毒或细菌感染的肺炎,在不同的阶段其肺部病灶的影像表现各不相同,因此仅通过初始肺部病灶数据所构建的病灶处理模型将无法适用其他阶段的肺部检测分析,如此会降低医学分析结果的可靠性和准确性,甚至会延误患者的病情。
技术实现思路
本申请提供了一种图像分析方法、装置、设备及存储介质,以解决以上至少一种技术问题。一方面,本申请提供了一种图像分析方法,包括:获取待分析图像集,所述待分析图像集包括至少一个时序图像;确定所述至少一个时序图像中目标对象对应的感兴趣区域图像;所述感兴趣区域图像包括正常区域和异常区域;确定所述至少一个时序图像对应的感兴趣区域图像中的正常区域;基于所述至少一个时序图像对应的正常区域的属性数据,确定表征待分析图像集中异常区域的异常信息的图像分析结果。另一方面,还提供一种图像分析装置,包括:获取模块,用于获取待分析图像集,所述待分析图像集包括至少一个时序图像;第一确定模块,用于确定所述至少一个时序图像中目标对象对应的感兴趣区域图像;所述感兴趣区域图像包括正常区域和异常区域;第二确定模块,用于确定所述至少一个时序图像对应的感兴趣区域图像中的正常区域;分析模块,用于基于所述至少一个时序图像对应的正常区域的属性数据,确定表征待分析图像集中异常区域的异常信息的图像分析结果。在一些实施例中,第二确定模块可以包括:确定单元,用于利用经训练的图像分割模型,对所述至少一个时序图像对应的感兴趣区域图像中正常区域进行分割,得到所述至少一个时序图像对应的感兴趣区域图像中的正常区域;其中,所述图像分割模型是利用分析样本图像集及对应的目标对象中正常区域的分割结果作为训练集训练得到。在一些实施例中,在所述时序图像的数量为多个时,分析模块可以包括:第一属性变化确定单元,用于基于多个时序图像对应的正常区域的属性数据,确定对应的正常区域的属性变化数据;所述正常区域的属性变化数据表征多个时序图像对应的正常区域在不同时间节点上的区域属性变化情况;第二属性变化确定单元,用于基于所述多个时序图像对应的正常区域的属性变化数据、以及所述感兴趣区域图像的属性数据,确定所述多个时序图像对应的异常区域的属性变化数据;分析单元,用于基于所述多个时序图像对应的异常区域的属性变化数据对待分析图像集进行量化分析,确定表征待分析图像集中异常区域的异常信息的图像分析结果;其中,所述属性变化数据包括区域体积变化数据和/或区域体积占比变化数据。在一些实施例中,在所述时序图像的数量为多个时,分析模块可以包括:预处理单元,用于分别对第一时序图像对应的感兴趣区域图像以及第二时序图像对应的感兴趣区域图像进行预处理,得到第一时序处理图像和第二时序处理图像;第一属性确定单元,用于基于所述第一时序处理图像对应的正常区域的属性数据,确定对应的异常区域的第一属性数据,所述第一属性数据包括第一区域位置数据和第一区域尺寸数据;第二属性确定单元,用于基于所述第二时序处理图像对应的正常区域的属性数据,确定对应的异常区域的第二属性数据,所述第二属性数据包括第二区域位置数据和第二区域尺寸数据;基于所述第一区域位置数据和所述第二区域位置数据,对所述第一时序处理图像中的异常区域与所述第二时序处理图像中的异常区域进行位置匹配,得到区域匹配映射关系;量化分析单元,用于基于所述区域匹配映射关系、第一区域尺寸数据和第二区域尺寸数据,对所述第一时序处理图像和所述第二时序处理图像进行量化分析,确定表征待分析图像集中异常区域的异常变化信息的图像分析结果;其中,所述第一时序图像的采集时间节点早于所述第二时序图像的采集时间节点,所述第一时序图像和所述第二时序图像的数量为至少一个。在一些实施例中,上述图像分析装置还可包括:检测模块,用于检测所述至少一个时序图像对应的感兴趣区域图像中各区域的像素值;异常区域确定模块,用于基于各区域的像素值与预设像素阈值的比较结果,确定所述至少一个时序图像对应的感兴趣区域图像中的异常区域;第一区域属性确定模块,用于确定所述至少一个时序图像对应的感兴趣区域图像中异常区域的区域属性,所述区域属性包括区域大小和/或区域数量;第一标记类型确定模块,用于根据所述至少一个时序图像对应的感兴趣区域图像中异常区域的区域属性与预设属性阈值的比较结果,确定每个时序图像对应的标记类型;第一标记模块,用于基于确定的所述至少一个时序图像对应的标记类型,分别对所述至少一个时序图像进行标记。在一些实施例中,上述图像分析装置还可包括:第二区域属性确定模块,用于基于所述至少一个时序图像对应的感兴趣区域图像中的正常区域,确定所述至少一个时序图像对应的感兴趣区域图像中异常区域的区域属性;所述区域属性包括区域大小和/或区域数量;第二标记类型确定模块,用于根据所述至少一个时序图像对应的感兴趣区域图像中异常区域的区域属性与预设属性阈值的比较结果,确定每个时序图像对应的标记类型;第二标记模块,用于基于确定的所述至少一个时序图像对应的标记类型,分别对所述至少一个时序图像进行标记。在一些实施例中,在所述区域属性包括区域大小和区域数量的情况下,第一标记类型确定模块或第二标记类型确定模块可以包括:第一标记类型确定单元,用于若异常区域的区域大小大于等于预设大小阈值,则确定对应的时序图像为第一标记类型;所述第一标记类型用于指示标记感兴趣区域图像中正常区域;第二标记类型确定单元,用于若异常区域的区域大小小于预设大小阈值,且异常区域的区域数量大于等于预设数量阈值,则确定对应的时序图像为第二标记类型;所述第二标记类型用于指示根据异常区域的区域属性在感兴趣区域中的占比值与预设占比阈值的比较结果,对感兴趣区域图像中正常区域或异常区域进行标记;第三标记类型确定单元,用于本文档来自技高网...

【技术保护点】
1.一种图像分析方法,其特征在于,包括:/n获取待分析图像集,所述待分析图像集包括至少一个时序图像;/n确定所述至少一个时序图像中目标对象对应的感兴趣区域图像;所述感兴趣区域图像包括正常区域和异常区域;/n确定所述至少一个时序图像对应的感兴趣区域图像中的正常区域;/n基于所述至少一个时序图像对应的正常区域的属性数据,确定表征待分析图像集中异常区域的异常信息的图像分析结果。/n

【技术特征摘要】
1.一种图像分析方法,其特征在于,包括:
获取待分析图像集,所述待分析图像集包括至少一个时序图像;
确定所述至少一个时序图像中目标对象对应的感兴趣区域图像;所述感兴趣区域图像包括正常区域和异常区域;
确定所述至少一个时序图像对应的感兴趣区域图像中的正常区域;
基于所述至少一个时序图像对应的正常区域的属性数据,确定表征待分析图像集中异常区域的异常信息的图像分析结果。


2.根据权利要求1所述的方法,其特征在于,所述确定所述至少一个时序图像对应的感兴趣区域图像中的正常区域包括:
利用经训练的图像分割模型,对所述至少一个时序图像对应的感兴趣区域图像中正常区域进行分割,得到所述至少一个时序图像对应的感兴趣区域图像中的正常区域;
其中,所述图像分割模型是利用分析样本图像集及对应的目标对象中正常区域的分割结果作为训练集训练得到。


3.根据权利要求1或2所述的方法,其特征在于,在所述时序图像的数量为多个时,所述基于所述至少一个时序图像对应的正常区域的属性数据,确定表征待分析图像集中异常区域的异常信息的图像分析结果包括:
基于多个时序图像对应的正常区域的属性数据,确定对应的正常区域的属性变化数据;所述正常区域的属性变化数据表征多个时序图像对应的正常区域在不同时间节点上的区域属性变化情况;
基于所述多个时序图像对应的正常区域的属性变化数据、以及所述感兴趣区域图像的属性数据,确定所述多个时序图像对应的异常区域的属性变化数据;
基于所述多个时序图像对应的异常区域的属性变化数据对待分析图像集进行量化分析,确定表征待分析图像集中异常区域的异常信息的图像分析结果;
其中,所述属性变化数据包括区域体积变化数据和/或区域体积占比变化数据。


4.根据权利要求1或2所述的方法,其特征在于,在所述时序图像的数量为多个时,所述基于所述至少一个时序图像对应的正常区域的属性数据,确定表征待分析图像集中异常区域的异常信息的图像分析结果包括:
分别对第一时序图像对应的感兴趣区域图像以及第二时序图像对应的感兴趣区域图像进行预处理,得到第一时序处理图像和第二时序处理图像;
基于所述第一时序处理图像对应的正常区域的属性数据,确定对应的异常区域的第一属性数据,所述第一属性数据包括第一区域位置数据和第一区域尺寸数据;
基于所述第二时序处理图像对应的正常区域的属性数据,确定对应的异常区域的第二属性数据,所述第二属性数据包括第二区域位置数据和第二区域尺寸数据;
基于所述第一区域位置数据和所述第二区域位置数据,对所述第一时序处理图像中的异常区域与所述第二时序处理图像中的异常区域进行位置匹配,得到区域匹配映射关系;
基于所述区域匹配映射关系、第一区域尺寸数据和第二区域尺寸数据,对所述第一时序处理图像和所述第二时序处理图像进行量化分析,确定表征待分析图像集中异常区域的异常变化信息的图像分析结果;
其中,所述第一时序图像的采集时间节点早于所述第二时序图像的采集时间节点,所述第一时序图像和所述第二时序图像的数量为至少一个。


5.根据权利要求1所述的方法,其特征在...

【专利技术属性】
技术研发人员:姚广高耀宗周翔詹翊强
申请(专利权)人:上海联影智能医疗科技有限公司
类型:发明
国别省市:上海;31

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1