图像分析方法及相关装置、电子设备、存储介质制造方法及图纸

本申请公开了一种图像分析方法及相关装置、电子设备、存储介质，其中，图像分析方法包括：获取包含目标对象的医学图像；对医学图像中目标对象进行边缘提取，得到至少一个对象边缘；基于至少一个对象边缘，得到目标对象的表面形态。上述方案，能够提高图像分析的效率和普适性。普适性。普适性。

【技术实现步骤摘要】
图像分析方法及相关装置、电子设备、存储介质


[0001]本申请涉及图像处理
，特别是涉及一种图像分析方法及相关装置、电子设备、存储介质。

技术介绍

[0002]CT(Computed Tomography，计算机断层扫描)和MRI(Magnetic Resonance Imaging，核磁共振扫描)等医学图像在临床具有重要意义。例如，通过分析医学图像中目标对象(如，肝脏等脏器)表面形态，能够辅助医生进行临床应用。
[0003]目前，表面形态的分析往往需要医生手动完成，且依赖于特定模态(如，钆剂增强的肝胆期)的医学图像，故图像分析的效率和普适性均较低。有鉴于此，如何提高图像分析的效率和普适性成为亟待解决的问题。

技术实现思路

[0004]本申请提供一种图像分析方法及相关装置、电子设备、存储介质。
[0005]本申请第一方面提供了一种图像分析方法，包括：获取包含目标对象的医学图像；对医学图像中目标对象进行边缘提取，得到至少一个对象边缘；基于至少一个对象边缘，得到目标对象的表面形态。
[0006]因此，通过获取包含目标对象的医学图像，并对医学图像中目标对象进行边缘提取，从而得到至少一个对象边缘，从而基于至少一个对象边缘，得到目标对象的表面形态。故此，能够不依靠人工进行图像分析，且由于通过提取医学图像中目标对象的对象边缘，得到目标对象的表面形态，故也无需依赖于特定模态的医学图像，因此能够提高图像分析的效率和普适性。
[0007]其中，基于至少一个对象边缘，得到目标对象的表面形态，包括以下任一者：提取至少一个对象边缘的边缘特征，并基于预设分类器，对边缘特征进行第一预测，得到目标对象的表面形态；基于预设神经网络，对至少一个对象边缘进行第二预测，得到目标对象的表面形态。
[0008]因此，通过提取至少一个对象边缘的边缘特征，并基于预设分类器，对边缘特征进行第一预测，得到目标对象的表明平整情况，或通过预设神经网络，对至少一个对象边缘进行第二预测，得到目标对象的表面形态，从而能够基于预设分类器或预设神经网络进行表面形态的预测，能够有利于提高预测效率和准确性。
[0009]其中，边缘特征包括以下至少一种：对象边缘的平均曲率、对象边缘与对象边缘平滑处理后的平滑边缘之间的偏移量。
[0010]因此，将边缘特征设置为包括以下至少一者：对象边缘的平均曲率、对象边缘与对象边缘平滑处理后的平滑边缘之间的偏移量，能够有利于降低预设分类器所需处理的信息量，从而能够有利于降低计算负荷。
[0011]其中，在边缘特征包括对象边缘的平均曲率的情况下，提取至少一个对象边缘的
边缘特征，包括：获取对象边缘若干个位置处的平均曲率；对获取到的平均曲率进行统计，得到平均曲率的第一统计情况；其中，第一统计情况包括以下至少一者：获取到的平均曲率的平均值、获取到的平均曲率的分位值、获取到的平均曲率的极值。
[0012]因此，在边缘特征包括对象边缘的平均曲率的情况下，获取对象边缘若干个位置处的平均曲率，从而对获取到的平均曲率进行统计，得到平均曲率的第一统计情况，且第一统计情况包括以下至少一者：获取到的平均曲率的平均值、获取到的平均曲率的分位值、获取到的平均曲率的极值。故此，能够利用平均曲率的第一统计情况来表示目标对象的形态学信息，能够有利于提高边缘特征的表达力。
[0013]其中，在边缘特征包括偏移量的情况下，提取至少一个对象边缘的边缘特征，包括：对对象边缘进行平滑处理，得到平滑边缘；获取对象边缘上若干个点与平滑边缘上对应点之间的偏移量；对获取到的偏移量进行统计，得到偏移量的第二统计情况，其中，第二统计情况包括以下至少一者：获取到的偏移量的平均值、获取到的偏移量的分位值、获取到的偏移量的极值。
[0014]因此，在边缘特征包括偏移量的情况下，对对象边缘进行平滑处理，得到平滑边缘，从而获取对象边缘上若干个点与平滑边缘上对应点之间的偏移量，并对获取到的偏移量进行统计，得到偏移量的第二统计情况，且第二统计情况包括以下至少一者：获取到的偏移量的平均值、获取到的偏移量的分位值、获取到的偏移量的极值。故此，能够有利于提高目标对象形态学信息的准确性。
[0015]其中，医学图像包括在第一方向堆叠的多个二维图像；基于预设神经网络，对至少一个对象边缘进行第二预测，得到目标对象的表面形态，包括：将至少一个对象边缘沿第二方向投影至同一平面，得到待处理图像；利用预设神经网络对待处理图像预测，得到目标对象的表面形态。
[0016]因此，医学图像包括在第一方向堆叠的多个二维图像，从而将至少一个对象边缘沿第二方向投影至同一平面，得到待处理图像，并利用预设神经网络对待处理图像预测，得到目标对象的表面形态，能够有利于将三维信息降维为二维信息，从而能够有利于减少预设神经网络所需处理的数据量，进而能够有利于降低计算负荷。
[0017]其中，预设神经网络是在利用预设数据集预训练的基础上再训练得到的，且预设数据集中的训练图像均为红绿蓝三通道图像，待处理图像中与不同对象边缘对应的部分分别采用不同颜色表示；和/或，第一方向和第二方向平行。
[0018]因此，将预设神经网络设置为在利用预设数据集预训练的基础上再训练得到的，能够有利于在训练样本较少的情况下，基于预设数据集和少量训练样本即可训练得到预设神经网络，且预设数据集中的训练图像均为红绿蓝三通道图像，待处理图像中与不同对象边缘对应的部分分别采用不同颜色表示，从而能够有利于使待处理图像匹配预设神经网络的数据输入形式，进而能够有利于提高预测的准确性；将第一方向设置为与第二方向平行，能够有利于提高待处理图像上，与对象边缘相关的信息的丰富度，从而能够有利于提高预测的准确性。
[0019]其中，目标对象为肝脏，对象边缘位于肝脏的腹面。
[0020]因此，将目标对象设置为肝脏，将对象边缘设置位于肝脏的腹面，能够有利于分析得到肝脏的表面形态，且由于对象边缘位于肝脏的腹面，从而能够有利于提高表面形态的
参考价值。
[0021]其中，医学图像包括在第一方向堆叠的多个二维图像；对医学图像中目标对象进行边缘提取，得到至少一个对象边缘，包括：对医学图像进行肝脏检测，得到至少一个二维图像中的肝脏区域；获取肝脏区域的边缘线上最远离人体正面的第一特征点和最靠近人体左侧的第二特征点；将第一特征点和第二特征点之间靠近人体外侧的部分边缘线，作为肝脏的对象边缘。
[0022]因此，医学图像包括在第一方向堆叠的多个二维图像，通过对医学图像进行肝脏检测，得到至少一个二维图像中的肝脏区域，并获取肝脏区域的边缘线上最远离人体正面的第一特征点和最靠近人体左侧的第二特征点，从而将第一特征点和第二特征点之间靠近人体外侧的部分边缘线，作为肝脏的对象边缘，能够有利于快速且准确地获取到位于肝脏腹面的对象边缘。
[0023]其中，表面形态包括以下任一者：表面平整、表面欠平整；和/或，在基于至少一个对象边缘，得到目标对象的表面形态之后，方法还包括：将表面形态添加至医学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分析方法，其特征在于，包括：获取包含目标对象的医学图像；对所述医学图像中所述目标对象进行边缘提取，得到至少一个对象边缘；以及基于所述至少一个对象边缘，得到所述目标对象的表面形态。2.根据权利要求1所述的方法，其特征在于，所述基于所述至少一个对象边缘，得到所述目标对象的表面形态，包括以下任一者：提取所述至少一个对象边缘的边缘特征，并基于预设分类器，对所述边缘特征进行第一预测，得到所述目标对象的表面形态；基于预设神经网络，对所述至少一个对象边缘进行第二预测，得到所述目标对象的表面形态。3.根据权利要求2所述的方法，其特征在于，所述边缘特征包括以下至少一种：所述对象边缘的平均曲率、所述对象边缘与所述对象边缘平滑处理后的平滑边缘之间的偏移量。4.根据权利要求3所述的方法，其特征在于，在所述边缘特征包括所述对象边缘的平均曲率的情况下，所述提取所述至少一个对象边缘的边缘特征，包括：获取所述对象边缘若干个位置处的平均曲率；对获取到的平均曲率进行统计，得到所述平均曲率的第一统计情况；其中，所述第一统计情况包括以下至少一者：获取到的所述平均曲率的平均值、获取到的所述平均曲率的分位值、获取到的所述平均曲率的极值。5.根据权利要求3或4所述的方法，其特征在于，所述边缘特征包括所述偏移量的情况下，所述提取所述至少一个对象边缘的边缘特征，包括：对所述对象边缘进行平滑处理，得到所述平滑边缘；获取所述对象边缘上若干个点与所述平滑边缘上对应点之间的偏移量；对获取到的偏移量进行统计，得到所述偏移量的第二统计情况；其中，所述第二统计情况包括以下至少一者：获取到的所述偏移量的平均值、获取到的所述偏移量的分位值、获取到的所述偏移量的极值。6.根据权利要求2所述的方法，其特征在于，所述医学图像包括在第一方向堆叠的多个二维图像，以及所述基于预设神经网络，对所述至少一个对象边缘进行第二预测，得到所述目标对象的表面形态，包括：将所述至少一个对象边缘沿所述第二方向投影至同一平...

【专利技术属性】
技术研发人员：黄烨翀，罗祥德，陈翼男，叶宇翔，朱雅靖，
申请(专利权)人：上海商汤智能科技有限公司，
类型：发明
国别省市：