图像分割处理方法、电子装置和存储介质制造方法及图纸

本申请涉及一种图像分割处理方法、电子装置和存储介质，该方法应用于云服务器，该云服务器存储有预设的网络结构和训练参数；其中，该方法包括：接收用户终端发送的待分割图像；将该待分割图像输入至目标图像分割模型，以生成图像分割结果，并将该图像分割结果发送至该用户终端；其中，该目标图像分割模型是由该云服务器至少根据待训练图像、该网络结构和该训练参数生成的。通过本申请，解决了图像分割的处理效率低的问题，实现了图像分割的云端处理。理。理。

【技术实现步骤摘要】
图像分割处理方法、电子装置和存储介质


[0001]本申请涉及图像处理
，特别是涉及图像分割处理方法、电子装置和存储介质。

技术介绍

[0002]对于图像分割而言，例如对电子计算机断层扫描(Computed Tomography，CT)图像或磁共振(Magnetic Resonance，MR)等图像中的器官进行智能分割，利用深度学习实现的勾画效果已经能达到与手工勾画相近的准确程度。然而，目前使用深度学习训练模型仍然需要有一定的编程基础，对于无编程基础的人而言，深度学习的普及有一定困难，使得基于深度学习的图像分割处理的效率较低。
[0003]目前针对相关技术中基于深度学习的图像分割处理的效率低的问题，尚未提出有效的解决方案。

技术实现思路

[0004]本申请实施例提供了一种图像分割处理方法、电子装置和存储介质，以至少解决相关技术中图像分割的处理效率低的问题。
[0005]第一方面，本申请实施例提供了一种图像分割处理方法，应用于云服务器，所述云服务器存储有预设的网络结构和训练参数；所述方法包括：
[0006]接收用户终端发送的待分割图像；
[0007]将所述待分割图像输入至目标图像分割模型，以生成图像分割结果，并将所述图像分割结果发送至所述用户终端；其中，所述目标图像分割模型是由所述云服务器至少根据待训练图像、所述网络结构和所述训练参数生成的。
[0008]在其中一些实施例中，所述云服务器的工作模式包括程序训练模式，所述方法还包括：
[0009]在所述程序训练模式下，接收所述用户终端发送的所述待训练图像；
[0010]根据所述待训练图像、所述网络结构和所述训练参数，生成所述目标图像分割模型。
[0011]在其中一些实施例中，所述云服务器的工作模式包括开发模式，所述方法还包括：
[0012]在所述开发模式下，接收所述用户终端发送的所述待训练图像和训练调整参数；
[0013]根据所述待训练图像、所述网络结构、所述训练参数和所述训练调整参数，生成所述目标图像分割模型。
[0014]在其中一些实施例中，所述方法还包括：
[0015]接收所述用户终端发送的待测试图像；
[0016]将所述待测试图像输入至所述目标图像分割模型，以生成图像分割测试结果，并将所述图像分割测试结果发送至所述用户终端。
[0017]第二方面，本申请实施例提供了一种图像分割处理方法，应用于用户终端，所述用
户终端连接至云服务器，所述云服务器存储有预设的网络结构和训练参数；所述方法包括：
[0018]将待分割图像发送至所述云服务器，以使得所述云服务器将所述待分割图像输入至目标图像分割模型，以生成图像分割结果；其中，所述目标图像分割模型是由所述云服务器至少根据待训练图像、所述网络结构和所述训练参数生成的。
[0019]在其中一些实施例中，所述方法还包括：
[0020]将待测试图像发送至所述云服务器，以使得所述云服务器将所述待测试图像输入至所述目标图像分割模型，以生成图像分割测试结果；
[0021]接收所述云服务器发送的所述图像分割测试结果。
[0022]在其中一些实施例中，所述图像分割结果包括分割测试参数和性能测试参数，所述方法还包括：
[0023]根据所述分割测试参数生成可视化图像勾画测试结果，以及根据所述性能测试参数生成性能测试结果，并显示所述可视化图像勾画测试结果和所述性能测试结果。
[0024]在其中一些实施例中，所述待测试图像还包括分割标志；所述方法还包括：
[0025]将所述可视化图像勾画测试结果和所述分割标志进行对比，以生成勾画对比结果，并显示所述勾画对比结果。
[0026]第三方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面和第二方面所述的图像分割处理方法。
[0027]第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面和第二方面所述的图像分割处理方法。
[0028]相比于相关技术，本申请实施例提供的图像分割处理方法、电子装置和存储介质，该方法应用于云服务器，该云服务器存储有预设的网络结构和训练参数，通过接收用户终端发送的待分割图像；将该待分割图像输入至目标图像分割模型，以生成图像分割结果，并将该图像分割结果发送至该用户终端；其中，该目标图像分割模型是由该云服务器至少根据待训练图像、该网络结构和该训练参数生成的，解决了图像分割的处理效率低的问题，实现了图像分割的云端处理。
[0029]本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
[0030]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0031]图1是根据本申请实施例的一种图像分割方法的应用环境图；
[0032]图2是根据本申请实施例的一种图像分割方法的流程图；
[0033]图3是根据本申请实施例的另一种图像分割方法的流程图；
[0034]图4是根据本申请实施例的又一种图像分割方法的流程图；
[0035]图5是根据本申请实施例的一种用户终端的显示界面的示意图；
[0036]图6是根据本申请实施例的另一种用户终端的显示界面的示意图；
[0037]图7是根据本申请实施例的又一种用户终端的显示界面的示意图；
[0038]图8是根据本申请实施例的一种计算机设备内部的结构图。
具体实施方式
[0039]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的
技术实现思路
的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
[0040]在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
[0041]除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属
内具有一般技能的人士所理解的通常意本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割处理方法，其特征在于，应用于云服务器，所述云服务器存储有预设的网络结构和训练参数，所述方法包括：接收用户终端发送的待分割图像；将所述待分割图像输入至目标图像分割模型，以生成图像分割结果，并将所述图像分割结果发送至所述用户终端；其中，所述目标图像分割模型是由所述云服务器至少根据待训练图像、所述网络结构和所述训练参数生成的。2.根据权利要求1所述的图像分割处理方法，其特征在于，所述云服务器的工作模式包括程序训练模式，所述方法还包括：在所述程序训练模式下，接收所述用户终端发送的所述待训练图像；根据所述待训练图像、所述网络结构和所述训练参数，生成所述目标图像分割模型。3.根据权利要求1所述的图像分割处理方法，其特征在于，所述云服务器的工作模式包括开发模式，所述方法还包括：在所述开发模式下，接收所述用户终端发送的所述待训练图像和训练调整参数；根据所述待训练图像、所述网络结构、所述训练参数和所述训练调整参数，生成所述目标图像分割模型。4.根据权利要求1至3任一项所述的图像分割处理方法，其特征在于，所述方法还包括：接收所述用户终端发送的待测试图像；将所述待测试图像输入至所述目标图像分割模型，以生成图像分割测试结果，并将所述图像分割测试结果发送至所述用户终端。5.一种图像分割处理方法，其特征在于，应用于用户终端，所述用户终端连接至云服务器，所述云服务器存储有预设的网络结构和训练参数，所述方法包括：将待分割图像发送至所述云服务器...

【专利技术属性】
技术研发人员：庄卓力，
申请(专利权)人：深圳市联影高端医疗装备创新研究院，
类型：发明
国别省市：