图像处理方法、装置、设备、存储介质及程序产品与流程

本申请实施例涉及人工智能，特别涉及一种图像处理方法、装置、设备、存储介质及程序产品。

背景技术：

1、术后组织病理分析是肿瘤诊断的金标准。病理样本(如手术中被切除的组织被切成适当体积的组织块)的病理取材环节对术后组织病理分析有着重要的影响，即，组织块的挑选过程尤为重要。

2、在相关技术中，病理取材环节主要通过裸眼观察和触摸手感来分辨病灶区域，以进行组织块的选取。

3、然而，在病灶区域较为隐匿的情况下，仅依靠裸眼观察和触摸手感，无法辨识正常组织区域和病灶区域，容易造成含有病灶区域的组织块的漏取或因其他病变的假象高估病灶区域的范围，从而导致病理样本的选取准确性不高，进而导致病理分析的准确性不高。

技术实现思路

1、本申请提供了一种图像处理方法、装置、设备、存储介质及程序产品，能够降低了生物组织的取材难度，提高了生物组织的取材准确性。所述技术方案如下：

2、根据本申请的一方面，提供了一种图像处理方法，所述方法包括：

3、获取生物组织对应的反射图像和透射图像，所述反射图像是指基于所述生物组织上方的反射光源提供的光线，成像得到的图像，所述透射图像是指基于所述生物组织下方的透射光源提供的光线，成像得到的图像；

4、基于所述反射图像和所述透射图像，得到所述生物组织对应的病理掩码图像；

5、显示所述病理掩码图像，所述病理掩码图像中的病理掩码用于指示所述生物组织中的异常区域。

6、根据本申请的一方面，提供了一种图像语义分割模型的训练方法，所述方法包括：

7、获取样本生物组织对应的反射图像、透射图像和所述样本生物组织对应的真实病理掩码图像，所述反射图像是指基于所述样本生物组织上方的反射光源提供的光线，成像得到的图像，所述透射图像是指基于所述样本生物组织下方的透射光源提供的光线，成像得到的图像；所述真实病理掩码图像中的真实病理掩码用于指示所述样本生物组织中的真实异常区域；

8、基于所述反射图像和所述透射图像，得到所述样本生物组织对应的病理掩码图像，所述预测病理掩码图像中的预测病理掩码用于指示所述样本生物组织中的预测异常区域；

9、基于所述真实病理掩码及所述预测病理掩码，计算损失函数值；

10、基于所述损失函数值对图像语义分割模型的模型参数进行更新。

11、根据本申请的一方面，提供了一种图像获取系统，所述系统包括：透射光源、反射光源、图像拍摄装置和计算机设备；

12、所述透射光源用于将所述图像获取系统调整至透射模态，所述透射光源设置于生物组织的下方；

13、所述反射光源用于将所述图像获取系统调整至反射模态，所述反射光源设置于所述生物组织的上方；

14、在所述图像获取系统为所述透射模态时，所述图像拍摄装置获取所述生物组织对应的透射图像；

15、在所述图像获取系统为所述反射模态时，所述图像拍摄装置获取所述生物组织对应的反射图像；

16、所述计算机设备用于基于同一所述生物组织对应的所述反射图像和所述透射图像，得到并显示所述生物组织对应的病理掩码图像，所述病理掩码图像中的病理掩码用于指示所述生物组织中的异常区域。

17、根据本申请的一方面，提供了一种图像处理装置，所述装置包括：

18、获取模块，用于获取生物组织对应的反射图像和透射图像，所述反射图像是指基于所述生物组织上方的反射光源提供的光线，成像得到的图像，所述透射图像是指基于所述生物组织下方的透射光源提供的光线，成像得到的图像；

19、处理模块，用于基于所述反射图像和所述透射图像，得到所述生物组织对应的病理掩码图像；

20、显示模块，用于显示所述病理掩码图像，所述病理掩码图像中的病理掩码用于指示所述生物组织中的异常区域。

21、根据本申请的一方面，提供了一种图像语义分割模型的训练装置，所述装置包括：

22、获取模块，用于获取样本生物组织对应的反射图像、透射图像和所述样本生物组织对应的真实病理掩码图像，所述反射图像是指基于所述样本生物组织上方的反射光源提供的光线，成像得到的图像，所述透射图像是指基于所述样本生物组织下方的透射光源提供的光线，成像得到的图像；所述真实病理掩码图像中的真实病理掩码用于指示所述样本生物组织中的真实异常区域；

23、处理模块，用于基于所述反射图像和所述透射图像，得到所述样本生物组织对应的病理掩码图像，所述预测病理掩码图像中的预测病理掩码用于指示所述样本生物组织中的预测异常区域；

24、计算模块，用于基于所述真实病理掩码及所述预测病理掩码，计算损失函数值；

25、更新模块，用于基于所述损失函数值对图像语义分割模型的模型参数进行更新。

26、根据本申请的另一方面，提供了一种计算机设备，该计算机设备包括：处理器和存储器，存储器中存储有至少一条计算机程序，至少一条计算机程序由处理器加载并执行以实现如上方面所述的图像处理方法或所述的图像语义分割模型的训练方法。

27、根据本申请的另一方面，提供了一种计算机存储介质，计算机可读存储介质中存储有至少一条计算机程序，至少一条计算机程序由处理器加载并执行以实现如上方面所述的图像处理方法或所述的图像语义分割模型的训练方法。

28、根据本申请的另一方面，提供了一种计算机程序产品，上述计算机程序产品包括计算机程序，所述计算机程序存储在计算机可读存储介质中；所述计算机程序由计算机设备的处理器从所述计算机可读存储介质读取并执行，使得所述计算机设备执行如上方面所述的图像处理方法或所述的图像语义分割模型的训练方法。

29、本申请提供的技术方案带来的有益效果至少包括：

30、通过获取生物组织对应的反射图像和透射图像，基于生物组织对应的反射图像和透射图像，得到并显示生物组织对应的病理掩码图像。本申请通过利用生物组织对应的反射图像和透射图像确定生物组织中的异常区域，降低了生物组织的取材难度，提高了生物组织的取材准确性。

技术特征：

1.一种图像处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取生物组织对应的反射图像和透射图像，包括：

3.根据权利要求2所述的方法，其特征在于，所述反射图像包括第一类反射图像；所述反射光源提供的光线的波长属于近红外二区的波长范围；

4.根据权利要求2所述的方法，其特征在于，所述反射图像包括第二类反射图像；所述反射光源提供的光线的波长属于可见光区的波长范围；

5.根据权利要求2所述的方法，其特征在于，所述透射光源提供的光线的波长属于近红外区的波长范围；

6.根据权利要求1至5任一所述的方法，其特征在于，所述基于所述反射图像和所述透射图像，得到所述生物组织对应的病理掩码图像，包括：

7.根据权利要求6所述的方法，其特征在于，所述图像语义分割模型包括卷积层和特征提取层；

8.根据权利要求6所述的方法，其特征在于，所述图像语义分割模型包括转置卷积层；

9.一种图像语义分割模型的训练方法，其特征在于，所述方法包括：

10.根据权利要求9所述的方法，其特征在于，所述获取生物组织对应的反射图像、透射图像，包括：

11.根据权利要求10所述的方法，其特征在于，所述反射图像包括第一类反射图像；所述反射光源提供的光线的波长属于近红外二区的波长范围；

12.根据权利要求10所述的方法，其特征在于，所述反射图像包括第二类反射图像；所述反射光源提供的光线的波长属于可见光区的波长范围；

13.根据权利要求10所述的方法，其特征在于，所述透射光源提供的光线的波长属于近红外区的波长范围；

14.根据权利要求9至12任一所述的方法，其特征在于，所述基于所述反射图像和所述透射图像，得到所述生物组织对应的病理掩码图像，包括：

15.根据权利要求14所述的方法，其特征在于，所述图像语义分割模型包括卷积层和特征提取网络；

16.根据权利要求14所述的方法，其特征在于，所述图像语义分割模型包括转置卷积层；

17.一种图像获取系统，其特征在于，所述系统包括：透射光源、反射光源、图像拍摄装置和计算机设备；

18.根据权利要求17所述的系统，其特征在于，所述图像拍摄装置还包括自动对焦镜头；

19.根据权利要求17或18所述的系统，其特征在于，所述系统还包括光控器；

20.一种图像处理装置，其特征在于，所述装置包括：

21.一种图像语义分割模型的训练装置，其特征在于，所述装置包括：

22.一种计算机设备，其特征在于，所述计算机设备包括：处理器和存储器，所述存储器中存储有至少一条计算机程序，至少一条所述计算机程序由所述处理器加载并执行以实现如权利要求1至8中任一项所述的图像处理方法，或，如权利要求9至16中任一项所述的图像语义分割模型的训练方法。

23.一种计算机存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条计算机程序，至少一条计算机程序由处理器加载并执行以实现如权利要求1至8中任一项所述的图像处理方法，或，如权利要求9至16中任一项所述的图像语义分割模型的训练方法。

24.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序存储在计算机可读存储介质中；所述计算机程序由计算机设备的处理器从所述计算机可读存储介质读取并执行，使得所述计算机设备执行如权利要求1至8中任一项所述的图像处理方法，或，如权利要求9至16中任一项所述的图像语义分割模型的训练方法。

技术总结
本申请公开了一种图像处理方法、装置、设备、存储介质及程序产品，属于人工智能领域。包括：获取生物组织对应的反射图像和透射图像，所述反射图像是指基于所述生物组织上方的反射光源提供的光线，成像得到的图像，所述透射图像是指基于所述生物组织下方的透射光源提供的光线，成像得到的图像；基于所述反射图像和所述透射图像，得到所述生物组织对应的病理掩码图像；显示所述病理掩码图像，所述病理掩码图像中的病理掩码用于指示所述生物组织中的异常区域。通过上述方法，可以降低生物组织的取材难度，提高生物组织的取材准确性。

技术研发人员：廖俊,姚建华,刘月平,张玲玲
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：
技术公布日：2024/1/15