图像处理方法、图像分类分割模型的训练方法与流程

本说明书实施例涉及计算机，特别涉及一种图像处理方法。

背景技术：

1、随着人们生活水平的提升，越来越多的人开始重视自己的健康问题，主动脉夹层是一种危及声明的疾病，早期的诊断和治疗至关重要，目前准确的诊断方法是通过增强ct进行检测，但是增强ct使用较为繁琐，又由于计算机技术的不断发展，深度学习模型在医学影响计算机辅助诊断(computer aided diagnosis，cad)任务中也取得了显著成功，从医学图像中进行病理分析和分类是计算机辅助诊断中的一个重要课题。

2、当前的针对主动脉夹层的计算机辅助诊断任务仅能确定分类预测结果，而无法定位，并且用于任务的平扫ct存在大量噪声，使得模型无法聚焦在主动脉区域，从而输出的预测结果不准确，另外，目前的检测任务无法进行早期和无假腔主动脉夹层的检测。仅此，如何使得机器学习模型可以更好的聚焦检测区域，定位检测区域中的异常信息，就成为技术人员亟待解决的问题。

技术实现思路

1、有鉴于此，本说明书实施例提供了一种图像处理方法。本说明书一个或者多个实施例同时涉及一种ct图像处理方法、另一种图像处理方法、一种图像分类分割模型的训练方法，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。

2、根据本说明书实施例的第一方面，提供了一种图像处理方法，包括：

3、接收图像处理任务，其中，所述图像处理任务中携带目标检测区域对应的多个目标图像，所述图像处理任务用于检测所述目标检测区域的异常信息；

4、将所述多个目标图像输入至图像识别模型，获得所述目标检测区域对应的剪裁区域，其中，所述图像识别模型基于多个目标图像确定包括所述目标待检测区域的剪裁区域；

5、将所述剪裁区域输入至图像分类分割模型，获得所述目标检测区域对应的目标检测结果，其中，所述图像分类分割模型基于所述剪裁区域识别所述目标检测区域的分类信息和分割信息。

6、根据本说明书实施例的第二方面，提供了一种ct图像处理方法，包括：

7、接收ct图像处理任务，其中，所述ct图像处理任务中携带目标检测区域对应的多个ct图像，所述ct图像处理任务用于检测所述目标检测区域的异常信息；

8、将所述多个ct图像输入至ct图像识别模型，获得所述目标检测区域对应的剪裁区域，其中，所述ct图像识别模型基于多个ct图像确定包括所述目标待检测区域的剪裁区域；

9、将所述剪裁区域输入至ct图像分类分割模型，获得所述目标检测区域对应的目标检测结果，其中，所述ct图像分类分割模型基于所述剪裁区域识别所述目标检测区域的分类信息和分割信息。

10、根据本说明书实施例的第三方面，提供了一种图像处理方法，包括：

11、接收用户发送的图像处理请求，其中，所述图像处理请求包括图像处理任务，其中，所述图像处理任务中携带目标检测区域对应的多个目标图像，所述图像处理任务用于检测所述目标检测区域的异常信息；

12、将所述多个目标图像输入至图像识别模型，获得所述目标检测区域对应的剪裁区域，其中，所述图像识别模型基于多个目标图像确定包括所述目标待检测区域的剪裁区域；

13、将所述剪裁区域输入至图像分类分割模型，获得所述目标检测区域对应的目标检测结果，其中，所述图像分类分割模型基于所述剪裁区域识别所述目标检测区域的分类信息和分割信息；

14、向用户发送所述目标检测区域对应的目标检测结果。

15、根据本说明书实施例的第四方面，提供了一种图像分类分割模型的训练方法，应用于云侧设备，包括：

16、获取训练样本对，其中，所述训练样本对包括针对样本检测区域的样本剪裁区域和样本剪裁区域对应的样本分类结果和样本分割结果；

17、将所述样本剪裁区域输入至图像分类分割模型，获得所述图像分类分割模型输出的预测分类结果和预测分割结果；

18、根据所述样本分类结果和所述预测分类结果计算分类损失值，根据所述样本分割结果和所述预测分割结果计算分割损失值；

19、根据所述分类损失值和所述分割损失值调整所述图像分类分割模型的模型参数，直至达到模型训练停止条件。

20、获取所述图像分类分割模型的模型参数，向端侧设备发送所述图像分类分割模型的模型参数。

21、根据本说明书实施例的第五方面，提供了一种计算设备，包括：

22、存储器和处理器；

23、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述方法的步骤。

24、根据本说明书实施例的第六方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述方法的步骤。

25、根据本说明书实施例的第七方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述方法的步骤。

26、通过本说明书实施例提供的方法，通过图像识别模型在多个目标图像中获取到目标检测区域对应的剪裁区域，目的是为了将剪裁区域输入到后续的图像分类分割模型，从多个目标图像对应的初始图像区域中确定裁剪区域，可以将初始图像区域中的背景噪声去除，使得后续的图像分类分割模型能聚焦到目标检测区域上，使得后续的图像分割分类模型的处理可以更加精准，从而提升后续的模型处理精度。

27、其次，将包括有目标检测区域的裁剪区域输入至图像分类分割模型中进行处理，在分类分割模型中可以并行执行目标检测区域的分割任务和异常区域的分割任务，两个分割任务的解码器相互独立，使模型能学习到各自任务具有判别性的表征。进而根据分割掩码信息在分割区域中标记出目标检测区域和异常区域，同时还可以输出目标检测区域的分类信息，通过在分割区域中标记出目标检测区域和异常区域，使得分类信息具有可解释性，用户不仅能收到目标检测区域的分类信息，还可以结合分割区域中的目标检测区域和异常区域来进一步观察异常区域的位置信息，使得分类信息更具有说服力。

技术特征：

1.一种图像处理方法，包括：

2.如权利要求1所述的方法，所述图像识别模型包括识别编码器、识别解码器、识别输出层；

3.如权利要求2所述的方法，所述识别编码器包括多个顺次连接的识别编码层；

4.如权利要求2所述的方法，所述识别解码器包括多个顺次连接的识别解码层；

5.如权利要求2所述的方法，将所述识别全局解码特征输入至所述识别输出层，获得所述目标检测区域对应的剪裁区域，包括：

6.如权利要求1所述的方法，所述图像分类分割模型包括分类分割编码器、检测区域解码器、异常区域编码器，识别输出层；

7.如权利要求6所述的方法，根据所述分类信息、所述检测区域分割信息和所述异常区域分割信息生成目标检测结果，包括：

8.如权利要求1所述的方法，所述图像分类分割模型通过下述方法训练获得：

9.如权利要求8所述的方法，所述样本分割结果包括样本检测区域和样本异常区域，所述预测分割结果包括预测检测区域和预测异常区域；

10.一种ct图像处理方法，包括：

11.一种图像处理方法，包括

12.一种图像分类分割模型的训练方法，应用于云侧设备，包括：

13.一种计算设备，包括：

14.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1-12任意一项所述方法的步骤。

技术总结
本说明书实施例提供图像处理方法、图像分类分割模型的训练方法，其中图像处理方法包括：接收图像处理任务，其中，图像处理任务中携带目标检测区域对应的多个目标图像，图像处理任务用于检测目标检测区域的异常信息；将多个目标图像输入至图像识别模型，获得目标检测区域对应的剪裁区域；将剪裁区域输入至图像分类分割模型，获得目标检测区域对应的目标检测结果。本说明书提供的方法，通过图像识别模型，消除多个目标图像中的背景噪声，获得裁剪区域，使得图像分类分割模型可以更聚焦到目标检测区域，最后输出目标检测区域的分类信息和分割信息，可以结合分割信息中的目标检测区域和异常区域来观察异常区域的位置，使得分类信息更具有说服力。

技术研发人员：周彦捷,许敏丰,郭恒,张剑锋,方伟,吕乐
受保护的技术使用者：阿里巴巴达摩院（杭州）科技有限公司
技术研发日：
技术公布日：2024/1/22