目标图像处理模型训练方法、图像处理方法与流程

本说明书实施例涉及计算机，特别涉及目标图像处理模型训练方法、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目标图像处理模型训练装置，图像处理方法，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产品。

背景技术：

1、随着乳腺癌筛查的普及，越来越多的人接受平扫ct（ncct，non-contrastcomputed tomography，非对比度计算机断层扫描）检查。然而，ncct检查的结果可能不如增强ct（cect，contrast-enhanced computed tomography，对比增强计算机断层扫描）检查准确，即利用平扫ct进行检查的情况下可能会影响早期诊断和治疗。

2、因此，亟需一种方法来提高平扫ct检查的诊断效果，提高平扫ct数据中肿瘤的检测敏感性和特异性。

技术实现思路

1、有鉴于此，本说明书实施例提供了一种目标图像处理模型训练方法。本说明书一个或者多个实施例同时涉及一种目标图像处理模型训练装置，图像处理方法，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产品，以解决现有技术中存在的、利用平扫ct获得的检查结果存在不准确的技术缺陷。

2、根据本说明书实施例的第一方面，提供了一种目标图像处理模型训练方法，包括：

3、确定目标对象的初始图像、增强图像；

4、将所述初始图像以及所述增强图像进行融合，获得融合图像，以及对所述初始图像进行掩码处理，获得掩码图像；

5、将所述融合图像输入参考图像处理模型，利用所述参考图像处理模型对所述融合图像进行编码解码处理，获得初始解码图像特征以及初始解码分类特征；

6、将所述掩码图像输入目标图像处理模型，利用所述目标图像处理模型对所述掩码图像进行编码解码处理，获得目标解码图像特征以及目标解码分类特征；

7、根据所述初始解码图像特征、所述初始解码分类特征、所述目标解码图像特征、所述目标解码分类特征，训练所述目标图像处理模型。

8、根据本说明书实施例的第二方面，提供了一种图像处理方法，包括：

9、确定目标图像，将所述目标图像输入目标图像处理模型；

10、利用所述目标图像处理模型对所述目标图像进行编码解码处理，获得目标图像的目标图像特征以及目标分类特征；

11、利用所述目标图像特征，获得所述目标图像对应的分割图像；

12、利用所述目标分类特征，获得所述目标图像对应的分类结果。

13、根据本说明书实施例的第三方面，提供了一种癌症的计算机辅助诊断方法，包括：

14、确定目标检测区域的ct图像；

15、将所述ct图像输入ct图像处理模型，利用所述ct图像处理模型对所述ct图像进行处理，获得所述ct图像对应的ct分割图像以及ct分类结果，其中，所述ct图像处理模型通过上述目标图像处理模型训练方法训练获得；

16、根据所述ct分割图像以及所述ct分类结果，获得所述目标检测区域是否存在肿瘤的检测结果。

17、根据本说明书实施例的第四方面，提供了一种乳腺癌的计算机辅助诊断方法，包括：

18、确定乳腺区域的ct图像；

19、将所述ct图像输入ct图像处理模型，利用所述ct图像处理模型对所述ct图像进行处理，获得所述ct图像对应的ct分割图像以及ct分类结果，其中，所述ct图像处理模型通过上述目标图像处理模型训练方法训练获得；

20、根据所述ct分割图像以及所述ct分类结果，获得所述乳腺区域是否存在肿瘤的检测结果。

21、根据本说明书实施例的第五方面，提供了另一种图像处理方法，应用于医疗系统的客户端，包括：

22、响应于用户针对所述客户端的用户交互界面的点选操作，确定医疗图像；

23、将所述医疗图像发送至所述医疗系统的服务端，接收所述服务端返回的所述医疗图像对应的分割图像以及分类结果，其中，所述医疗图像对应的分割图像以及分类结果，根据目标图像处理模型对所述医疗图像进行处理获得，所述目标图像处理模型通过上述目标图像处理模型训练方法训练获得；

24、将所述医疗图像对应的分割图像以及分类结果通过所述用户交互界面展示给所述用户。

25、根据本说明书实施例的第六方面，提供了一种癌症的计算机辅助诊断系统，包括客户端和服务端，其中，

26、所述客户端，用于向所述服务端发送目标检测区域的ct图像；

27、所述服务端，用于将所述ct图像输入ct图像处理模型，利用所述ct图像处理模型对所述ct图像进行处理，获得所述ct图像对应的分割图像以及分类结果，并根据所述ct分割图像以及所述ct分类结果，获得所述目标检测区域是否存在肿瘤的检测结果，并将所述检测结果返回至所述客户端，其中，ct图像处理模型通过上述目标图像处理模型训练方法训练获得。

28、根据本说明书实施例的第七方面，提供了一种目标图像处理模型训练装置，包括：

29、图像确定模块，被配置为确定目标对象的初始图像、增强图像；

30、图像获得模块，被配置为将所述初始图像以及所述增强图像进行融合，获得融合图像，以及对所述初始图像进行掩码处理，获得掩码图像；

31、初始特征获得模块，被配置为将所述融合图像输入参考图像处理模型，利用所述参考图像处理模型对所述融合图像进行编码解码处理，获得初始解码图像特征以及初始解码分类特征；

32、目标特征获得模块，被配置为将所述掩码图像输入目标图像处理模型，利用所述目标图像处理模型对所述掩码图像进行编码解码处理，获得目标解码图像特征以及目标解码分类特征；

33、模型训练获得模块，被配置为根据所述初始解码图像特征、所述初始解码分类特征、所述目标解码图像特征、所述目标解码分类特征，训练所述目标图像处理模型。

34、根据本说明书实施例的第八方面，提供了一种图像处理装置，包括：

35、确定模块，被配置为确定目标图像，将所述目标图像输入目标图像处理模型；

36、特征获得模块，被配置为利用所述目标图像处理模型对所述目标图像进行编码解码处理，获得目标图像的目标图像特征以及目标分类特征；

37、图像获得模块，被配置为利用所述目标图像特征，获得所述目标图像对应的分割图像；

38、结果获得模块，被配置为利用所述目标分类特征，获得所述目标图像对应的分类结果。

39、根据本说明书实施例的第九方面，提供了一种计算设备，包括：

40、存储器和处理器；

41、所述存储器用于存储计算机程序/指令，所述处理器用于执行所述计算机程序/指令，该计算机程序/指令被处理器执行时实现上述目标图像处理模型训练方法、图像处理方法的步骤。

42、根据本说明书实施例的第十方面，提供了一种计算机可读存储介质，其存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现上述目标图像处理模型训练方法、图像处理方法的步骤。

43、根据本说明书实施例的第十一方面，提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述目标图像处理模型训练方法、图像处理方法的步骤。

44、本说明书一个或多个实施例提供了目标图像处理模型训练方法，在将初始图像以及增强图像融合输入参考图像处理模型的情况下，利用参考图像处理模型能够获得、包含目标对象的丰富信息的初始解码图像特征以及初始解码分类特征，在将初始图像对应的掩码图像输入到目标图像处理模型，获得目标解码图像特征以及目标解码分类特征，并利用初始解码图像特征、初始解码分类特征、目标解码图像特征、目标解码分类特征，训练目标图像处理模型的情况下，能够在目标图像处理模型针对掩码图像进行处理，使掩码图像恢复特征时，能够参考初始解码图像特征以及初始解码分类特征进行恢复，从而更好地捕捉目标对象详细的特征级信息（即上述的初始解码图像特征以及初始解码分类特征），实现将从参考图像处理模型学到的知识转移到目标图像处理模型中，后续在将目标对象的初始图像输入目标图像处理模型的情况下，能够提升目标图像处理模型利用初始图像针对目标对象进行检测和分割时的准确性。