超声骨化中心图像分割模型的处理方法、装置及处理设备

本申请涉及图像处理领域，具体涉及超声骨化中心图像分割模型的处理方法、装置及处理设备。

背景技术：

1、传统的骨龄评估法，是基于手和腕部的x光片来展开的，但x光片所需的x线检查具有一定的辐射，不利于短期多次的检查，而超声则属于是一种安全无辐射的检查方法，研究表明，可利用超声测量儿童骨化中心与骨骺宽度的比值来反映骨骼的生长情况。

2、目前临床应用中，一般采用人工计算的方式来计算超声影像对应的骨化中心宽度与骨骺宽度，但是这意味着需要专业经验较为深厚的临床医生，这不仅增加了临床医生的工作量，且还需要花费大量时间，在处理效率和处理精度方面都存在着明显的局限性。

3、因此，如何对超声所获得的超声骨化中心图像进行自动分割，达到甚至超过临床医生的手动计算水平，是亟待解决的问题。

技术实现思路

1、本申请提供了超声骨化中心图像分割模型的处理方法、装置及处理设备，通过引入注意力机制，针对性地设计了超声骨化中心分割模型，获得更为强大的分割性能，实现高效且高精度的超声骨化中心图像分割。

2、第一方面，本申请提供了一种超声骨化中心图像分割模型的处理方法，方法包括：

3、获取样本超声骨化中心图像；

4、为样本超声骨化中心图像标记对应的超声骨化中心图像分割结果；

5、将标记好的样本超声骨化中心图像作为训练样本，训练初始模型进行超声骨化中心图像分割处理，并得到完成训练的超声骨化中心图像分割模型，其中，模型架构由多个的卷积注意力模块、最大池化层、自注意力模块和上采样层堆叠得到。

6、第二方面，本申请提供了一种超声骨化中心图像分割模型的处理装置，装置包括：

7、获取单元，用于获取样本超声骨化中心图像；

8、标记单元，用于为样本超声骨化中心图像标记对应的超声骨化中心图像分割结果；

9、训练单元，用于将标记好的样本超声骨化中心图像作为训练样本，训练初始模型进行超声骨化中心图像分割处理，并得到完成训练的超声骨化中心图像分割模型，其中，模型架构由多个的卷积注意力模块、最大池化层、自注意力模块和上采样层堆叠得到。

10、第三方面，本申请提供了一种处理设备，包括处理器和存储器，存储器中存储有计算机程序，处理器调用存储器中的计算机程序时执行本申请第一方面或者本申请第一方面任一种可能的实现方式提供的方法。

11、第四方面，本申请提供了一种计算机可读存储介质，计算机可读存储介质存储有多条指令，指令适于处理器进行加载，以执行本申请第一方面或者本申请第一方面任一种可能的实现方式提供的方法。

12、从以上内容可得出，本申请具有以下的有益效果：

13、针对于超声骨化中心图像分割目标，本申请在在引入卷积神经网络来实现超声骨化中心图像分割模型的基础上，针对性地设计了由多个的卷积注意力模块、最大池化层、自注意力模块和上采样层堆叠得到的模型架构，在训练过程中可以促使模型更快更为精确地展开训练，同理在后续的使用过程中也可以促使模型更快更为精确地展开使用，由此可以实现更佳的处理效果，获得更为强大的超声骨化中心图像分割性能，实现高效且高精度的超声骨化中心图像分割。

技术特征：

1.一种超声骨化中心图像分割模型的处理方法，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，所述模型架构包括第一部分和第二部分，所述第一部分的输入为模型输入，所述第二部分的输入为所述第一部分的输出，所述第二部分的输出为模型输出；

3.根据权利要求1所述的方法，其特征在于，在所述卷积注意力模块中，像素权重特征图依次通过一个卷积层、一个归一化层、一个激活层、又一个所述卷积层、又一个所述归一化层和又一个所述激活层来进行图像像素信息融合，通道权重特征图依次通过全局平均池化层、一个全连接层和又一个全连接层来进行通道信息融合，对应的，还有以下具体内容：

4.根据权利要求1所述的方法，其特征在于，在所述自注意力模块中，经过一个嵌入层编码并加入位置编码后，通过一个多重自注意力层、一个拼接层、一个归一化层、一个全连接层、又一个所述全连接层、一个激活层和又一个所述还原层来进行像素相似度信息融合，对应的，还有以下具体内容：

5.根据权利要求1所述的方法，其特征在于，所述将标记好的所述样本超声骨化中心图像作为训练样本，训练初始模型进行超声骨化中心图像分割处理之前，所述方法还包括：

6.根据权利要求1所述的方法，其特征在于，模型训练过程中采用k折交叉验证，并进行超参数优化。

7.根据权利要求1所述的方法，其特征在于，所述将标记好的所述样本超声骨化中心图像作为训练样本，训练初始模型进行超声骨化中心图像分割处理，并得到完成训练的超声骨化中心图像分割模型之后，所述方法还包括：

8.一种超声骨化中心图像分割模型的处理装置，其特征在于，所述装置包括：

9.一种处理设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行如权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至7任一项所述的方法。

技术总结本申请提供了超声骨化中心图像分割模型的处理方法、装置及处理设备，通过引入注意力机制，针对性地设计了超声骨化中心分割模型，获得更为强大的分割性能，实现高效且高精度的超声骨化中心图像分割。方法包括：获取样本超声骨化中心图像；为样本超声骨化中心图像标记对应的超声骨化中心图像分割结果；将标记好的样本超声骨化中心图像作为训练样本，训练初始模型进行超声骨化中心图像分割处理，并得到完成训练的超声骨化中心图像分割模型，其中，模型架构由多个的卷积注意力模块、最大池化层、自注意力模块和上采样层堆叠得到。技术研发人员：张超,李金,陈炜,王梁,吕文志受保护的技术使用者：华中科技大学同济医学院附属同济医院技术研发日：技术公布日：2024/8/1