图像处理方法及装置、电子设备和存储介质制造方法及图纸

本申请涉及一种图像处理方法及装置、电子设备和存储介质。所述方法包括：对待处理图像序列进行筛选，确定目标图像序列；对目标图像序列进行特征提取，获得目标图像序列的特征图；根据特征图、目标图像序列和待处理图像序列，确定待分割图像；对待分割图像进行区域分割处理，确定待分割图像的目标区域。根据本申请的实施例的图像处理方法，可在待处理图像序列中筛选出目标图像序列，减少时间信息的噪声干扰，降低特征提取处理的计算量。并且，由于减少了噪声干扰，可提高目标区域的识别精度，即，提高对分割图像进行分割处理的处理精度。

Image Processing Method and Device, Electronic Equipment and Storage Media

The application relates to an image processing method and device, an electronic device and a storage medium. The method includes: filtering the processed image sequence to determine the target image sequence; extracting the features of the target image sequence to obtain the feature map of the target image sequence; determining the image to be segmented according to the feature map, the target image sequence and the image sequence to be processed; and processing the segmented image to determine the target region of the image to be segmented. According to the image processing method of the embodiment of the present application, the target image sequence can be screened out from the image sequence to be processed to reduce the noise interference of time information and the computational load of feature extraction processing. Moreover, due to the reduction of noise interference, the recognition accuracy of the target area can be improved, that is, the processing accuracy of segmentation of the segmented image can be improved.

【技术实现步骤摘要】
图像处理方法及装置、电子设备和存储介质
本申请涉及计算机
，尤其涉及一种图像处理方法及装置、电子设备和存储介质。
技术介绍
目前，随着深度学习技术的发展，在基于CT灌注成像的病灶检测技术中，已有一些利用深度学习技术进行缺血性脑卒中分割的研究。但是，对这些技术的研究还仅有一些简单的阈值标准，检测结果不够精确，不能反映个体之间的差异。因此，开发出高精度的基于CT灌注参数图的分割算法是一个亟待解决的问题。
技术实现思路
本申请提出了一种图像处理方法及装置、电子设备和存储介质。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：对待处理图像序列进行筛选，确定目标图像序列；对目标图像序列进行特征提取，获得所述目标图像序列的特征图；根据所述特征图、所述目标图像序列和所述待处理图像序列，确定待分割图像；对所述待分割图像进行区域分割处理，确定所述待分割图像的目标区域。根据本申请的实施例的图像处理方法，可在待处理图像序列中筛选出目标图像序列，减少时间信息的噪声干扰，降低特征提取处理的计算量。并且，由于减少了噪声干扰，可提高目标区域的识别精度，即，提高对分割图像进行分割处理的处理精度。在一种可能的实现方式中，对待处理图像序列进行筛选，确定目标图像序列，包括：获取所述待处理图像序列中的多个待处理图像的灌注参数；根据所述多个待处理图像的灌注参数，获得所述目标图像序列。通过这种方式，可利用灌注参数筛选出目标图像序列，可减少时间信息的噪声干扰，提高后续的特征提取处理的效果，并提高特征提取处理的处理速度。在一种可能的实现方式中，根据所述多个待处理图像的灌注参数，获得所述目标图像序列，包括：根据所述多个待处理图像的灌注参数以及所述多个待处理图像的扫描时间点，确定所述灌注参数的最大值对应的目标时间点；根据所述目标时间点，确定目标时间区间，所述目标时间点处于所述目标时间区间内；从所述目标时间区间内的多个待处理图像中确定出所述目标图像序列。在一种可能的实现方式中，根据所述多个待处理图像的灌注参数，获得所述目标图像序列，包括：根据所述多个待处理图像的灌注参数和时间戳，确定所述灌注参数与时间的第一关系曲线；对所述第一关系曲线进行平滑处理，获得第二关系曲线；根据所述第二关系曲线，从所述多个待处理图像中确定出所述目标图像序列。在一种可能的实现方式中，根据所述特征图、所述目标图像序列和所述待处理图像序列，确定待分割图像，包括：根据所述目标图像序列，确定一个或多个第一特征图像；根据所述待处理图像序列，确定一个或多个第二特征图像；将所述第一特征图像、第二特征图像和所述特征图输入生成网络进行图像生成处理，获得所述待分割图像。在一种可能的实现方式中，所述待处理图像序列为在多个时刻获得的灌注加权成像组成的图像序列，所述第一特征图像包括目标图像序列的弥散系数峰值图；所述第二特征图像包括脑血容量图、脑血流量图、平均通过时间图、峰值时间图、待处理图像序列的弥散系数峰值图中的至少一种。在一种可能的实现方式中，对所述待分割图像进行区域分割处理，确定所述待分割图像的目标区域，包括：将所述待分割图像输入分割网络进行处理，获得所述待分割图像中的各像素点属于目标区域的目标概率以及属于背景区域的背景概率；根据所述目标概率和所述背景概率，确定所述待分割图像中的目标区域和背景区域。在一种可能的实现方式中，所述对目标图像序列进行特征提取，获得所述目标图像序列的特征图，包括：将目标图像序列输入提取网络进行特征提取处理，获得所述目标图像序列的特征图。在一种可能的实现方式中，所述方法还包括：通过包括多个待处理样本图像的第一训练集对所述提取网络进行训练，其中，所述待处理样本图像具有目标区域和背景区域的标注。在一种可能的实现方式中，所述方法还包括：通过包括多个第一样本特征图像、多个第二样本特征图像、多个样本特征图和多个第一样本图像的第二训练集以及判别网络对所述生成网络进行训练，其中，所述判别网络用于确定图像的真实性判别结果，所述真实性判别结果包括真实图像或生成图像。在一种可能的实现方式中，通过包括多个第一样本特征图像、多个第二样本特征图像、多个样本特征图和多个第一样本图像的第二训练集以及判别网络对所述生成网络进行训练，包括：将所述第一样本特征图像、所述第二样本特征图像和所述样本特征图输入所述生成网络，获得样本输出图像；将所述样本输出图像以及第一样本图像输入所述判别网络，获得所述样本输出图像的真实性判别结果；响应于所述样本输出图像的真实性判别结果为生成图像的情况下，根据所述第一样本图像和所述样本输出图像确定所述生成网络的网络损失；根据所述网络损失，对所述生成网络的网络参数进行调整，获得调整后的生成网络。在一种可能的实现方式中，所述将所述样本输出图像以及第一样本图像输入所述判别网络，获得所述样本输出图像的真实性判别结果之后，还包括：响应于所述样本输出图像的真实性判别结果为真实图像的情况下，将所述调整后的生成网络确定为训练后的生成网络。通过这种方式，可通过判别网络来确定生成网络的性能，可加快生成网络的训练速度，提高生成网络的鲁棒性。在一种可能的实现方式中，所述方法还包括：通过包括多个第二样本图像的第三训练集对所述分割网络进行训练，其中，所述第二样本图像具有目标区域和背景区域的标注。在一种可能的实现方式中，所述待处理图像序列为在多个时刻获得的灌注加权成像组成的图像序列，所述目标区域包括第一目标区域和第二目标区域，其中，所述第一目标区域为病变核心区域，所述第二目标区域为半暗带区域。根据本申请的另一方面，提供了一种图像处理装置，所述装置包括：筛选模块，用于对待处理图像序列进行筛选，确定目标图像序列；提取模块，用于对目标图像序列进行特征提取，获得所述目标图像序列的特征图；确定模块，用于根据所述特征图、所述目标图像序列和所述待处理图像序列，确定待分割图像；分割模块，用于对所述待分割图像进行区域分割处理，确定所述待分割图像的目标区域。在一种可能的实现方式中，所述筛选模块被进一步配置为：获取所述待处理图像序列中的多个待处理图像的灌注参数；根据所述多个待处理图像的灌注参数，获得所述目标图像序列。在一种可能的实现方式中，所述筛选模块被进一步配置为：根据所述多个待处理图像的灌注参数以及所述多个待处理图像的扫描时间点，确定所述灌注参数的最大值对应的目标时间点；根据所述目标时间点，确定目标时间区间，所述目标时间点处于所述目标时间区间内；从所述目标时间区间内的多个待处理图像中确定出所述目标图像序列。在一种可能的实现方式中，所述筛选模块被进一步配置为：根据所述多个待处理图像的灌注参数和时间戳，确定所述灌注参数与时间的第一关系曲线；对所述第一关系曲线进行平滑处理，获得第二关系曲线；根据所述第二关系曲线，从所述多个待处理图像中确定出所述目标图像序列。在一种可能的实现方式中，所述确定模块被进一步配置为：根据所述目标图像序列，确定一个或多个第一特征图像；根据所述待处理图像序列，确定一个或多个第二特征图像；将所述第一特征图像、第二特征图像和所述特征图输入生成网络进行图像生成处理，获得所述待分割图像。在一种可能的实现方式中，所述待处理图像序列为在多个时刻获得的灌注加权成像组成的图像序列，所述第一特征图像包括目标图像序本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，所述方法包括：对待处理图像序列进行筛选，确定目标图像序列；对目标图像序列进行特征提取，获得所述目标图像序列的特征图；根据所述特征图、所述目标图像序列和所述待处理图像序列，确定待分割图像；对所述待分割图像进行区域分割处理，确定所述待分割图像的目标区域。

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：对待处理图像序列进行筛选，确定目标图像序列；对目标图像序列进行特征提取，获得所述目标图像序列的特征图；根据所述特征图、所述目标图像序列和所述待处理图像序列，确定待分割图像；对所述待分割图像进行区域分割处理，确定所述待分割图像的目标区域。2.根据权利要求1所述的方法，其特征在于，对待处理图像序列进行筛选，确定目标图像序列，包括：获取所述待处理图像序列中的多个待处理图像的灌注参数；根据所述多个待处理图像的灌注参数，获得所述目标图像序列。3.根据权利要求2所述的方法，其特征在于，根据所述多个待处理图像的灌注参数，获得所述目标图像序列，包括：根据所述多个待处理图像的灌注参数以及所述多个待处理图像的扫描时间点，确定所述灌注参数的最大值对应的目标时间点；根据所述目标时间点，确定目标时间区间，所述目标时间点处于所述目标时间区间内；从所述目标时间区间内的多个待处理图像中确定出所述目标图像序列。4.根据权利要求2所述的方法，其特征在于，根据所述多个待处理图像的灌注参数，获得所述目标图像序列，包括：根据所述多个待处理图像的灌注参数和时间戳，确定所述灌注参数与时间的第一关系曲线；对所述第一关系曲线进行平滑处理，获得第二关系曲线；根据所述第二关系曲线，从所述多个待处理图像中确定出所述目标图像序列。5.根据权利要求1所述的方法，其特征在于，根据所述特征图、所述目标图像序列和所述待处理图像序列，确定待分割图像，包括：根据所述目标图像序列，确定一个或多个第一特征图像；根据所述待处理图像序...

【专利技术属性】
技术研发人员：宋涛，
申请(专利权)人：上海商汤智能科技有限公司，
类型：发明
国别省市：上海,31