一种图像处理方法及电子设备技术

本申请实施例公开了一种图像处理方法及电子设备，其中方法包括：将原始图像转换为符合目标参数的目标图像；将所述目标图像输入指标预测模块，获得目标数值指标；根据所述目标数值指标，对所述目标图像进行时序预测处理，获得时序状态预测结果，可以实现左心室功能量化，提高图像处理效率，提升心脏功能指标的预测精度。

【技术实现步骤摘要】
一种图像处理方法及电子设备
本专利技术涉及图像处理领域，具体涉及一种图像处理方法及电子设备。
技术介绍
图像处理是用计算机对图像进行分析，以达到所需结果的技术。图像处理一般指数字图像处理，数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理在许多领域起着十分重要的作用，特别是医学领域的图像处理。目前，对于诊断心脏疾病而言，左心室功能量化是诊断步骤中最重要的一步。左心室功能量化依然是一个困难的任务，由于不同病人的心脏结构多样性、心脏跳动的时序复杂性。左心室功能量化的具体目标是输出左心室的各个组织的具体指标。在过去没有计算机辅助时，完成上述指标计算的流程是：医师在心脏的医学图像上手工圈出心腔、心肌层的轮廓，标定主轴方向，然后手工测量出具体指标，该过程费时费力，且医师间判断的差别显著。随着医学技术的发展与成熟，计算机辅助计算指标的方法也逐渐应用广泛。一般而言，使用原图输入输出像素分割后计算指标的方法，通常在图像模糊的边界部分分割不精准，需要医师再介入进行边界修正后才能得出精确的指标，能省去的仅有医师判断显著是心肌、心腔区域的时间，在左心室功能量化的图像处理中，该类方法处理效率较低，获得的指标精度不高。
技术实现思路
本申请实施例提供了一种图像处理方法及电子设备，可以实现左心室功能量化，提高图像处理效率，提升心脏功能指标的预测精度。本申请实施例第一方面提供一种图像处理方法，包括：将原始图像转换为符合目标参数的目标图像；将所述目标图像输入指标预测模块，获得目标数值指标；根据所述目标数值指标，对所述目标图像进行时序预测处理，获得时序状态预测结果。在一种可选的实施方式中，所述对所述目标图像进行时序预测处理，获得时序状态预测结果包括：使用无参数序列预测策略对所述目标图像进行时序预测处理，获得时序状态预测结果。在一种可选的实施方式中，所述指标预测模块包括深度层级融合网络模型。在一种可选的实施方式中，所述原始图像为心脏磁共振成像，所述目标数值指标包括以下任意一种或几种：心腔面积、心肌面积、心腔每隔60度的直径、心肌层每隔60度的厚度。在一种可选的实施方式中，所述获得目标数值指标包括：分别获得M帧目标图像的M个预测心腔面积值；所述根据所述目标数值指标，使用无参数序列预测策略对所述目标图像进行时序预测处理，获得时序状态预测结果包括：使用多项式曲线对所述M个预测心腔面积值进行拟合，获得回归曲线；获取所述回归曲线的最高帧与最低帧，获得判断心脏状态为收缩状态或者舒张状态的判断区间；根据所述判断区间判断所述心脏状态，所述M为大于1的整数。在一种可选的实施方式中，所述将原始图像转换为符合目标参数的目标图像之前，所述方法还包括：在包含所述原始图像的影像数据中，提取M帧原始图像，所述M帧原始图像涵盖至少一个心脏跳动周期；所述将原始图像转换为符合目标参数的目标图像，包括：将M帧原始图像转换为符合所述目标参数的M帧目标图像。在一种可选的实施方式中，所述方法还包括：所述深度层级融合网络模型为N个，所述N个深度层级融合网络模型由训练数据通过交叉验证训练获得，所述N为大于1的整数。在一种可选的实施方式中，所述M帧目标图像包括第一目标图像，所述将所述目标图像输入深度层级融合网络模型，获得目标数值指标包括：将所述第一目标图像输入所述N个深度层级融合网络模型，获得N个初步预测心腔面积值；所述分别获得M帧目标图像的M个预测心腔面积值包括：将所述N个初步预测心腔面积值取平均值，作为所述第一目标图像对应的预测心腔面积值，对所述M帧目标图像中的每帧图像执行相同步骤，获得所述M帧目标图像对应的M个预测心腔面积值。在一种可选的实施方式中，所述将原始图像转换为符合目标参数的目标图像包括：对所述原始图像进行直方图均衡化处理，获得灰度值满足目标动态范围的所述目标图像。本申请实施例第二方面提供一种电子设备，包括：图像转换模块、指标预测模块和状态预测模块，其中：所述图像转换模块，用于将原始图像转换为符合目标参数的目标图像；所述指标预测模块，用于将所述目标图像输入深度层级融合网络模型，获得目标数值指标；所述状态预测模块，用于根据所述目标数值指标，对所述目标图像进行时序预测处理，获得时序状态预测结果。在一种可选的实施方式中，所述指标预测模块具体用于：使用无参数序列预测策略对所述目标图像进行时序预测处理，获得时序状态预测结果。在一种可选的实施方式中，所述指标预测模块包括深度层级融合网络模型。在一种可选的实施方式中，所述原始图像为心脏磁共振成像，所述目标数值指标包括以下任意一种或几种：心腔面积、心肌面积、心腔每隔60度的直径、心肌层每隔60度的厚度。在一种可选的实施方式中，所述指标预测模块包括第一预测单元，所述第一预测单元用于：分别获得M帧目标图像的M个预测心腔面积值；所述状态预测模块具体用于：使用多项式曲线对所述M个预测心腔面积值进行拟合，获得回归曲线；获取所述回归曲线的最高帧与最低帧，获得判断心脏状态为收缩状态或者舒张状态的判断区间；根据所述判断区间判断所述心脏状态，所述M为大于1的整数。在一种可选的实施方式中，所述电子设备还包括图像提取模块，用于在包含所述原始图像的影像数据中，提取M帧原始图像，所述M帧原始图像涵盖至少一个心脏跳动周期；所述图像转换模块具体用于：将M帧原始图像转换为符合所述目标参数的M帧目标图像。在一种可选的实施方式中，所述指标预测模块的所述深度层级融合网络模型为N个，所述N个深度层级融合网络模型由训练数据通过交叉验证训练获得，所述N为大于1的整数。在一种可选的实施方式中，所述M帧目标图像包括第一目标图像，所述指标预测模块具体用于：将所述第一目标图像输入所述N个深度层级融合网络模型，获得N个初步预测心腔面积值；所述第一预测单元具体用于：将所述N个初步预测心腔面积值取平均值，作为所述第一目标图像对应的预测心腔面积值，对所述M帧目标图像中的每帧图像执行相同步骤，获得所述M帧目标图像对应的M个预测心腔面积值。在一种可选的实施方式中，所述图像转换模块具体用于：对所述原始图像进行直方图均衡化处理，获得灰度值满足目标动态范围的所述目标图像。本申请实施例第三方面提供另一种电子设备，包括处理器以及存储器，所述存储器用于存储一个或多个程序，所述一个或多个程序被配置成由所述处理器执行，所述程序包括用于执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。本申请实施例第四方面提供一种计算机可读存储介质，所述计算机可读存储介质用于存储电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。本申请实施例通过将原始图像转换为符合目标参数的目标图像；将所述目标图像输入指标预测模块，获得目标数值指标；根据所述目标数值指标，对所述目标图像进行时序预测处理，获得时序状态预测结果，可以实现左心室功能量化，提高图像处理效率，减少一般处理过程中人工参与带来的人力消耗和误差，提升心脏功能指标的预测精度。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。图1是本申请实施例公开的一种图像处理方法的流程本文档来自技高网...

【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：将原始图像转换为符合目标参数的目标图像；将所述目标图像输入指标预测模块，获得目标数值指标；根据所述目标数值指标，对所述目标图像进行时序预测处理，获得时序状态预测结果。

【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：将原始图像转换为符合目标参数的目标图像；将所述目标图像输入指标预测模块，获得目标数值指标；根据所述目标数值指标，对所述目标图像进行时序预测处理，获得时序状态预测结果。2.根据权利要求1所述的图像处理方法，其特征在于，所述对所述目标图像进行时序预测处理，获得时序状态预测结果包括：使用无参数序列预测策略对所述目标图像进行时序预测处理，获得时序状态预测结果。3.根据权利要求1或2所述的图像处理方法，其特征在于，所述指标预测模块包括深度层级融合网络模型。4.根据权利要求1-3任一项所述的图像处理方法，其特征在于，所述原始图像为心脏磁共振成像，所述目标数值指标包括以下任意一种或几种：心腔面积、心肌面积、心腔每隔60度的直径、心肌层每隔60度的厚度。5.根据权利要求1-4任一项所述的图像处理方法，其特征在于，所述获得目标数值指标包括：分别获得M帧目标图像的M个预测心腔面积值；所述根据所述目标数值指标，使用无参数序列预测策略对所述目标图像进行时序预测处理，获得时序状态预测结果包括：使用多项式曲线对所述M个预测心腔面积值进行拟合，获得回归曲线；获取所述回归曲线的最高帧与最低帧，获得判断心脏状态为收缩状态或者舒张状态的判断区间；根据所述判断区间判断所述心脏状态，所述M为大于1的整数。6.根据权利...

【专利技术属性】
技术研发人员：李嘉辉，胡志强，王文集，姚雨馨，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：北京,11