【技术实现步骤摘要】
图像处理方法和装置及神经网络模型的训练方法
本专利技术涉及计算机领域，具体而言，涉及一种图像处理方法和装置及神经网络模型的训练方法。
技术介绍
目前，利用钼靶图像定位疑似恶性肿块可以为医生提供较好的肿块良恶性判定依据，但是，相关技术通常采用人工方式从钼靶图像中筛选出疑似恶性肿块，采用人工筛选方式定位疑似恶性肿块要求医生有非常丰富的经验，而且，采用人工筛选方式定位疑似恶性肿块严重影响了疑似恶性肿块的筛选效率和定位准确度。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种图像处理方法和装置及神经网络模型的训练方法，以至少解决相关技术采用人工筛选方式定位钼靶图像中疑似恶性肿块，导致疑似恶性肿块的筛选效率和定位准确度较低的技术问题。根据本专利技术实施例的一个方面，提供了一种图像处理方法，包括：获取钼靶图像；从所述钼靶图像中提取出多个候选区域；通过深度学习训练得到的神经网络模型将所述多个候选区域中的目标区域在所述钼靶图像中进行标记，其中，所述目标区域所包括的肿块为目标肿块的概率大于第一阈值，所述目标肿块为恶性肿块的概率大于第二阈值，所述神经网...
【技术保护点】
1.一种图像处理方法，其特征在于，包括：获取钼靶图像；从所述钼靶图像中提取出多个候选区域；通过深度学习训练得到的神经网络模型将所述多个候选区域中的目标区域在所述钼靶图像中进行标记，其中，所述目标区域所包括的肿块为目标肿块的概率大于第一阈值，所述目标肿块为恶性肿块的概率大于第二阈值，所述神经网络模型用于指示所述候选区域与所述候选区域所包括的肿块为所述目标肿块的概率之间的映射关系。
【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取钼靶图像；从所述钼靶图像中提取出多个候选区域；通过深度学习训练得到的神经网络模型将所述多个候选区域中的目标区域在所述钼靶图像中进行标记，其中，所述目标区域所包括的肿块为目标肿块的概率大于第一阈值，所述目标肿块为恶性肿块的概率大于第二阈值，所述神经网络模型用于指示所述候选区域与所述候选区域所包括的肿块为所述目标肿块的概率之间的映射关系。2.根据权利要求1所述的方法，其特征在于，所述通过深度学习训练得到的神经网络模型将所述多个候选区域中的目标区域在所述钼靶图像中进行标记包括：利用所述神经网络模型获取所述多个候选区域中每个候选区域所包括的肿块为所述目标肿块的概率；将概率大于所述第一阈值的候选区域确定为所述目标区域，并将所述目标区域在所述钼靶图像中进行标记。3.根据权利要求2所述的方法，其特征在于，在所述获取钼靶图像之前，所述方法还包括：利用样本肿块区域与所述样本肿块区域所包括的肿块为所述目标肿块的概率之间的映射关系进行深度学习训练，得到所述神经网络模型，其中，在进行深度学习训练时，训练输入参数包括所述样本肿块区域，训练输出参数包括所述样本肿块区域所包括的肿块为所述目标肿块的概率。4.根据权利要求3所述的方法，其特征在于，所述样本肿块区域包括第一肿块区域和第二肿块区域，所述第一肿块区域所包括的肿块为所述目标肿块，所述第二肿块区域所包括的肿块为非目标肿块或者所述第二肿块区域不包括肿块，其中，所述利用样本肿块区域与所述样本肿块区域所包括的肿块为所述目标肿块的概率之间的映射关系进行深度学习训练，得到所述神经网络模型包括：利用所述第一肿块区域与所述第一肿块区域所包括的肿块为所述目标肿块的概率之间的映射关系以及所述第二肿块区域与所述第二肿块区域所包括的肿块为所述目标肿块的概率之间的映射关系进行深度学习训练，得到所述神经网络模型。5.根据权利要求2所述的方法，其特征在于，在存在多个概率大于所述第一阈值的候选区域的情况下，所述将概率大于所述第一阈值的候选区域确定为所述目标区域包括：按照概率的大小将所述多个概率大于所述第一阈值的候选区域进行排序；分别计算第一候选区域与第二候选区域之间的重叠面积，其中，所述第一候选区域为所述多个概率大于所述第一阈值的候选区域中概率最大的候选区域，所述第二候选区域为所述多个概率大于所述第一阈值的候选区域中除所述第一候选区域之外的候选区域；从所述多个概率大于所述第一阈值的候选区域中删除与所述第一候选区域的重叠面积大于第三阈值的第二候选区域，得到剩余的候选区域；将所述剩余的候选区域确定为所述目标区域。6.根据权利要求1所述的方法，其特征在于，所述从所述钼靶图像中提取出多个候选区域包括：确定图像分割阈值；按照所述图像分割阈值对所述钼靶图像进行分割，得到所述多个候选区域。7.根据权利要求6所述的方法，其特征在于，所述按照所述图像分割阈值对所述钼靶图像进行分割，得到所述多个候选区域包括：按照灰度级将由所述钼靶图像按照所述图像分割阈值进行分割得到的多个图像区域进行排序，其中，所述灰度级与所述图像分割阈...
【专利技术属性】
技术研发人员：肖芬，常佳，周旋，颜克洲，江铖，田宽，朱建平，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。