图像处理方法、计算机设备和存储介质技术

本申请涉及一种图像处理方法、计算机设备和存储介质。所述方法包括：获取待处理的医学图像和相关配置参数，相关配置参数包括处理医学图像的计算机设备的可使用内存和/或最大时间消耗值；根据医学图像的尺寸和可使用内存和/或最大时间消耗值确定图像块尺寸的目标值；将医学图像按照图像块尺寸的目标值进行分块，得到至少一个图像块；将至少一个图像块依次输入至神经网络模型，并将各个图像块对应的输出结果进行组合，得到医学图像的处理结果。采用本方法能够提高运行速度，降低运算耗时。

Image processing method, computer equipment and storage medium

【技术实现步骤摘要】
图像处理方法、计算机设备和存储介质
本申请涉及图像处理
，特别是涉及一种图像处理方法、计算机设备和存储介质。
技术介绍
随着人工智能热潮的兴起，以深度学习为代表的机器学习算法被广泛应用于自然语言识别、自然图像分割等领域。近来，深度学习也应用于医学影像的处理与分析，与常见的自然图像相比，医学影像(如CT、MRI)具有数据维度高，信息量大的特点，在利用医学影像进行深度学习的过程中，高维的医学影像会占用更多的显存，同时也会使运算过程更加耗时。因此在深度学习相关算法的研发过程中，提出了将图像数据进行分块，然后将分好的图像块输入至神经网络，最后将各个图像块的结果进行拼接得到图像完整的处理结果。然而上述技术在利用神经网络对医学图像进行处理时，存在耗时较长的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够降低神经网络耗时的图像处理方法、计算机设备和存储介质。一种图像处理方法，该方法包括：获取待处理的医学图像和相关配置参数，相关配置参数包括处理医学图像的计算机设备的可使用内存和/或最大时间消耗值；根据医学图像的尺寸和可使用内存和/或最大时间消耗值确定图像块尺寸的目标值；将医学图像按照图像块尺寸的目标值进行分块，得到至少一个图像块；将至少一个图像块依次输入至神经网络模型，并将各个图像块对应的输出结果进行组合，得到医学图像的处理结果。在其中一个实施例中，该方法还包括：根据医学图像的尺寸和神经网络模型确定内存模型；和/或，<br>根据医学图像的尺寸和神经网络模型确定耗时模型；和/或，根据医学图像的尺寸和神经网络模型以及可使用内存和/或最大时间消耗值确定缺省模型。在其中一个实施例中，上述根据医学图像的尺寸和可使用内存和/或最大时间消耗值确定图像块尺寸的目标值，包括：根据医学图像的尺寸和可使用内存和/或最大时间消耗值确定至少一个图像块尺寸的候选值；获取选择的目标模型，目标模型为内存模型和耗时模型以及缺省模型中的任意一个；将至少一个图像块尺寸的候选值输入目标模型中，对目标模型进行最优值求解处理，得到目标模型的最优值，并将目标模型的最优值对应的图像块尺寸的候选值确定为图像块尺寸的目标值。在其中一个实施例中，若目标模型为内存模型，则根据所述医学图像的尺寸和神经网络模型确定内存模型，包括：获取多个不同的图像块尺寸，以及神经网络模型处理各种尺寸的图像块所需的内存消耗；对多个不同的图像块尺寸和各种尺寸的图像块所需的内存消耗进行数据处理，建立图像块尺寸和内存消耗之间的对应关系，得到内存模型。在其中一个实施例中，若目标模型为耗时模型，则根据医学图像的尺寸和神经网络模型确定耗时模型，包括：获取多个不同的图像块尺寸、以及神经网络模型处理各种尺寸的图像块所需的时间消耗；对多个不同的图像块尺寸和各种尺寸的图像块所需的时间消耗进行数据处理，建立图像块尺寸和时间消耗之间的对应关系，得到耗时模型。在其中一个实施例中，若目标模型为缺省模型，则根据医学图像的尺寸和神经网络模型以及可使用内存和/或最大时间消耗值确定缺省模型，包括：获取医学图像按照不同的图像块尺寸进行分割后的图像块数量；对图像块数量和耗时模型以及内存模型进行综合处理，并结合可使用内存和/或最大时间消耗值，确定缺省模型。在其中一个实施例中，上述将医学图像按照图像块尺寸的目标值进行分块，得到至少一个图像块，包括：获取医学图像中的关键特征部分，得到关键特征图像；将关键特征图像按照图像块尺寸的目标值进行分块，得到至少一个图像块。在其中一个实施例中，上述内存消耗包括图像块尺寸在神经网络模型中占用的内存消耗和/或神经网络模型在计算时的临时内存消耗。一种图像处理装置，该装置包括：获取模块，用于获取待处理的医学图像和相关配置参数，所述相关配置参数包括处理所述医学图像的计算机设备的可使用内存和/或最大时间消耗值；确定模块，用于根据所述医学图像的尺寸和所述可使用内存和/或所述最大时间消耗值确定图像块尺寸的目标值；分块模块，用于将所述医学图像按照所述图像块尺寸的目标值进行分块，得到至少一个图像块；处理模块，用于将所述至少一个图像块依次输入至神经网络模型，并将各个图像块对应的输出结果进行组合，得到所述医学图像的处理结果。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取待处理的医学图像和相关配置参数，所述相关配置参数包括处理所述医学图像的计算机设备的可使用内存和/或最大时间消耗值；根据所述医学图像的尺寸和所述可使用内存和/或所述最大时间消耗值确定图像块尺寸的目标值；将所述医学图像按照所述图像块尺寸的目标值进行分块，得到至少一个图像块；将所述至少一个图像块依次输入至神经网络模型，并将各个图像块对应的输出结果进行组合，得到所述医学图像的处理结果。一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取待处理的医学图像和相关配置参数，所述相关配置参数包括处理所述医学图像的计算机设备的可使用内存和/或最大时间消耗值；根据所述医学图像的尺寸和所述可使用内存和/或所述最大时间消耗值确定图像块尺寸的目标值；将所述医学图像按照所述图像块尺寸的目标值进行分块，得到至少一个图像块；将所述至少一个图像块依次输入至神经网络模型，并将各个图像块对应的输出结果进行组合，得到所述医学图像的处理结果。上述图像处理方法、装置、计算机设备和存储介质，通过获取待处理的医学图像和相关配置参数，根据医学图像的尺寸和配置参数中的计算机设备可使用内存和/或最大时间消耗值确定图像块尺寸的目标值，将医学图像按照图像块尺寸的目标值进行分块，得到至少一个图像块，并将至少一个图像块输入至神经网络，以及将各图像块的输出结果组合得到医学图像的处理结果。在该方法中，由于图像块尺寸的目标值是综合考虑了图像的尺寸和计算机设备的可使用内存以及最大时间消耗值得到的，即图像块尺寸的目标值是从数据本身得到的值，因此，得到的图像块尺寸的目标值是最优的，也是最有效的，从而在利用该最优的图像块尺寸的目标值对整个图像进行分块，并采用神经网络对各图像块处理时，可以有效提高神经网络对整个图像的处理速度，进而可以降低整个图像通过神经网络的耗时时间。附图说明图1为一个实施例中计算机设备的内部结构图；图2为一个实施例中图像处理方法的流程示意图；图3a为另一个实施例中图像处理方法的流程示意图；图3b为另一个实施例的图像处理方法中内存模型的示意图；图4a为另一个实施例中图像处理方法的流程示意图；图4b为另一个实施例的图像处理方法中耗时模型的示意图；图5为另一个实施例中图像处理方法的流程示意图；图6为另一个实施例中本文档来自技高网...

【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：/n获取待处理的医学图像和相关配置参数，所述相关配置参数包括处理所述医学图像的计算机设备的可使用内存和/或最大时间消耗值；/n根据所述医学图像的尺寸和所述可使用内存和/或所述最大时间消耗值确定图像块尺寸的目标值；/n将所述医学图像按照所述图像块尺寸的目标值进行分块，得到至少一个图像块；/n将所述至少一个图像块依次输入至神经网络模型，并将各个图像块对应的输出结果进行组合，得到所述医学图像的处理结果。/n

【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：
获取待处理的医学图像和相关配置参数，所述相关配置参数包括处理所述医学图像的计算机设备的可使用内存和/或最大时间消耗值；
根据所述医学图像的尺寸和所述可使用内存和/或所述最大时间消耗值确定图像块尺寸的目标值；
将所述医学图像按照所述图像块尺寸的目标值进行分块，得到至少一个图像块；
将所述至少一个图像块依次输入至神经网络模型，并将各个图像块对应的输出结果进行组合，得到所述医学图像的处理结果。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述医学图像的尺寸和所述神经网络模型确定内存模型；和/或，
根据所述医学图像的尺寸和所述神经网络模型确定耗时模型；和/或，
根据所述医学图像的尺寸和所述神经网络模型以及所述可使用内存和/或所述最大时间消耗值确定缺省模型。


3.根据权利要求2所述的方法，其特征在于，所述根据所述医学图像的尺寸和所述可使用内存和/或所述最大时间消耗值确定图像块尺寸的目标值，包括：
根据所述医学图像的尺寸和所述可使用内存和/或所述最大时间消耗值确定至少一个图像块尺寸的候选值；
获取选择的目标模型，所述目标模型为所述内存模型和所述耗时模型以及所述缺省模型中的任意一个；
将所述至少一个图像块尺寸的候选值输入所述目标模型中，对所述目标模型进行最优值求解处理，得到所述目标模型的最优值，并将所述目标模型的最优值对应的图像块尺寸的候选值确定为图像块尺寸的目标值。


4.根据权利要求2或3所述的方法，其特征在于，若所述目标模型为内存模型，则所述根据所述医学图像的尺寸和所述神经网络模型确定内存模型，包括：
获取多个不同的图像块尺寸，以及所述神经网络模型处理各种尺寸的图像块所需的内存消耗；
对所述多个不同的图像块尺寸和所述各种尺寸的图像块所需的内存消...

【专利技术属性】
技术研发人员：聂建龙，曹晓欢，薛忠，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31