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

本公开涉及一种图像处理方法及装置、电子设备和存储介质。所述图像处理方法包括：获取包括目标对象的目标图像；对所述目标图像进行分割，得到所述目标图像中至少一个像素点的名称，作为分割结果；根据所述分割结果，确定所述目标对象中至少一个目标子对象的名称。通过上述过程，可以有效地减小命名过程实现的难度以及提升命名的准确度，从而提升图像处理过程的鲁棒性。

【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
本公开涉及图像处理
，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
心脑血管疾病是当前致死率最高的疾病之一，其中冠心病发病率最高。冠心病是由于动脉粥样硬化导致冠状动脉管腔狭窄，导致心肌供血不足而引起一系列临床病症。在对冠心病的分析过程中，病变的定位以及医疗报告中的说明分析往往需要依赖于冠脉中心线的命名。因此，如何有效地对冠脉中心线中的各段进行命名，成为目前一个亟待解决的问题。
技术实现思路
本公开提出了一种图像处理技术方案。根据本公开的一方面，提供了一种图像处理方法，包括：获取包括目标对象的目标图像；对所述目标图像进行分割，得到所述目标图像中至少一个像素点的名称，作为分割结果；根据所述分割结果，确定所述目标对象中至少一个目标子对象的名称。在一种可能的实现方式中，所述对所述目标图像进行分割，得到所述目标图像中至少一个像素点的名称，作为分割结果，包括：将所述目标图像输入至神经网络；根据所述神经网络的输出，确定所述目标图像中至少一个像素点的名称，作为所述分割结果；其中，所述神经网络通过包括所述目标对象的训练图像进行训练，所述训练图像中的目标对象通过至少一个目标子对象的名称进行标注。在一种可能的实现方式中，所述神经网络通过包括所述目标对象的训练图像进行训练，包括：根据所述训练图像中目标对象的标注，确定所述训练图像中至少部分像素点的标签；通过包括所述至少部分像素点的标签的训练图像，对所述神经网络进行训练。在一种可能的实现方式中，所述神经网络通过包括所述目标对象的训练图像进行训练，包括：在所述训练图像中的目标对象内，确定距离第一目标像素点最近的目标子对象，其中，所述第一目标像素点为所述训练图像中除所述目标对象以外的至少一个像素点；将确定的所述目标子对象的标注，作为所述第一目标像素点的标签；根据包括所述第一目标像素点的标签和所述目标对象的标注的训练图像，对所述神经网络进行训练。在一种可能的实现方式中，所述根据所述分割结果，确定所述目标对象中至少一个目标子对象的名称，包括：根据所述分割结果，确定至少一个第二目标像素点的名称，其中，所述第二目标像素点为所述目标子对象包含的像素点；统计所述目标子对象中所述第二像素点的名称，得到统计结果，将所述统计结果中数量最多的名称，作为所述目标子对象的名称。在一种可能的实现方式中，根据所述分割结果，确定所述第二目标像素点的名称，包括：将所述第二目标像素点对应的分割结果，作为所述第二目标像素点的名称；或者，基于所述第二目标像素点预设范围内至少一个像素点的分割结果，确定所述第二目标像素点的名称。在一种可能的实现方式中，所述方法还包括：根据至少一个所述目标子对象的名称，对所述目标对象进行处理，得到处理结果。在一种可能的实现方式中，所述根据至少一个所述目标子对象的名称，对所述目标对象进行处理，包括：对所述目标对象中具有相同名称的目标子对象进行提取；和/或，根据相邻的目标子对象的名称，对所述目标对象中至少一个目标子对象的名称进行修正。在一种可能的实现方式中，所述目标图像包括：心脏冠脉掩模图像，或者，心脏冠脉掩模图像以及心脏掩模图像；所述目标对象包括冠脉中心线。根据本公开的一方面，提供了一种图像处理装置，包括：目标图像获取模块，用于获取包括目标对象的目标图像；分割模块，用于对所述目标图像进行分割，得到所述目标图像中至少一个像素点的名称，作为分割结果；命名模块，用于根据所述分割结果，确定所述目标对象中至少一个目标子对象的名称。在一种可能的实现方式中，所述分割模块用于：将所述目标图像输入至神经网络；根据所述神经网络的输出，确定所述目标图像中至少一个像素点的名称，作为所述分割结果；其中，所述神经网络通过包括所述目标对象的训练图像进行训练，所述训练图像中的目标对象通过至少一个目标子对象的名称进行标注。在一种可能的实现方式中，所述神经网络通过包括所述目标对象的训练图像进行训练，包括：根据所述训练图像中目标对象的标注，确定所述训练图像中至少部分像素点的标签；通过包括所述至少部分像素点的标签的训练图像，对所述神经网络进行训练。在一种可能的实现方式中，所述神经网络通过包括所述目标对象的训练图像进行训练，包括：在所述训练图像中的目标对象内，确定距离第一目标像素点最近的目标子对象，其中，所述第一目标像素点为所述训练图像中除所述目标对象以外的至少一个像素点；将确定的所述目标子对象的标注，作为所述第一目标像素点的标签；根据包括所述第一目标像素点的标签和所述目标对象的标注的训练图像，对所述神经网络进行训练。在一种可能的实现方式中，所述命名模块用于：根据所述分割结果，确定至少一个第二目标像素点的名称，其中，所述第二目标像素点为所述目标子对象包含的像素点；统计所述目标子对象中所述第二像素点的名称，得到统计结果，将所述统计结果中数量最多的名称，作为所述目标子对象的名称。在一种可能的实现方式中，所述命名模块进一步用于：将所述第二目标像素点对应的分割结果，作为所述第二目标像素点的名称；或者，基于所述第二目标像素点预设范围内至少一个像素点的分割结果，确定所述第二目标像素点的名称。在一种可能的实现方式中，所述装置还包括处理模块，所述处理模块用于：根据至少一个所述目标子对象的名称，对所述目标对象进行处理，得到处理结果。在一种可能的实现方式中，所述处理模块进一步用于：对所述目标对象中具有相同名称的目标子对象进行提取；和/或，根据相邻的目标子对象的名称，对所述目标对象中至少一个目标子对象的名称进行修正。在一种可能的实现方式中，所述目标图像包括：心脏冠脉掩模图像，或者，心脏冠脉掩模图像以及心脏掩模图像；所述目标对象包括冠脉中心线。根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述图像处理方法。根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述图像处理方法。在本公开实施例中，通过获取包括目标对象的目标图像，并对目标图像进行分割得到目标图像中至少一个像素点的名称作为分割结果，从而根据分割结果确定目标对象中至少一个目标子对象的名称。通过上述过程，可以将对目标图像中包含多个目标子对象的目标对象的命名过程，转化为像素级别的分割过程，有效地减小命名过程实现的难度以及提升命名的准确度，从而提升图像处理过程的鲁棒性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。附图说明此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。图1示出根据本公开一实本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n获取包括目标对象的目标图像；/n对所述目标图像进行分割，得到所述目标图像中至少一个像素点的名称，作为分割结果；/n根据所述分割结果，确定所述目标对象中至少一个目标子对象的名称。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
获取包括目标对象的目标图像；
对所述目标图像进行分割，得到所述目标图像中至少一个像素点的名称，作为分割结果；
根据所述分割结果，确定所述目标对象中至少一个目标子对象的名称。


2.根据权利要求1所述的方法，其特征在于，所述对所述目标图像进行分割，得到所述目标图像中至少一个像素点的名称，作为分割结果，包括：
将所述目标图像输入至神经网络；
根据所述神经网络的输出，确定所述目标图像中至少一个像素点的名称，作为所述分割结果；
其中，所述神经网络通过包括所述目标对象的训练图像进行训练，所述训练图像中的目标对象通过至少一个目标子对象的名称进行标注。


3.根据权利要求2所述的方法，其特征在于，所述神经网络通过包括所述目标对象的训练图像进行训练，包括：
根据所述训练图像中目标对象的标注，确定所述训练图像中至少部分像素点的标签；
通过包括所述至少部分像素点的标签的训练图像，对所述神经网络进行训练。


4.根据权利要求2或3所述的方法，其特征在于，所述神经网络通过包括所述目标对象的训练图像进行训练，包括：
在所述训练图像中的目标对象内，确定距离第一目标像素点最近的目标子对象，其中，所述第一目标像素点为所述训练图像中除所述目标对象以外的至少一个像素点；
将确定的所述目标子对象的标注，作为所述第一目标像素点的标签；
根据包括所述第一目标像素点的标签和所述目标对象的标注的训练图像，对所述神经网络进行训练。


5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述根据所述分割结果，确定所述目标对象中至少一个目标子对象的名称，包括：
根据所述分割结果，确定至少一个第二目标像素点的名称，其中，所述第二目标像素点为所述目标子对象包含的像素点；
统计所述目标子对象中所述第二像素点的名称，得到统计结果，...

【专利技术属性】
技术研发人员：李卓威，夏清，
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