一种图像处理方法、装置及设备制造方法及图纸

本申请实施例提供一种图像处理方法、装置及设备，所述图像处理方法包括：获取目标图像；将所述目标图像输入预设检测模型，得到第一目标和第二目标的检测结果；接收对所述检测结果的反馈信号；根据所述反馈信号和所述检测结果，生成预设形式的检测报告。本申请实现了有效提高阅片效率和准确率。

【技术实现步骤摘要】
一种图像处理方法、装置及设备
本申请涉计算机
，具体而言，涉及一种图像处理方法、装置及设备。
技术介绍
在口腔临床实践中，X线片是对口腔常见病变进行检查和诊断的重要工具。目前，口腔X线根尖片的阅片和文字报告几乎都是由接诊的医生完成。一张X线根尖片中大约有2-3颗清晰成像的完整牙齿，而一位患者全口有28-32颗牙齿，如果都需要拍片，则可多达14张/人，阅片分析工作量巨大，为口腔医生的工作增加了很大的负担，且人工阅片易受到情绪、疲劳等因素影响，有可能出现误诊、漏诊问题。
技术实现思路
本申请实施例的目的在于提供一种图像处理方法、装置及设备，用以实现自动阅片并生成报告，有效提高阅片效率和准确率。本申请实施例第一方面提供了一种图像处理方法，包括：获取目标图像；将所述目标图像输入预设检测模型，得到第一目标和第二目标的检测结果；接收对所述检测结果的反馈信号；根据所述反馈信号和所述检测结果，生成预设形式的检测报告。于一实施例中，所述将所述目标图像输入预设检测模型，得到第一目标和第二目标的检测结果，包括：对所述目标图像进行特征提取，得到特征图像；根据所述特征图像，生成多个第一候选区域，计算每个所述第一候选区域内存在所述第一目标的第一概率；根据所述第一概率大于第一阈值的所述第一候选区域，生成多个第二候选区域，计算每个所述第二候选区域内存在所述第二目标的第二概率；在所述第一概率大于第二阈值的所述第一候选区域内，确定所述第一目标的检测结果；在所述第二概率大于第三阈值的所述第二候选区域内，确定所述第二目标的检测结果。于一实施例中，还包括：获取样本图像，所述样本图像预先标注有所述第一目标和所述第二目标的标注信息；将所述样本图像输入所述预设检测模型，得到所述第一目标和所述第二目标的检测结果；根据所述标注信息和所述检测结果，计算损失函数；根据所述损失函数，更新所述预设检测模型的模型参数。于一实施例中，所述根据所述反馈信号和所述检测结果，生成预设形式的检测报告，包括：根据所述检测结果，计算每个所述第二目标与所有所述第一目标的交并比；根据所述交并比，确定所述第一目标和所述第二目标的位置关系；根据所述位置关系，生成预设形式的检测报告。于一实施例中，所述根据所述检测结果，计算每个所述第二目标与所有所述第一目标的交并比之前，包括：判断所述反馈信号是否为错误信号；当所述反馈信号为错误信号时，接收修改信息；根据所述修改信息，调整所述检测结果。本申请实施例第二方面提供了一种图像处理装置，包括：获取模块，用于获取目标图像；检测模块，用于将所述目标图像输入预设检测模型，得到第一目标和第二目标的检测结果；接收模块，用于接收对所述检测结果的反馈信号；生成模块，用于根据所述反馈信号和所述检测结果，生成预设形式的检测报告。于一实施例中，所述检测模块包括：提取单元，用于对所述目标图像进行特征提取，得到特征图像；第一计算单元，用于根据所述特征图像，生成多个第一候选区域，计算每个所述第一候选区域内存在所述第一目标的第一概率；第二计算单元，用于根据所述第一概率大于第一阈值的所述第一候选区域，生成多个第二候选区域，计算每个所述第二候选区域内存在所述第二目标的第二概率；第一确定单元，用于在所述第一概率大于第二阈值的所述第一候选区域内，确定所述第一目标的检测结果；第二确定单元，用于在所述第二概率大于第三阈值的所述第二候选区域内，确定所述第二目标的检测结果。于一实施例中，还包括训练模块，用于获取样本图像，所述样本图像预先标注有所述第一目标和所述第二目标的标注信息；将所述样本图像输入所述预设检测模型，得到所述第一目标和所述第二目标的检测结果；根据所述标注信息和所述检测结果，计算损失函数；根据所述损失函数，更新所述预设检测模型的模型参数。于一实施例中，所述生成模块用于：根据所述检测结果，计算每个所述第二目标与所有所述第一目标的交并比；根据所述交并比，确定所述第一目标和所述第二目标的位置关系；根据所述位置关系，生成预设形式的检测报告。于一实施例中，所述生成模块还用于：判断所述反馈信号是否为错误信号；当所述反馈信号为错误信号时，接收修改信息；根据所述修改信息，调整所述检测结果。本申请实施例第三方面提供了一种电子设备，包括：存储器，用以存储计算机程序；处理器，用以执行本申请实施例第一方面及其任一实施例的方法。在本申请中，采用预设检测模型对目标图像中的目标进行自动检测并生成文字报告，减少了人工投入，有效提高阅片诊断的效率和准确率，通过反馈交互，不断扩充数据库，为预设检测模型的机器学习提供样本，通过训练不断优化预设检测模型的检测效果。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本申请一实施例的电子设备的结构示意图；图2为本申请一实施例的图像识别方法的流程示意图；图3为本申请另一实施例的图像识别方法的流程示意图；图4为本申请一实施例的预设检测模型训练的流程示意图；图5为本申请一实施例的图像处理装置的结构示意图。附图标记：100-电子设备，110-总线，120-处理器，130-存储器，500-图像处理装置，510-获取模块，520-检测模块，530-接收模块，540-生成模块，550-训练模块。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，并不表示排列序号，也不能理解为指示或暗示相对重要性。在本申请的描述中，除非另有明确的规定和限定，术语“安装”、“设置”、“设有”、“连接”、“配置为”应做广义理解。例如，可以是固定连接，也可以是可拆卸连接，或整体式构造；可以是机械连接，也可以是电连接；可以是直接相连，也可以是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。请参看图1，其为本申请一实施例的电子设备100的结构示意图，包括至少一个处理器120和存储器130，图1中以一个处理器为例。处理器120和存储器130通过总线110连接，存储器130存储有可被至少一个处理器120执行的指令，指令被至少一个处理器120执行，以使至少一个处理器120执行如下述实施例中的图像识别方法。如图2所示，其为本申请一实施例的图像识别方法的流程示意图，该方法可应用于口腔X线片诊断场景中，由图1所示的电子设备100来执行，以实现自动阅片并生成报告。该方法包括如下步骤：步骤210：获取目标图像。在上述步骤中，可以通过口腔临床实践中的影像设备获取目标图像，该目标图像可以是患者的口腔X线根本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n获取目标图像；/n将所述目标图像输入预设检测模型，得到第一目标和第二目标的检测结果；/n接收对所述检测结果的反馈信号；/n根据所述反馈信号和所述检测结果，生成预设形式的检测报告。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
获取目标图像；
将所述目标图像输入预设检测模型，得到第一目标和第二目标的检测结果；
接收对所述检测结果的反馈信号；
根据所述反馈信号和所述检测结果，生成预设形式的检测报告。


2.根据权利要求1所述的方法，其特征在于，所述将所述目标图像输入预设检测模型，得到第一目标和第二目标的检测结果，包括：
对所述目标图像进行特征提取，得到特征图像；
根据所述特征图像，生成多个第一候选区域，计算每个所述第一候选区域内存在所述第一目标的第一概率；
根据所述第一概率大于第一阈值的所述第一候选区域，生成多个第二候选区域，计算每个所述第二候选区域内存在所述第二目标的第二概率；
在所述第一概率大于第二阈值的所述第一候选区域内，确定所述第一目标的检测结果；
在所述第二概率大于第三阈值的所述第二候选区域内，确定所述第二目标的检测结果。


3.根据权利要求1所述的方法，其特征在于，还包括：
获取样本图像，所述样本图像预先标注有所述第一目标和所述第二目标的标注信息；
将所述样本图像输入所述预设检测模型，得到所述第一目标和所述第二目标的检测结果；
根据所述标注信息和所述检测结果，计算损失函数；
根据所述损失函数，更新所述预设检测模型的模型参数。


4.根据权利要求1所述的方法，其特征在于，所述根据所述反馈信号和所述检测结果，生成预设形式的检测报告，包括：
根据所述检测结果，计算每个所述第二目标与所有所述第一目标的交并比；
根据所述交并比，确定所述第一目标和所述第二目标的位置关系；
根据所述位置关系，生成预设形式的检测报告。


5.根据权利要求4所述的方法，其特征在于，所述根据所述检测结果，计算每个所述第二目标与所有所述第一目标的交并比之前，包括：
判断所述反馈信号是否为错误信号；
当所述反馈信号为错误信号时，接收修改信息；
根据所述修改...

【专利技术属性】
技术研发人员：陈虎，李虹，孙玉春，王勇，
申请(专利权)人：北京大学口腔医学院，
类型：发明
国别省市：北京;11