图像识别方法及装置、计算机可读存储介质及电子设备制造方法及图纸

本申请提供了一种图像识别方法及装置、计算机可读存储介质及电子设备，涉及图像处理技术领域。该图像识别方法包括：确定待识别图像序列中的M幅图像各自对应的类别预测向量；基于M幅图像各自对应的类别预测向量，确定M幅图像对应的概率图；基于概率图，确定概率图对应的腐蚀图；基于腐蚀图，确定M幅图像各自对应的类别识别结果。本申请能够基于M幅图像各自对应的粗略类别预测结果，确定M幅图像各自对应的精确类别识别结果，进而实现了在保证识别时效性的前提下，提高识别精准度的目的。提高识别精准度的目的。提高识别精准度的目的。

【技术实现步骤摘要】
图像识别方法及装置、计算机可读存储介质及电子设备


[0001]本申请涉及图像处理
，具体涉及一种图像识别方法及装置、计算机可读存储介质及电子设备。

技术介绍

[0002]通常情况下，三维医学图像序列包括多个部位。为了方便阅片人操作，需要确定三维医学图像序列中的图像各自所属的部位（即确定三维医学图像序列中的图像各自对应的类别），以便基于部位提取出该部位对应的图像。
[0003]然而，现有的部位识别方法，不能兼顾识别时效性和识别精准度，难以满足实际应用需求。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请实施例提供了一种图像识别方法及装置、计算机可读存储介质及电子设备。
[0005]第一方面，本申请一实施例提供了一种图像识别方法，该图像识别方法包括：确定待识别图像序列中的M幅图像各自对应的类别预测向量，其中，M幅图像对应N个类别，类别预测向量与N个类别对应；基于M幅图像各自对应的类别预测向量，确定M幅图像对应的概率图，其中，概率图用于表征M幅图像与N个类别之间的概率关系；基于概率图，确定概率图对应的腐蚀图；基于腐蚀图，确定M幅图像各自对应的类别识别结果。
[0006]结合第一方面，在第一方面的某些实现方式中，基于腐蚀图，确定M幅图像各自对应的类别识别结果，包括：基于腐蚀图，将M幅图像划分为P个第一类预测置信区和Q个第二类预测置信区；基于腐蚀图，确定P个第一类预测置信区中的图像对应的类别识别结果；基于P个第一类预测置信区中的图像对应的类别识别结果，确定Q个第二类预测置信区中的图像对应的类别识别结果。
[0007]结合第一方面，在第一方面的某些实现方式中，基于P个第一类预测置信区中的图像对应的类别识别结果，确定Q个第二类预测置信区中的图像对应的类别识别结果，包括：针对Q个第二类预测置信区中的每个第二类预测置信区，将与第二类预测置信区具备相邻关系的第一类预测置信区，作为第二类预测置信区对应的参考预测置信区；基于参考预测置信区中的图像对应的类别识别结果，确定第二类预测置信区中的图像对应的类别识别结果。
[0008]结合第一方面，在第一方面的某些实现方式中，参考预测置信区的数量为一个。基于参考预测置信区中的图像对应的类别识别结果，确定第二类预测置信区中的图像对应的类别识别结果，包括：确定参考预测置信区和第二类预测置信区之间的时序关联关系；基于时序关联关系和参考预测置信区中的图像对应的类别识别结果，确定第二类预测置信区中的时序最靠近参考预测置信区的图像对应的类别识别结果；基于第二类预测置信区中的时序最靠近参考预测置信区的图像对应的类别识别结果，依次确定第二类预测置信区中的时
序逐渐远离参考预测置信区的图像对应的类别识别结果。
[0009]结合第一方面，在第一方面的某些实现方式中，基于时序关联关系和参考预测置信区中的图像对应的类别识别结果，确定第二类预测置信区中的时序最靠近参考预测置信区的图像对应的类别识别结果，包括：基于参考预测置信区中的图像对应的类别识别结果，确定第二类预测置信区中的时序最靠近参考预测置信区的图像的第一类别预测结果；基于时序关联关系，确定第二类预测置信区中的时序最靠近参考预测置信区的图像的第二类别预测结果；基于第一类别预测结果、第二类别预测结果和概率图，确定第二类预测置信区中的时序最靠近参考预测置信区的图像对应的类别识别结果。
[0010]结合第一方面，在第一方面的某些实现方式中，基于第一类别预测结果、第二类别预测结果和概率图，确定第二类预测置信区中的时序最靠近参考预测置信区的图像对应的类别识别结果，包括：基于概率图，确定第一类别预测结果对应的第一概率值；基于概率图，确定第二类别预测结果对应的第二概率值；将第一概率值和第二概率值中较大的概率值对应的类别预测结果，确定为第二类预测置信区中的时序最靠近参考预测置信区的图像对应的类别识别结果。
[0011]结合第一方面，在第一方面的某些实现方式中，基于时序关联关系，确定第二类预测置信区中的时序最靠近参考预测置信区的图像的第二类别预测结果，包括：若基于时序关联关系，确定第二类预测置信区在参考预测置信区之前，则基于N个类别之间的关联关系，将参考预测置信区中的图像对应的类别的上一类别确定为第二类别预测结果；若基于时序关联关系，确定第二类预测置信区在参考预测置信区之后，则基于N个类别之间的关联关系，将参考预测置信区中的图像对应的类别的下一类别确定为第二类别预测结果。
[0012]结合第一方面，在第一方面的某些实现方式中，参考预测置信区的数量为两个，分别为第S个第一类预测置信区和第S+1个第一类预测置信区。基于参考预测置信区中的图像对应的类别识别结果，确定第二类预测置信区中的图像对应的类别识别结果，包括：利用N个类别之间的关联关系、第S个第一类预测置信区中的图像对应的类别识别结果以及第S+1个第一类预测置信区中的图像对应的类别识别结果，确定第二类预测置信区中的图像对应的类别识别结果。
[0013]结合第一方面，在第一方面的某些实现方式中，利用N个类别之间的关联关系、第S个第一类预测置信区中的图像对应的类别识别结果以及第S+1个第一类预测置信区中的图像对应的类别识别结果，确定第二类预测置信区中的图像对应的类别识别结果，包括：基于第S个第一类预测置信区中的图像对应的类别识别结果，确定第二类预测置信区中的时序最靠近第S个第一类预测置信区的图像对应的类别识别结果；基于第二类预测置信区中的时序最靠近第S个第一类预测置信区的图像对应的类别识别结果，以远离第S个第一类预测置信区的时序方向，逐帧确定第二类预测置信区中的图像对应的类别识别结果。若第二类预测置信区中的第H幅图像对应的类别识别结果与第S+1个第一类预测置信区中的图像对应的类别识别结果相同，则确定第H幅图像之后的图像对应的类别识别结果与第H幅图像对应的类别识别结果相同。
[0014]结合第一方面，在第一方面的某些实现方式中，基于概率图，确定概率图对应的腐蚀图，包括：基于概率图中的M幅图像各自对应的最大概率值，确定概率图对应的二值图。其中，在二值图中，M幅图像各自对应的最大概率值对应第一数值，M幅图像各自对应的非最大
概率值对应第二数值；对二值图进行腐蚀操作，得到腐蚀图。
[0015]结合第一方面，在第一方面的某些实现方式中，确定待识别图像序列中的M幅图像各自对应的类别预测向量，包括：利用图像识别模型，基于M幅图像确定M幅图像各自对应的类别预测向量，其中，图像识别模型用于基于待识别图像，确定待识别图像对应的类别预测向量。
[0016]结合第一方面，在第一方面的某些实现方式中，类别预测向量的行数为1，列数为N。基于M幅图像各自对应的类别预测向量，确定M幅图像对应的概率图，包括：拼接M幅图像各自对应的类别预测向量，得到M幅图像对应的概率矩阵，其中，概率矩阵的行数为M，列数为N；基于概率矩阵确定概率图。
[0017]第二方面，本申请一实施例提供了一种图像识别装置，该图像识别装置包括：第一确定模块，用于确定待识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像识别方法，其特征在于，包括：确定待识别图像序列中的M幅图像各自对应的类别预测向量，其中，所述M幅图像对应N个类别，所述类别预测向量与所述N个类别对应；基于所述M幅图像各自对应的类别预测向量，确定所述M幅图像对应的概率图，其中，所述概率图用于表征所述M幅图像与所述N个类别之间的概率关系；基于所述概率图，确定所述概率图对应的腐蚀图；基于所述腐蚀图，确定所述M幅图像各自对应的类别识别结果。2.根据权利要求1所述的图像识别方法，其特征在于，所述基于所述腐蚀图，确定所述M幅图像各自对应的类别识别结果，包括：基于所述腐蚀图，将所述M幅图像划分为P个第一类预测置信区和Q个第二类预测置信区；基于所述腐蚀图，确定所述P个第一类预测置信区中的图像对应的类别识别结果；基于所述P个第一类预测置信区中的图像对应的类别识别结果，确定所述Q个第二类预测置信区中的图像对应的类别识别结果。3.根据权利要求2所述的图像识别方法，其特征在于，所述基于所述P个第一类预测置信区中的图像对应的类别识别结果，确定所述Q个第二类预测置信区中的图像对应的类别识别结果，包括：针对所述Q个第二类预测置信区中的每个第二类预测置信区，将与所述第二类预测置信区具备相邻关系的第一类预测置信区，作为所述第二类预测置信区对应的参考预测置信区；基于所述参考预测置信区中的图像对应的类别识别结果，确定所述第二类预测置信区中的图像对应的类别识别结果。4.根据权利要求3所述的图像识别方法，其特征在于，所述参考预测置信区的数量为一个，所述基于所述参考预测置信区中的图像对应的类别识别结果，确定所述第二类预测置信区中的图像对应的类别识别结果，包括：确定所述参考预测置信区和所述第二类预测置信区之间的时序关联关系；基于所述时序关联关系和所述参考预测置信区中的图像对应的类别识别结果，确定所述第二类预测置信区中的时序最靠近所述参考预测置信区的图像对应的类别识别结果；基于所述第二类预测置信区中的时序最靠近所述参考预测置信区的图像对应的类别识别结果，依次确定所述第二类预测置信区中的时序逐渐远离所述参考预测置信区的图像对应的类别识别结果。5.根据权利要求4所述的图像识别方法，其特征在于，所述基于所述时序关联关系和所述参考预测置信区中的图像对应的类别识别结果，确定所述第二类预测置信区中的时序最靠近所述参考预测置信区的图像对应的类别识别结果，包括：基于所述参考预测置信区中的图像对应的类别识别结果，确定所述第二类预测置信区中的时序最靠近所述参考预测置信区的图像的第一类别预测结果；基于所述时序关联关系，确定所述第二类预测置信区中的时序最靠近所述参考预测置信区的图像的第二类别预测结果；基于所述第一类别预测结果、所述第二类别预测结果和所述概率图，确定所述第二类
预测置信区中的时序最靠近所述参考预测置信区的图像对应的类别识别结果。6.根据权利要求5所述的图像识别方法，其特征在于，所述基于所述第一类别预测结果、所述第二类别预测结果和所述概率图，确定所述第二类预测置信区中的时序最靠近所述参考预测置信区的图像对应的类别识别结果，包括：基于所述概率图，确定所述第一类别预测结果对应的第一概率值；基于所述概率图，确定所述第二类别预测结果对应的第二概率值；将所述第一概率值和所述第二概率值中较大的概率值对应的类别预测结果，确定为所述第二类预测置信区中的时序最靠近所述参考预测置信区的图像对应的类别识别结果。7.根据权利要求5所述的图像识别方法，其特征在于，所述基于所述时序关联关系，确定所述第二类预测置信区中的时序最靠近所述参考预测置信区的图像的第二类别预测结果，包括：若基于所述时序关联关系，确定所述第二类预测置信区在所述参考预测置信区之前，则基于所述N个类别之间的关联关系，将所述参考预测置信区中的图像对应的类别的上一类别确定为...

【专利技术属性】
技术研发人员：蔡鑫，崔亚轩，
申请(专利权)人：浙江太美医疗科技股份有限公司，
类型：发明
国别省市：