【技术实现步骤摘要】
图像处理方法、装置、电子设备及存储介质
[0001]本申请涉及深度学习
,具体而言,涉及一种图像处理方法、装置、电子设备及存储介质。
技术介绍
[0002]脑病灶会使得脑功能发生永久性的改变。对脑病灶的精准分割,使得量化脑病灶各项病理指标,例如病灶总体积,病灶位置与病灶块数量等成为可能,从而为病灶的治疗提供量化数据。
[0003]现有技术中,通常是基于深度卷积神经网络实现脑病灶分割方法,而深度卷积神经网络的训练过程需要大量的训练数据,且需要对训练数据进行人工标注。
[0004]但是,人工标注需要耗费大量的人力成本,进一步地导致了图像分割效率较低。
技术实现思路
[0005]本申请的目的在于,针对上述现有技术中的不足,提供一种图像处理方法、装置、电子设备及存储介质,以便于解决现有技术中存在的对于病灶图像分割效率较低的问题。
[0006]为实现上述目的,本申请实施例采用的技术方案如下:
[0007]第一方面,本申请实施例提供了一种图像处理方法,包括:
[0008]获取至少一组扫描图像,每组扫描图像包括多个待标记图像和多个标准图像,所述待标记图像为含病灶的图像,所述标准图像为不含病灶的正常图像,每组扫描图像分别由不同扫描仪扫描获取,其中,对一个对象进行扫描得到一个或多个所述待标记图像;
[0009]针对每组扫描图像,将每组扫描图像中各待标记图像分别与各标准图像进行图像配准,获取各待标记图像对应的多个参考图像,所述参考图像为所述待标记图像对应的不含病灶的正 ...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:获取至少一组扫描图像,每组扫描图像包括多个待标记图像和多个标准图像,所述待标记图像为含病灶的图像,所述标准图像为不含病灶的正常图像,每组扫描图像分别由不同扫描仪扫描获取,其中,对一个对象进行扫描得到一个或多个所述待标记图像;针对每组扫描图像,将每组扫描图像中各待标记图像分别与各标准图像进行图像配准,获取各待标记图像对应的多个参考图像,所述参考图像为所述待标记图像对应的不含病灶的正常图像;根据所述各待标记图像、以及所述各待标记图像对应的各参考图像,确定所述各待标记图像中各像素点的异常得分;根据所述各待标记图像中各像素点的异常得分、以及确定的所述各待标记图像对应的图像分割阈值,对所述各待标记图像进行异常像素点标记,得到各待标记图像对应的目标图像,所述目标图像包括标记的病灶区域,所述病灶区域由所述异常像素点组成。2.根据权利要求1所述的方法,其特征在于,所述根据所述各待标记图像、以及所述各待标记图像对应的各参考图像,确定所述各待标记图像中各像素点的异常得分,包括:获取目标待标记图像中目标像素点的灰度值、以及所述目标待标记图像对应的各参考图像中所述目标像素点的灰度值,所述目标待标记图像为所述一组扫描图像中的任一待标记图像,所述目标像素点为所述目标待标记图像中各像素点中的任一像素点;获取所述目标待标记图像对应的各参考图像的预设部位掩膜图像;根据所述目标待标记图像中目标像素点的灰度值、所述目标待标记图像对应的各参考图像中所述目标像素点的灰度值、以及所述目标待标记图像对应的各参考图像的预设部位掩膜图像,确定所述目标待标记图像中目标像素点的异常得分。3.根据权利要求1或2所述的方法,其特征在于,所述根据所述各待标记图像中各像素点的异常得分、以及确定的所述各待标记图像对应的图像分割阈值,对所述各待标记图像进行图像分割,得到各待标记图像对应的目标图像之前,所述方法还包括:确定所述各待标记图像所属的扫描图像组中各标准图像中各像素点的异常得分;根据所述各标准图像中各像素点的异常得分,进行直方图计算,得到各标准图像对应的直方图曲线;对各标准图像对应的直方图曲线进行平均处理,得到参考曲线;根据所述各待标记图像中各像素点的异常得分,进行直方图计算,得到输入曲线;根据所述参考曲线和所述输入曲线,确定所述各待标记图像对应的图像分割阈值。4.根据权利要求3所述的方法,其特征在于,所述根据所述参考曲线和所述输入曲线,确定所述各待标记图像对应的图像分割阈值,包括:确定所述参考曲线与所述输入曲线是否存在分叉点;若存在,获取所述各待标记图像对应的分叉点的横坐标值;根据所述各待标记图像对应的分叉点的横坐标值,确定横坐标中值;根据所述横坐标中值,确定所述各待标记图像对应的图像分割阈值。5.根据权利要求4所述的方法,其特征在于,所述根据所述横坐标中值,确定所述各待标记图像...
【专利技术属性】
技术研发人员:刘亚欧,叶初阳,刘成浩,段云云,卓芝政,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:
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。