【技术实现步骤摘要】
图像处理方法及装置、医学图像处理方法及装置
[0001]本说明书实施例涉及图像处理
,特别涉及图像处理方法。本说明书一个或者多个实施例同时涉及图像处理装置、医学图像处理方法、医学图像处理装置,一种计算设备,以及一种计算机可读存储介质。
技术介绍
[0002]在计算机辅助脊柱手术的背景下,椎体定位、分段和分割是脊柱自动化分析的重要组成部分。由于外形相似、视野受限、病理性病变等困难,以往的方法通常是将定位、分段和分割任务分别解决,以达到较高的精度;但是通过此种方式会使得整个分析流程特别复杂,并且现有的脊柱自动化分析模型主要依靠脊柱先验信息(例如统计形状、外观和结果)对椎体进行分段,对先验信息极度依赖,使得模型的健壮性受到限制。
[0003]因此,急需提供一种可以将定位、分段和分割统一到一个网络中,以简单快捷的方式实现脊柱的每个椎体识别的医学图像处理方法。
技术实现思路
[0004]有鉴于此,本说明书施例提供了图像处理方法。本说明书一个或者多个实施例同时涉及图像处理装置、医学图像处理方法、医学图像处理装置,一种计算设备,以及一种计算机可读存储介质,以解决现有技术中存在的技术缺陷。
[0005]根据本说明书实施例的第一方面,提供了一种图像处理方法,包括:
[0006]获取包含预定形状目标对象的图像,并对所述图像进行图像特征提取;
[0007]基于所述图像特征确定所述每个预定形状目标对象的初始中心点、调整向量以及初始类别;
[0008]根据所述调整向量对所述每个预定
【技术保护点】
【技术特征摘要】
1.一种图像处理方法,包括:获取包含预定形状目标对象的图像,并对所述图像进行图像特征提取;基于所述图像特征确定所述每个预定形状目标对象的初始中心点、调整向量以及初始类别;根据所述调整向量对所述每个预定形状目标对象的初始中心点进行调整,以获得所述每个预定形状目标对象的目标中心点以及所述目标中心点的连接关系;基于所述目标中心点的连接关系对所述每个预定形状目标对象的初始类别进行调整,以获得所述每个预定形状目标对象的目标类别和目标标签。2.根据权利要求1所述的图像处理方法,所述获得所述每个预定形状目标对象的目标类别和目标标签之后,还包括:根据所述图像特征确定所述每个预定形状目标对象的二值化结果,并基于所述每个预定形状目标对象的二值化结果、目标类别、目标标签以及目标中心点对所述每个预定形状目标对象进行分割。3.根据权利要求2所述的图像处理方法,所述对所述图像进行图像特征提取包括:基于特征提取模型对所述图像进行初始图像特征提取,获得所述初始图像特征;通过多层卷积层对所述初始图像特征进行卷积处理,获得卷积处理后的图像特征;根据预设任务对所述卷积处理后的图像特征进行再次提取,获得第一图像特征和第二图像特征,所述预设任务包括第一任务、第二任务和第三任务。4.根据权利要求3所述的图像处理方法,所述第一任务由第一网络、第二网络实现,所述第二任务由第三网络实现;相应的,所述基于所述图像特征确定所述每个预定形状目标对象的初始中心点、调整向量以及初始类别包括:将所述第一图像特征输入所述第一网络,获得所述每个预定形状目标对象的初始中心点;将所述第一图像特征输入所述第二网络,获得所述每个预定形状目标对象的调整向量;以及将所述第一图像特征输入所述第三网络,获得所述每个预定形状目标对象的初始类别。5.根据权利要求4所述的图像处理方法,所述将所述第一图像特征输入所述第一网络,获得所述每个预定形状目标对象的初始中心点包括:将所述第一图像特征输入所述第一网络,获得所述每个预定形状目标对象中每个像素为初始中心点的概率,并根据所述概率确定所述每个预定形状目标对象的初始中心点。6.根据权利要求5所述的图像处理方法,所述根据所述概率确定所述每个预定形状目标对象的初始中心点之后,还包括:基于所述每个预定形状目标对象中的每个像素、初始中心点以及预设半径确定所述每个预定形状目标对象的初始中心点区域。7.根据权利要求6所述的图像处理方法,所述将所述第一图像特征输入所述第二网络,获得所述每个预定形状目标对象的调整向量包括:将所述第一图像特征输入关系向量网络,获得相邻两个预定形状目标对象的初始中心
点的关系向量;以及将所述第一图像特征输入偏移向量网络,获得所述每个预定形状目标对象的初始中心点区域中每个像素,对应于所述每个预定形状目标对象的初始中心点的偏移向量。8.根据权利要求7所述的图像处理方法,所述根据所述调整向量对所述每个预定形状目标对象的初始中心点进行调整,以获得所述每个预定形状目标对象的目标中心点以及所述目标中心点的连接关系包括:将所述每个预定形状目标对象的初始中心区域中每个像素的值以及所述偏移向量输入预设计算公式,获得所述每个预定形状目标对象的初始中心区域中每个像素为中心点的概率,以及将所述概率最大的像素作为所述每个预定形状目标对象的候选中心点;基于所述每个预定形状目标对象的候选中心点以及相邻两个预定形状目标对象的初始中心点的关系向量,获得所述每个预定形状目标对象的目标中心点以及所述目标中心点的连接关系。9.根据权利要求1所述的图像处理方法,所述基于所述目标中心点的连接关系对所述每个预定形状目标对象的初始类别进行调整,以获得所述每个预定形状目标对象的目标类别包括:基于所述目标中心点的连接关系采用最大化似然算法对所述每个预定形状目标对象的初始类别进行调整,以获得所述每个预定形状目标对象的目标类别和目标标签。10.根据权利要求6所述的图像处理方法,所述第三任务由第四网络实现;相应的,所述根据所述图像特征确定所述每个预定形状目标对象的二值化结果包括:将所述第二图像特征输入所述第四网络,获得所述每个预定形状目标对象的二值化结果。11.根据权利要求10所述的图像处理方法,所述基于所述每个预定形状目标对象的二值化结果、目标类别、目标标签以及目标中心点对所述每个预定形状目标对象进行分割包括:获取所述每个预定形状目标对象的二值化后的每个像素的坐标,并基于所述每个像素的坐标、所述偏移向量以及所述每个预定形状目标对象的目标中心点,确定所述每个像素最近的目标中心点;基于所述每个像素最近的目标中心点的目标类别以及目标标签,确定所述每个像素的目标类别以及目标标签,并根据所述每个像素的目标类别以及目标标签实现对所述每个预定形状目标对象进行分割。12.一种医学图像处理方法,包括:获取包含椎体的医学图像,并对所述医学图像进行图像特征提取;基于所述图像特征确定所述每个椎体的初始中心点、调整向量以及初始类别;根据所述调整向量对所述每个椎体的初始中心点进行调整,以获得所述每个椎体的目标中心点以及所述目标中心点的连接关系;基于所述目标中心点的连接关系对所述每个椎体的初始类别进行调整,以获得所述每个椎体的目标类别和目标标签。13.根据权利要求12所述的医学图像处理方法,所述获得所述每个椎体的目标类别和目标标签之后,还包括:
根据所述图像特征确定所述每个椎体的二值化结果,并基于所述每个椎体的二值化结果、目标类别、目标标签以及目标中心点对所述每个椎体进行分割。14.根据权利要求13所述的医学图像处理方法,所述对所述医学图像进行图像特征提取包括:基于特征提取模型对所述医学图像进行初始图像特征提取,获得所述初始图像特征;通过多层卷积层对所述初始图像特征进行卷积处理,获得卷积处理后的图像特征;根据预设任务对所述卷积处理后的图像特征进行再次提取,获得第一图像特征和第二图像特征,所述预设任务包括第一任务、第二任务和第三任务。15.根据权利要求14所述的医学图像处理方法,所述第一任务由第一网络、第二网络实现,所述第二任务由第三网络实现;相应的,所述基于所述图像特征确定所述每个椎体的初始中心点、调整向量以及初始类别包括:将所述第一图像特征输入所述第一网络,获得所述每个椎体的初始中心点;将所述第一图像特征输入所述第二网络,获得所述每个椎体的调整向量;以及将所述第一图像特征输入所述第三网络,获得所述每个椎体的初始类别。16.根据权利要求15所述的医学图像处理方法,所述将所述第一图像特征输入所述第一网络,获得所述每个椎体的初始中心点包括:将所述第一图像特征输入所述第一网络,获得所述每个椎体中每个像素为初始中心点的概率,并根据所述概率确定所述每个椎体的初始中心点。17.根据权利要求16所述的医学图像处理方法,所述根据所述概率确定所述每个椎体的初始中心点之后,还包括:基于所述每个椎体中的每个像素、初始中心点以及预设半径确定所述每个椎体的初始中心点区域。18.根据权利要求17所述的医...
【专利技术属性】
技术研发人员:江涛,王宇,迟颖,張磊,华先胜,
申请(专利权)人:阿里巴巴集团控股有限公司,
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。