一种图像处理方法、装置、设备和介质制造方法及图纸

本申请提供一种图像处理方法、装置、设备和介质，使用预先训练的生成对抗网络模型分析第一目标电子计算机断层扫描序列图像中每一张第一目标电子计算机断层扫描图像之间的拓扑结构信息以及第一目标电子计算机断层扫描序列图像的空间特征信息。由于生成对抗网络模型中的生成器模型包括通道注意机机制模块和空间注意机机制模块，从而能够分析各个第一目标电子计算机断层扫描图像之间的关联性以及第一目标电子计算机断层扫描序列图像的整体特征，进而能够更为准确的将低分辨率电子计算机断层扫描序列图像重构出高分辨率的电子计算断层扫描序列图像，以将低剂量的电子计算机断层扫描序列图像重构出高质量的电子计算机断层扫描序列图像。断层扫描序列图像。断层扫描序列图像。

【技术实现步骤摘要】
一种图像处理方法、装置、设备和介质


[0001]本申请涉及图像处理领域，尤其涉及一种图像处理方法、装置、设备和介质。

技术介绍

[0002]电子计算机断层扫描（Computed Tomography，CT）检查对结肠癌的诊断具有一定的价值。通常电子计算机断层扫描图像的清晰度与辐射剂量有关，辐射剂量越高，电子计算机断层扫描图像的清晰度越高，辐射剂量越低，电子计算机断层扫描图像的清晰度越低，因而高剂量的电子计算机断层扫描图像有助于医生更为准确的分析结直肠癌的病理信息。但是，需要患者承受高剂量的辐射，影响患者的身体健康。
[0003]因而，如何在低剂量辐射下获取高质量的电子计算机断层扫描图像是目前亟需解决的问题。

技术实现思路

[0004]本申请提供一种图像处理方法、装置、设备和介质，用以将低分辨率的电子计算机断层扫描图像重构出高分辨率的电子计算断层扫描图像。
[0005]第一方面，本申请提供一种图像处理方法，包括：获取第一目标电子计算机断层扫描序列图像，所述第一目标电子计算机断层扫描序列图像包括多张依次排列的第一目标电子计算机断层扫描图像；使用预先训练的生成对抗网络模型分析每张第一目标电子计算机断层扫描图像之间的拓扑结构信息以及所述第一目标电子计算机断层扫描序列图像的空间特征信息，输出第二目标电子计算机断层扫描序列图像，所述第二目标电子计算机断层扫描序列图像包括多张依次排列的第二目标电子计算机断层扫描图像；其中，所述生成对抗网络模型中的生成器模型包括通道注意力机制模块和空间注意力机制模块，所述第二目标电子计算机断层扫描图像的分辨率大于所述第一目标电子计算机断层扫描图像的分辨率。
[0006]可选的，所述获取第一目标电子计算机断层扫描序列图像，具体包括：通过X射线对目标进行环扫，获得第一目标电子计算机断层扫描序列图像。
[0007]可选的，所述方法还包括：建立图卷积神经网络模型，在所述图卷积神经网络模型中添加通道注意力机制模块和空间注意力机制模块；获取训练集，利用所述训练集对所述图卷积神经网络模型进行训练，获得生成器模型，所述训练集包括多个训练对，每个训练对包括第一电子计算机断层扫描序列图像和第二电子计算机断层扫描序列图像；其中，所述第一电子计算机断层扫描序列图像包括多张依次排列的第一电子计算机断层扫描图像，所述第二电子计算机断层扫描序列图像包括多张依次排列的第二电子计算机断层扫描图像，所述第二电子计算机断层扫描图像的分辨率大于所述第一电子计算机
断层扫描图像的分辨率。
[0008]可选的，获取训练集，利用所述训练集对所述图卷积神经网络模型进行训练，具体包括：获取训练集，利用所述训练集对所述图卷积神经网络模型进行训练；将所述第一电子计算机断层扫描序列图像输入训练后的图卷积神经网络模型中，获得第三电子计算机断层扫描序列图像；将所述第二电子计算机断层扫描序列图像和所述第三电子计算机断层扫描序列图像输入所述生成对抗网络模型中的判别器模型中，若所述判别器模型输出区别特征，对所述图卷积神经网络模型继续训练，直至所述判别器模型无法输出区别特征。
[0009]可选的，所述对所述图卷积神经网络模型继续训练，具体包括：根据所述第二电子计算机断层扫描序列图像和所述第三电子计算机断层扫描序列图像的区别特征调整所述拓扑结构信息的权重和所述空间特征信息的权重；在调整权重后利用所述训练集对所述图卷积神经网络模型继续训练。
[0010]可选的，获取训练集，具体包括：获取目标辐射剂量下的第一电子计算机断层扫描序列图像，对所述第一电子计算机断层扫描序列图像进行下采样获得第二电子计算机断层扫描序列图像，所述目标辐射剂量大于或等于预设值。
[0011]可选的，所述获取目标剂量下的第一电子计算机断层扫描序列图像，对所述第一电子计算机断层扫描序列图像进行下采样获得第二电子计算机断层扫描序列图像，具体包括：获取目标辐射剂量下的结直肠癌的第一电子计算机断层扫描序列图像，对所述第一电子计算机断层扫描序列图像进行多倍采样，获得第二电子计算机断层扫描序列图像。
[0012]第二方面，本申请提供一种图像处理装置，包括：获取模块，用于获取第一目标电子计算机断层扫描序列图像，所述第一目标电子计算机断层扫描序列图像包括多张依次排列的第一目标电子计算机断层扫描图像；处理模块，用于将所述第一目标电子计算机断层扫描序列图像输入预先训练的生成对抗网络模型中，所述预先训练的生成对抗网络模型分析每张第一目标电子计算机断层扫描图像之间的拓扑结构信息以及所述第一目标电子计算机断层扫描序列图像的空间特征信息，输出第二目标电子计算机断层扫描序列图像，所述第二目标电子计算机断层扫描序列图像包括多张依次排列的第二目标电子计算机断层扫描图像；其中，所述生成对抗网络模型中的生成器模型包括通道注意力机制模块和空间注意力机制模块，所述第二目标电子计算机断层扫描图像的分辨率大于所述第一目标电子计算机断层扫描图像的分辨率。
[0013]第三方面，本申请提供一种电子设备，包括：存储器和处理器；存储器用于存储指令；处理器用于调用存储器中的指令执行第一方面及第一方面任一种可能的设计中的图像处理方法。
[0014]第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机指令，当电子设备的至少一个处理器执行该计算机指令时，电子设备执行第一方面及第一方面任一种可能的设计中的图像处理方法。
[0015]第五方面，本申请提供一种计算机程序产品，所述计算机程序产品包括计算机指令，当电子设备的至少一个处理器执行该计算机指令时，电子设备执行第一方面及第一方面任一种可能的设计中的图像处理方法。
[0016]本申请提供的图像处理方法，获取第一目标电子计算机断层扫描序列图像，使用预先训练的生成对抗网络模型分析第一目标电子计算机断层扫描序列图像中每一张第一目标电子计算机断层扫描图像之间的拓扑结构信息以及第一目标电子计算机断层扫描序列图像的空间特征信息，输出第二目标电子计算机断层扫描序列图像。由于生成对抗网络模型中的生成器模型包括通道注意机机制模块和空间注意机机制模块，从而能够分析各个第一目标电子计算机断层扫描图像之间的关联性以及第一目标电子计算机断层扫描序列图像的整体特征，进而能够更为准确的将低分辨率电子计算机断层扫描序列图像重构出高分辨率的电子计算断层扫描序列图像，因而可以将低剂量的电子计算机断层扫描序列图像重构出高质量的电子计算机断层扫描序列图像。
附图说明
[0017]为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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的附图。
[0018]图1为本申请一实施例提供的一种图像处理的流程图；图2为本申请一实施例提供的一种生成器模型的训练方法的流程图；图3为本申请一实施例提供的一种图像处理装置的结构示意图；图4为本申请一实本文档来自技高网...

【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，所述方法包括：获取第一目标电子计算机断层扫描序列图像，所述第一目标电子计算机断层扫描序列图像包括多张依次排列的第一目标电子计算机断层扫描图像；使用预先训练的生成对抗网络模型分析每张第一目标电子计算机断层扫描图像之间的拓扑结构信息以及所述第一目标电子计算机断层扫描序列图像的空间特征信息，输出第二目标电子计算机断层扫描序列图像，所述第二目标电子计算机断层扫描序列图像包括多张依次排列的第二目标电子计算机断层扫描图像；其中，所述生成对抗网络模型中的生成器模型包括通道注意力机制模块和空间注意力机制模块，所述第二目标电子计算机断层扫描图像的分辨率大于所述第一目标电子计算机断层扫描图像的分辨率。2.根据权利要求1所述的方法，其特征在于，所述获取第一目标电子计算机断层扫描序列图像，具体包括：通过X射线对目标进行环扫，获得第一目标电子计算机断层扫描序列图像。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：建立图卷积神经网络模型，在所述图卷积神经网络模型中添加通道注意力机制模块和空间注意力机制模块；获取训练集，利用所述训练集对所述图卷积神经网络模型进行训练，获得生成器模型，所述训练集包括多个训练对，每个训练对包括第一电子计算机断层扫描序列图像和第二电子计算机断层扫描序列图像；其中，所述第一电子计算机断层扫描序列图像包括多张依次排列的第一电子计算机断层扫描图像，所述第二电子计算机断层扫描序列图像包括多张依次排列的第二电子计算机断层扫描图像，所述第二电子计算机断层扫描图像的分辨率大于所述第一电子计算机断层扫描图像的分辨率。4.根据权利要求3所述的方法，其特征在于，获取训练集，利用所述训练集对所述图卷积神经网络模型进行训练，具体包括：获取训练集，利用所述训练集对所述图卷积神经网络模型进行训练；将所述第一电子计算机断层扫描序列图像输入训练后的图卷积神经网络模型中，获得第三电子计算机断层扫描序列图像；将所述第二电子计算机断层扫描序列图像和所述第三电子计算机断层扫描序列图像输入所述生成对抗网络模型中的判别器模型中，若所述判别器模型输出区别特征，对所述图卷积神经网络模型继续训练，直至所述判别器模型无法输出区别特征。5.根据权利要求4所述的方法，其特征在于，所述对所述图卷积神经网络模型继续训练，...

【专利技术属性】
技术研发人员：苗瑞，蔡芳发，周波，陈永刚，邹小刚，
申请(专利权)人：深圳市海清视讯科技有限公司，
类型：发明
国别省市：