图像处理方法和装置、设备及存储介质制造方法及图纸

本申请实施例提供了一种图像处理方法和装置、设备及存储介质，属于人工智能技术领域。该方法包括：获取原始样本图像和样本图像标签；将原始样本图像输入预设的原始关联度预测模型进行疾病关联度预测得到原始疾病关联度；将原始疾病关联度和样本图像标签作为预设分布模型的模型参数得到原始分布模型；通过预设的目标损失函数对原始分布模型进行优化得到目标分布模型；将原始疾病关联度输入至目标分布模型进行修正得到更新疾病关联度；根据更新疾病关联度对原始关联度预测模型进行参数调整得到目标关联度预测模型；获取并将目标图像输入目标关联度预测模型进行疾病关联度预测得到目标疾病关联度。本申请实施例能够提高疾病关联度预测的准确性。病关联度预测的准确性。病关联度预测的准确性。

【技术实现步骤摘要】
图像处理方法和装置、设备及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种图像处理方法和装置、设备及存储介质。

技术介绍

[0002]目前，通过深度学习网络进行模型训练以构建疾病关联度预测模型，在模型训练过程中需要提前准备大量的样本数据。但是，在模型训练过程中，不同的样本预测得到概率分布是具有差异的，且对于同一疾病类别标签的样本数据预测得到的概率分布应当不同，但是相关技术中的疾病关联度预测模型对同一疾病类别标签的样本数据，所预测得到概率分布是一致的，不符合样本数据的数据特征，从而影响疾病关联度预测的准确率。

技术实现思路

[0003]本申请实施例的主要目的在于提出一种图像处理方法和装置、设备及存储介质，旨在提高疾病关联度预测的准确率。
[0004]为实现上述目的，本申请实施例的第一方面提出了一种图像处理方法，所述方法包括：
[0005]获取预先标注的样本图像数据；其中，所述样本图像数据包括原始样本图像和样本图像标签，所述样本图像标签用于表征所述原始样本图像的疾病关联度；
[0006]将所述原始样本图像输入预设的原始关联度预测模型进行疾病关联度预测，得到原始疾病关联度；
[0007]将所述原始疾病关联度和所述样本图像标签作为预设分布模型的模型参数，得到原始分布模型；
[0008]通过预设的目标损失函数对所述原始分布模型进行模型优化，得到目标分布模型；
[0009]将所述原始疾病关联度输入至所述目标分布模型进行修正处理，得到更新疾病关联度；r/>[0010]根据所述更新疾病关联度对所述原始关联度预测模型进行参数调整，得到目标关联度预测模型；
[0011]获取目标图像；
[0012]将所述目标图像输入所述目标关联度预测模型进行疾病关联度预测，得到目标疾病关联度。
[0013]在一些实施例，所述将所述原始疾病关联度和所述样本图像标签作为预设分布模型的模型参数，得到原始分布模型，包括：
[0014]根据所述原始疾病关联度和所述样本图像标签进行疾病度量计算，得到疾病度量数据；
[0015]将所述疾病度量数据、所述原始疾病关联度和所述样本图像标签作为所述预设分
布模型的模型参数进行模型构建，得到所述原始分布模型。
[0016]在一些实施例，所述通过预设的目标损失函数对所述原始分布模型进行模型优化，得到目标分布模型，包括：
[0017]通过所述目标损失函数对所述原始分布模型进行模型转换，得到预测损失模型；
[0018]通过所述目标损失函数对所述预测损失模型进行损失计算，得到目标损失值；
[0019]根据所述目标损失值对所述原始分布模型进行参数调整，得到所述目标分布模型。
[0020]在一些实施例，所述根据所述更新疾病关联度对所述原始关联度预测模型进行参数调整，得到目标关联度预测模型，包括：
[0021]对所述更新疾病关联度和所述原始疾病关联度进行损失计算，得到关联度损失值；
[0022]根据所述关联度损失值对所述原始关联度预测模型进行参数调整，得到所述目标关联度预测模型。
[0023]在一些实施例，所述目标关联度预测模型包括：目标特征提取网络、目标归一化层和目标单峰损失函数；所述将所述目标图像输入所述目标关联度预测模型进行疾病关联度预测，得到目标疾病关联度，包括：
[0024]将所述目标图像输入所述目标特征提取网络进行特征提取，得到目标特征向量；
[0025]通过所述目标归一化层对所述目标特征向量进行特征关联性分析，得到候选疾病关联度分布信息；
[0026]通过所述目标单峰损失函数对所述候选疾病关联度分布信息进行单峰调整，得到目标疾病关联度分布信息；
[0027]根据所述目标疾病关联度分布信息进行疾病关联度筛选，得到所述目标疾病关联度。
[0028]在一些实施例，所述候选疾病关联度分布信息包括：每一候选疾病类别的预测关联度；所述通过所述目标单峰损失函数对所述候选疾病关联度分布信息进行单峰调整，得到目标疾病关联度分布信息，包括：
[0029]通过所述目标单峰损失函数对所述预测关联度进行峰值筛选处理，得到目标关联度；
[0030]将所述目标关联度两侧的所述预测关联度进行单峰调节处理，得到所述目标疾病关联度分布信息。
[0031]在一些实施例，所述根据所述目标疾病关联度分布信息进行疾病关联度筛选，得到所述目标疾病关联度，包括：
[0032]对所述目标疾病关联度分布信息进行峰值数据查找，得到目标峰值；
[0033]根据所述目标峰值对所述预测关联度进行筛选处理，得到所述目标疾病关联度。
[0034]为实现上述目的，本申请实施例的第二方面提出了一种图像处理装置，所述装置包括：
[0035]数据获取模块，用于获取预先标注的样本图像数据；其中，所述样本图像数据包括原始样本图像和样本图像标签，所述样本图像标签用于表征所述原始样本图像的疾病关联度；
[0036]原始预测模块，用于将所述原始样本图像输入预设的原始关联度预测模型进行疾病关联度预测，得到原始疾病关联度；
[0037]模型构建模块，用于将所述原始疾病关联度和所述样本图像标签作为预设分布模型的模型参数，得到原始分布模型；
[0038]模型优化模块，用于通过预设的目标损失函数对所述原始分布模型进行模型优化，得到目标分布模型；
[0039]修正模块，用于将所述原始疾病关联度输入至所述目标分布模型进行修正处理，得到更新疾病关联度；
[0040]参数调整模块，用于根据所述更新疾病关联度对所述原始关联度预测模型进行参数调整，得到目标关联度预测模型；
[0041]图像获取模块，用于获取目标图像；
[0042]目标计算模块，用于将所述目标图像输入所述目标关联度预测模型进行疾病关联度预测，得到目标疾病关联度。
[0043]为实现上述目的，本申请实施例的第三方面提出了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的图像处理方法。
[0044]为实现上述目的，本申请实施例的第四方面提出了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的图像处理方法。
[0045]本申请提出的图像处理方法和装置、设备及存储介质，其先对原始分布模型优化得到目标分布模型，再获取目标分布模型根据原始疾病关联度输出的更新疾病关联度，以根据更新疾病关联度调整原始关联度预测模型的参数以得到目标关联度预测模型，最后通过目标关联度预测模型对目标图像进行疾病关联度预测以得到目标疾病关联度，以通过目标疾病关联度作为疾病类别预测的参考数据，从而提升疾病类别预测的准确性。
附图说明
[0046]图1是本申请实施例提供的图像处理方法的流程图；
[0047]图2是图1中的步骤S103的本文档来自技高网...

【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：获取预先标注的样本图像数据；其中，所述样本图像数据包括原始样本图像和样本图像标签，所述样本图像标签用于表征所述原始样本图像的疾病关联度；将所述原始样本图像输入预设的原始关联度预测模型进行疾病关联度预测，得到原始疾病关联度；将所述原始疾病关联度和所述样本图像标签作为预设分布模型的模型参数，得到原始分布模型；通过预设的目标损失函数对所述原始分布模型进行模型优化，得到目标分布模型；将所述原始疾病关联度输入至所述目标分布模型进行修正处理，得到更新疾病关联度；根据所述更新疾病关联度对所述原始关联度预测模型进行参数调整，得到目标关联度预测模型；获取目标图像；将所述目标图像输入所述目标关联度预测模型进行疾病关联度预测，得到目标疾病关联度。2.根据权利要求1所述的方法，其特征在于，所述将所述原始疾病关联度和所述样本图像标签作为预设分布模型的模型参数，得到原始分布模型，包括：根据所述原始疾病关联度和所述样本图像标签进行疾病度量计算，得到疾病度量数据；将所述疾病度量数据、所述原始疾病关联度和所述样本图像标签作为所述预设分布模型的模型参数进行模型构建，得到所述原始分布模型。3.根据权利要求2所述的方法，其特征在于，所述通过预设的目标损失函数对所述原始分布模型进行模型优化，得到目标分布模型，包括：通过所述目标损失函数对所述原始分布模型进行模型转换，得到预测损失模型；通过所述目标损失函数对所述预测损失模型进行损失计算，得到目标损失值；根据所述目标损失值对所述原始分布模型进行参数调整，得到所述目标分布模型。4.根据权利要求2所述的方法，其特征在于，所述根据所述更新疾病关联度对所述原始关联度预测模型进行参数调整，得到目标关联度预测模型，包括：对所述更新疾病关联度和所述原始疾病关联度进行损失计算，得到关联度损失值；根据所述关联度损失值对所述原始关联度预测模型进行参数调整，得到所述目标关联度预测模型。5.根据权利要求2至4任一项所述的方法，其特征在于，所述目标关联度预测模型包括：目标特征提取网络、目标归一化层和目标单峰损失函数；所述将所述目标图像输入所述目标关联度预测模型进行疾病关联度预测，得到目标疾病关联度，包括：将所述目标图像输入所述目标特征提取网络进行特征提取，得到目标特征向量；通过所述目标归一化层对所述目标特征向量进行特征关联性分...

【专利技术属性】
技术研发人员：李泽远，王健宗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：