【技术实现步骤摘要】
本申请涉及图像处理，尤其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
1、癌症作为最常见的病症之一，对癌症的病理亚型(病灶类型)进行确定具有很重要的临床价值，对于患者的后期诊断至关重要。相关技术中，主要通过人工进行组织学检查和病理特征评估的方法对癌症的病理亚型进行确定，但是这种方案不仅会对患者本身产生一定的侵入性，而且对于病理亚型的确定存在主观性和不一致性。如何实现对癌症病理亚型的准确确定成为亟待解决的技术问题。
技术实现思路
1、本申请提供了一种图像处理方法、装置、电子设备及存储介质，以至少解决现有技术中存在的以上技术问题。
2、根据本申请的第一方面，提供了一种图像处理方法，所述方法包括：
3、获取目标图像，所述目标图像为针对患病对象的电子计算机断层扫描ct图像；
4、将目标图像输入至预先训练好的检测模型，得到所述检测模型输出的目标区域，所述目标区域表征患病对象的病灶区域；
5、基于所述目标区域以及预设的第一筛选条件，确定第一目标区域，所述第一目标区域表征病灶区域内的实性区域；
6、基于所述目标区域以及预设的第二筛选条件，确定第二目标区域，所述第二目标区域表征病灶区域的周边区域；
7、基于目标区域的影像组学特征、第一目标区域的影像组学特征和第二目标区域的影像组学特征中的至少两个影像组学特征，确定患病对象的病灶类型。
8、上述方案中，所述基于目标区域的影像组学特征、第一目标区域的影像组
9、将目标区域的影像组学特征、第一目标区域的影像组学特征以及第二目标区域的影像组学特征输入至病灶类型预测模型，得到病灶类型预测模型的输出结果，所述输出结果用于表征患病对象的病灶类型；其中，所述病灶类型预测模型是由带不同病灶类型标签的目标样本图像对待训练模型进行训练而得到。
10、上述方案中，所述方法还包括：
11、基于所述患病对象的所述目标图像，得到所述患病对象的临床特征数据；
12、所述基于目标区域的影像组学特征、第一目标区域的影像组学特征和第二目标区域的影像组学特征中的至少两个影像组学特征，确定患病对象的病灶类型，包括：
13、将目标区域的影像组学特征、第一目标区域的影像组学特征、第二目标区域的影像组学特征以及临床特征数据输入至病灶类型预测模型，得到病灶类型预测模型的输出结果，所述输出结果用于表征患病对象的病灶类型；其中，所述病灶类型预测模型是由带不同病灶类型标签的目标样本图像对待训练模型进行训练而得到。
14、上述方案中，所述病灶类型预测模型是由带不同病灶类型标签的目标样本图像对待训练模型进行训练而得到，包括：
15、将带不同病灶类型标签的目标样本图像输入至预先训练好的检测模型，得到所述检测模型输出的目标样本区域；所述目标样本区域表征在目标样本图像中患病对象的病灶区域；
16、基于所述目标样本区域以及预设的第一筛选条件，确定第一目标样本区域；所述第一目标样本区域表征病灶区域内的实性区域；
17、基于所述目标样本区域以及预设的第二筛选条件，确定第二目标样本区域；所述第二目标样本区域表征病灶区域的周边区域；
18、基于目标样本区域的影像组学特征、第一目标样本区域的影像组学特征和第二目标样本区域的影像组学特征中的至少两个影像组学特征，对待训练模型进行训练以得到病灶类型预测模型。
19、上述方案中，所述基于目标样本区域的影像组学特征、第一目标样本区域的影像组学特征和第二目标样本区域的影像组学特征中的至少两个影像组学特征，对待训练模型进行训练以得到病灶类型预测模型，包括：
20、将目标样本区域的影像组学特征、第一目标样本区域的影像组学特征、第二目标样本区域的影像组学特征以及目标样本图像的病灶类型标签输入至待训练模型，对待训练模型进行训练以得到病灶类型预测模型。
21、上述方案中，所述方法还包括：
22、基于患病对象的目标样本图像，得到患病对象的临床特征样本数据；
23、所述基于目标样本区域的影像组学特征、第一目标样本区域的影像组学特征和第二目标样本区域的影像组学特征中的至少两个影像组学特征，对待训练模型进行训练以得到病灶类型预测模型，包括：
24、将目标样本区域的影像组学特征、第一目标样本区域的影像组学特征、第二目标样本区域的影像组学特征、临床特征样本数据以及目标样本图像的病灶类型标签输入至待训练模型，对待训练模型进行训练以得到病灶类型预测模型。
25、上述方案中，所述获取目标图像包括：
26、获取针对所述患病对象的原始ct图像；
27、对所述原始ct图像进行预处理，得到所述患病对象的目标图像。
28、根据本申请的第二方面，提供了一种图像处理装置，所述装置包括：
29、第一获取单元，用于获取目标图像，所述目标图像为针对患病对象的电子计算机断层扫描ct图像；
30、第二获取单元，用于将目标图像输入至预先训练好的检测模型，得到所述检测模型输出的目标区域，所述目标区域表征患病对象的病灶区域；
31、第一确定单元，用于基于所述目标区域以及预设的第一筛选条件，确定第一目标区域，所述第一目标区域表征病灶区域内的实性区域；
32、第二确定单元，用于基于所述目标区域以及预设的第二筛选条件，确定第二目标区域，所述第二目标区域表征病灶区域的周边区域；
33、第三确定单元，用于基于目标区域的影像组学特征、第一目标区域的影像组学特征和第二目标区域的影像组学特征中的至少两个影像组学特征，确定患病对象的病灶类型。
34、根据本申请的第三方面，提供了一种电子设备，包括：
35、至少一个处理器；以及
36、与所述至少一个处理器通信连接的存储器；其中，
37、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请所述的方法。
38、根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行本申请所述的方法。
39、本申请中，通过将目标图像输入至预先训练好的检测模型，得到检测模型输出的目标区域，所述目标区域表征患病对象的病灶区域；基于所述目标区域以及预设的第一筛选条件，确定第一目标区域，所述第一目标区域表征病灶区域内的实性区域；基于所述目标区域以及预设的第二筛选条件，确定第二目标区域，所述第二目标区域表征病灶区域的周边区域；基于目标区域的影像组学特征、第一目标区域的影像组学特征和第二目标区域的影像组学特征中的至少两个影像组学特征，确定患病对象的病灶类型。
40、相比于相关技术而言，本申请方案不本文档来自技高网...
【技术保护点】
1.一种图像处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于目标区域的影像组学特征、第一目标区域的影像组学特征和第二目标区域的影像组学特征中的至少两个影像组学特征，确定患病对象的病灶类型，包括：
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：
4.根据权利要求2或3所述的方法，其特征在于，所述病灶类型预测模型是由带不同病灶类型标签的目标样本图像对待训练模型进行训练而得到，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于目标样本区域的影像组学特征、第一目标样本区域的影像组学特征和第二目标样本区域的影像组学特征中的至少两个影像组学特征，对待训练模型进行训练以得到病灶类型预测模型，包括：
6.根据权利要求4所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1至3任一项所述的方法，其特征在于，所述获取目标图像包括：
8.一种图像处理装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括：
10.一种
...【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：
2.根据权利要求1所述的方法，其特征在于，所述基于目标区域的影像组学特征、第一目标区域的影像组学特征和第二目标区域的影像组学特征中的至少两个影像组学特征，确定患病对象的病灶类型，包括：
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：
4.根据权利要求2或3所述的方法，其特征在于，所述病灶类型预测模型是由带不同病灶类型标签的目标样本图像对待训练模型进行训练而得到，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于目标样本区域的影像组学特征、...
【专利技术属性】
技术研发人员：罗立刚，张国伟，高光明，侯波林，罗祥凤，程学亮，
申请(专利权)人：零氪科技北京有限公司，
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。