System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,尤其涉及一种肋骨抑制模型的生成方法、装置、电子设备及存储介质。
技术介绍
1、在医学图像处理中,胸部图像的肋骨信息会在图像中呈现明显的白色阴影。为方便后续对图像中目标器官或病灶部位的检测和分析,相关人员会对胸部图像进行中的肋骨信息进行抑制。
2、目前,现有技术中,对胸部图像的肋骨信息的抑制主要是通过检测处理相应的数字图像,以获取肋骨特征,从而基于肋骨特征去除胸部图像中的肋骨信息。但是,上述方式中需要人工干预获取肋骨特征,因此,不仅耗费大量的时间和人力成本,而且图像处理结果的准确性也较低。
技术实现思路
1、本专利技术提供了一种肋骨抑制模型的生成方法、装置、电子设备及存储介质,实现了利用肋骨抑制模型去除胸部图像中的肋骨信息,提高了胸部图像处理的效率和准确率。
2、根据本专利技术的一方面,提供了一种肋骨抑制模型的生成方法,该方法包括:
3、获取多张样本胸部图像,并获取与每张样本胸部图像对应的期望肋骨抑制图像,其中,期望肋骨抑制图像为去除样本胸部图像中的肋骨信息的图像;
4、采用多张样本胸部图像和期望肋骨抑制图像对预先建立的生成对抗网络进行训练,其中,生成对抗网络包括生成网络和判别网络,生成网络包括变分自编码器,与生成网络对应的图像生成损失至少包括图像重建损失、相对熵损失和图像感知损失;
5、根据图像生成损失对生成网络的网络参数进行调整,以得到肋骨抑制模型。
6、根据本专利技术的另一方面,提供
7、图像获取模块,用于获取多张样本胸部图像,并获取与每张样本胸部图像对应的肋骨抑制图像,其中,肋骨抑制图像为去除样本胸部图像中的肋骨信息的图像;
8、模型训练模块,用于采用多张样本胸部图像和肋骨抑制图像对预先建立的生成对抗网络进行训练,其中,生成对抗网络包括生成网络和判别网络,生成网络包括变分自编码器,与生成网络对应的图像生成损失至少包括图像重建损失、相对熵损失和图像感知损失;
9、损失调整模块,用于根据图像生成损失对生成网络的网络参数进行调整,以得到肋骨抑制模型。
10、根据本专利技术的另一方面,提供了一种电子设备,该电子设备包括:
11、至少一个处理器;以及
12、与至少一个处理器通信连接的存储器;其中,
13、存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本专利技术任一实施例的肋骨抑制模型的生成方法。
14、根据本专利技术的另一方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现本专利技术任一实施例的肋骨抑制模型的生成方法。
15、本专利技术实施例的技术方案,通过获取多张样本胸部图像,并获取与每张样本胸部图像对应的期望肋骨抑制图像,使得后续可以利用样本胸部图像对生成对抗网络进行训练。通过利用多张样本胸部图像和期望肋骨抑制图像对预先建立的生成对抗网络进行训练,其中,生成对抗网络包括生成网络和判别网络,生成网络包括变分自编码器,与生成网络对应的图像生成损失至少包括图像重建损失、相对熵损失和图像感知损失,使得生成对抗网络能够学习样本胸部图像的特征,且提供了后续调整过程的数据依据,方便进行针对性分析。通过图像生成损失对生成网络的网络参数进行调整,以得到肋骨抑制模型,以便后续利用肋骨抑制模型去除胸部图像中的肋骨信息,解决了现有技术中对胸部图像肋骨抑制耗费大量时间和人力成本的问题,提高了胸部图像处理的效率和准确率。
16、应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种肋骨抑制模型的生成方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述采用多张所述样本胸部图像和所述期望肋骨抑制图像对预先建立的生成对抗网络进行训练,包括:
3.根据权利要求2所述的方法,其特征在于,在所述基于所述生成网络的输出结果得到与所述样本胸部图像对应的模型输出图像之后,还包括:
4.根据权利要求2所述的方法,其特征在于,在所述基于所述生成网络的输出结果得到与所述样本胸部图像对应的模型输出图像之后,还包括:
5.根据权利要求2所述的方法,其特征在于,在所述基于所述生成网络的输出结果得到与所述样本胸部图像对应的模型输出图像之后,还包括:
6.根据权利要求1所述的方法,其特征在于,所述根据所述判别结果确定与所述判别网络对应的图像判别损失,包括:
7.根据权利要求1所述的方法,其特征在于,在所述得到肋骨抑制模型之后,还包括:
8.一种肋骨抑制模型的生成装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读
...【技术特征摘要】
1.一种肋骨抑制模型的生成方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述采用多张所述样本胸部图像和所述期望肋骨抑制图像对预先建立的生成对抗网络进行训练,包括:
3.根据权利要求2所述的方法,其特征在于,在所述基于所述生成网络的输出结果得到与所述样本胸部图像对应的模型输出图像之后,还包括:
4.根据权利要求2所述的方法,其特征在于,在所述基于所述生成网络的输出结果得到与所述样本胸部图像对应的模型输出图像之后,还包括:
5.根据权利要求2所述的方法,其特征在于,在所述基于所述生成网络的输出结果得到...
【专利技术属性】
技术研发人员:刘长东,许文仪,周子捷,
申请(专利权)人:联仁健康医疗大数据科技股份有限公司,
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。