【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、电子设备和存储介质。
技术介绍
1、在生物医学领域，管状结构追踪指获得管状结构(如血管、气管、神经轴突等管状形态的物体)的拓扑结构的方式。管状结构追踪是生物医学领域的重要问题，在支气管镜检查、动脉介入手术、神经元追踪等方面有着重要应用。现有的管状结构追踪方法主要有基于最短路径算法的半自动追踪方法和基于快速行进(fast marching)算法的全自动追踪方法。但基于最短路径算法的半自动追踪方法需要大量人工操作，耗时久，成本高；并且基于最短路径算法的半自动追踪方法和基于快速行进算法的全自动追踪方法，在信号低或存在干扰信号的情况下，都会产生断线问题。
技术实现思路
1、有鉴于此，提出了一种图像处理方法、装置、电子设备、存储介质及计算机程序产品。
2、第一方面，本申请的实施例提供了一种图像处理方法，所述方法包括：获取待处理图像，所述待处理图像包括管状结构；确定所述管状结构中的多个节点；将所述多个节点中的第一节点与至少一个第二节点进行连接，得到调整后的管状结构，其中，所述第二节点为所述多个节点中除所述第一节点外的节点；根据调整后的管状结构，构建所述管状结构对应的至少一个拓扑图。
3、基于上述技术方案，通过对待处理图像中管状结构的节点进行过连接操作，得到调整后的管状结构；根据调整后的管状结构，构建管状结构对应的至少一个拓扑图；可以实现对管状结构进行自动追踪，无需大量人工操作，减少了追踪时间和追踪成本，提高了追踪效率；
4、根据第一方面，在所述第一方面的第一种可能的实现方式中，所述方法还包括：在所述至少一个拓扑图的数量为多个的情况下，对所述至少一个拓扑图进行筛选。
5、基于上述技术方案，对得到的多个拓扑图进行筛选，可以将筛选得到的拓扑图作为管状结构的追踪结果，可以进一步提高管状结构追踪结果的准确性。
6、根据第一方面或第一方面的第一种可能的实现方式，在所述第一方面的第二种可能的实现方式中，所述将所述多个节点中的第一节点与至少一个第二节点进行连接，得到调整后的管状结构，包括：将所述第一节点与距其预设范围内的至少一个所述第二节点进行连接，得到所述调整后的管状结构。
7、基于上述技术方案，由于管状结构中距离较近的节点之间存在连接关系的可能性较大，对于每个节点，将距其预设范围内的其他节点分别与其进行连接，可以将管状结构中可能存在连接关系的节点连接起来，这样通过对管状结构的节点进行过连接操作，所构建得到的过连接边属于管状结构对应的拓扑图的概率更大，从而可以构建更准确的管状结构对应的拓扑图。
8、根据第一方面或第一方面上述各种可能的实现方式，在所述第一方面的第三种可能的实现方式中，所述根据调整后的管状结构，构建所述管状结构对应的至少一个拓扑图，包括：根据所述调整后的管状结构中的至少一个节点、所述调整后的管状结构中的至少一个连接边和所述至少一个连接边对应的特征，构建所述至少一个拓扑图。
9、基于上述技术方案，通过连接边对应的特征可以表征连接边的特性，根据调整后的管状结构中的节点、连接边和连接边对应的特征，可以筛选出更加准确的连接边，从而可以构建出更准确的管状结构对应的拓扑图。
10、根据第一方面的第三种可能的实现方式，在所述第一方面的第四种可能的实现方式中，所述根据所述调整后的管状结构中的至少一个节点、所述调整后的管状结构中的至少一个连接边和所述至少一个连接边对应的特征，构建所述至少一个拓扑图，包括：根据所述至少一个连接边对应的特征，得到所述至少一个连接边的权值；根据所述至少一个节点、所述至少一个连接边和所述至少一个连接边的权值，构建所述至少一个拓扑图。
11、基于上述技术方案，根据调整后的管状结构中的连接边对应的特征得到连接边的权值，连接边的权值越大则表示该连接边越有可能属于管状结构对应的拓扑图，反之，权值越小则表示该连接边属于管状结构对应的拓扑图的可能性越低；从而根据调整后的管状结构中的节点、连接边和连接边的权值，可以构建出更准确的管状结构对应的拓扑图。
12、根据第一方面的第四种可能的实现方式，在所述第一方面的第五种可能的实现方式中，所述根据所述至少一个连接边对应的特征，得到所述至少一个连接边的权值，包括：将所述至少一个连接边对应的特征输入预设模型，得到所述至少一个连接边属于所述至少一个拓扑图的概率；根据所述至少一个连接边属于所述至少一个拓扑图的概率，得到所述至少一个连接边的权值；其中，所述预设模型基于拓扑图训练样本中每一连接边对应的特征训练得到。
13、基于上述技术方案，通过将各连接边对应的特征输入至预设模型中，得到各连接边属于待处理图像中的管状结构对应的拓扑图的概率，从而得到各连接边的权值，将管状结构追踪问题转化为管状结构的连接边预测问题，与现有的管状结构追踪方法相比，将传统的迭代数值计算转化为一次神经网络矩阵计算，可以极大地减少计算量，减少内存占用，缩短追踪时间，从而提升管状结构的追踪效率。
14、根据第一方面的第三、四或五种可能的实现方式，在所述第一方面的第六种可能的实现方式中，所述至少一个连接边对应的特征指示所述至少一个连接边的几何特性，和/或所述至少一个连接边中至少一端节点的几何特性。
15、作为一个示例，所述至少一个连接边对应的特征，包括：所述至少一个连接边至少一端节点的坐标、所述至少一个连接边的长度、所述至少一个连接边的斜率中的至少一项。
16、基于上述技术方案，连接边对应的特征指示连接边的几何特性，和/或连接边中至少一端节点的几何特性，通过这些特征可以更准确地预测连接边属于管状结构对应的拓扑图的概率，从而可以构建更准确的管状结构对应的拓扑图。
17、根据第一方面的第五种可能的实现方式，在所述第一方面的第七种可能的实现方式中，所述预设模型为图神经网络模型。
18、基于上述技术方案，使用图神经网络模型可以更准确地学习到连接边对应的特征，将各连接边对应的特征输入至训练好的图神经网络模型中，可以更准确地预测连接边属于管状结构对应的拓扑图的概率，从而可以构建更准确的管状结构对应的拓扑图；利用图神经网络模型可以将管状结构追踪问题转化为管状结构的连接边预测问题，与现有的管状结构追踪方法相比，将传统的迭代数值计算转化为一次神经网络矩阵计算，可以极大地减少计算量，减少内存占用，缩短追踪时间，从而提升管状结构的追踪效率。
19、根据第一方面的第四、五、六或七种可能的实现方式，在所述第一方面的第八种可能的实现方式中，所述根据所述至少一个节点、所述至少一个连接边和所述至少一个连接边的权值，构建所述至少一个拓扑图，包括：根据所述至少一个节点、所述至少一个连接边和本文档来自技高网...
【技术保护点】
1.一种图像处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1或2所述的方法，其特征在于，所述将所述多个节点中的第一节点与至少一个第二节点进行连接，得到调整后的管状结构，包括：
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述根据调整后的管状结构，构建所述管状结构对应的至少一个拓扑图，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述调整后的管状结构中的至少一个节点、所述调整后的管状结构中的至少一个连接边和所述至少一个连接边对应的特征，构建所述至少一个拓扑图，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述至少一个连接边对应的特征，得到所述至少一个连接边的权值，包括：
7.根据权利要求4-6中任一项所述的方法，其特征在于，所述至少一个连接边对应的特征指示所述至少一个连接边的几何特性，和/或所述至少一个连接边中至少一端节点的几何特性。
8.根据权利要求6所述的方法，其特征在于，所述预设模型为图神经网络模型。
9.根据权利要求5-8中任一项所述的方法，其特征在于，所述根据所述至少一个节点、所述至少一个连接边和所述至少一个连接边的权值，构建所述至少一个拓扑图，包括：
10.根据权利要求1-9中任一项所述的方法，其特征在于，所述拓扑图为树形拓扑图。
11.根据权利要求5所述的方法，其特征在于，所述根据所述至少一个节点、所述至少一个连接边和所述至少一个连接边的权值，构建所述至少一个拓扑图，包括：
12.根据权利要求1-11中任一项所述的方法，其特征在于，所述确定所述管状结构中的多个节点，包括：
13.一种图像处理装置，其特征在于，包括：获取模块，用于获取待处理图像，所述待处理图像包括管状结构；节点确定模块，用于确定所述管状结构中的多个节点；连接模块，用于将所述多个节点中的第一节点与至少一个第二节点进行连接，得到调整后的管状结构，其中，所述第二节点为所述多个节点中除所述第一节点外的节点；构建模块，用于根据调整后的管状结构，构建所述管状结构对应的至少一个拓扑图。
14.根据权利要求13所述的装置，其特征在于，所述装置还包括：筛选模块，用于在所述至少一个拓扑图的数量为多个的情况下，对所述至少一个拓扑图进行筛选。
15.根据权利要求13或14所述的装置，其特征在于，所述连接模块，还用于：将所述第一节点与距其预设范围内的至少一个所述第二节点进行连接，得到所述调整后的管状结构。
16.根据权利要求13-15中任一项所述的装置，其特征在于，所述构建模块，还用于：根据所述调整后的管状结构中的至少一个节点、所述调整后的管状结构中的至少一个连接边和所述至少一个连接边对应的特征，构建所述至少一个拓扑图。
17.根据权利要求16所述的装置，其特征在于，所述构建模块，还用于：根据所述至少一个连接边对应的特征，得到所述至少一个连接边的权值；根据所述至少一个节点、所述至少一个连接边和所述至少一个连接边的权值，构建所述至少一个拓扑图。
18.根据权利要求17所述的装置，其特征在于，所述构建模块，还用于：将所述至少一个连接边对应的特征输入预设模型，得到所述至少一个连接边属于所述至少一个拓扑图的概率；根据所述至少一个连接边属于所述至少一个拓扑图的概率，得到所述至少一个连接边的权值；其中，所述预设模型基于拓扑图训练样本中每一连接边对应的特征训练得到。
19.根据权利要求16-18中任一项所述的装置，其特征在于，所述至少一个连接边对应的特征指示所述至少一个连接边的几何特性，和/或所述至少一个连接边中至少一端节点的几何特性。
20.根据权利要求18所述的装置，其特征在于，所述预设模型为图神经网络模型。
21.根据权利要求17-20中任一项所述的装置，其特征在于，所述构建模块，还用于：根据所述至少一个节点、所述至少一个连接边和所述至少一个连接边的权值，基于最小生成树算法，构建所述至少一个拓扑图。
22.根据权利要求13-21中任一项所述的装置，其特征在于，所述拓扑图为树形拓扑图。
23.根据权利要求17所述的装置，其特征在于，所述构建模块，还用于：根据所述至少一个连接边的权值，确定第一连接边集合中权值最大的任一连接边；其中，所述第一连接边集合的初始状态包括所述至少一个连接边；在所述权值最大的任一连接边与第二连接边集合中的连接边不构成环形结构的情况下，将所述权值最大的任一连接边添加到所述第二连接边集合中；其中，所述第二连接边...
【技术特征摘要】
1.一种图像处理方法，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，所述方法还包括：
3.根据权利要求1或2所述的方法，其特征在于，所述将所述多个节点中的第一节点与至少一个第二节点进行连接，得到调整后的管状结构，包括：
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述根据调整后的管状结构，构建所述管状结构对应的至少一个拓扑图，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述调整后的管状结构中的至少一个节点、所述调整后的管状结构中的至少一个连接边和所述至少一个连接边对应的特征，构建所述至少一个拓扑图，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述至少一个连接边对应的特征，得到所述至少一个连接边的权值，包括：
7.根据权利要求4-6中任一项所述的方法，其特征在于，所述至少一个连接边对应的特征指示所述至少一个连接边的几何特性，和/或所述至少一个连接边中至少一端节点的几何特性。
8.根据权利要求6所述的方法，其特征在于，所述预设模型为图神经网络模型。
9.根据权利要求5-8中任一项所述的方法，其特征在于，所述根据所述至少一个节点、所述至少一个连接边和所述至少一个连接边的权值，构建所述至少一个拓扑图，包括：
10.根据权利要求1-9中任一项所述的方法，其特征在于，所述拓扑图为树形拓扑图。
11.根据权利要求5所述的方法，其特征在于，所述根据所述至少一个节点、所述至少一个连接边和所述至少一个连接边的权值，构建所述至少一个拓扑图，包括：
12.根据权利要求1-11中任一项所述的方法，其特征在于，所述确定所述管状结构中的多个节点，包括：
13.一种图像处理装置，其特征在于，包括：获取模块，用于获取待处理图像，所述待处理图像包括管状结构；节点确定模块，用于确定所述管状结构中的多个节点；连接模块，用于将所述多个节点中的第一节点与至少一个第二节点进行连接，得到调整后的管状结构，其中，所述第二节点为所述多个节点中除所述第一节点外的节点；构建模块，用于根据调整后的管状结构，构建所述管状结构对应的至少一个拓扑图。
14.根据权利要求13所述的装置，其特征在于，所述装置还包括：筛选模块，用于在所述至少一个拓扑图的数量为多个的情况下，对所述至少一个拓扑图进行筛选。
15.根据权利要求13或14所述的装置，其特征在于，所述连接模块，还用于：将所述第一节点与距其预设范围内的至少一个所述第二节点进行连接，得到所述调整后的管状结构。
16.根据权利要求13-15中任一项所述的装置，其特征在于，所述构建模块，还用于：根据所述调整后的管状结构...
【专利技术属性】
技术研发人员：丁廉，龙云飞，朱森华，涂丹丹，
申请(专利权)人：华为云计算技术有限公司，
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。