【技术实现步骤摘要】
本说明书实施例涉及计算机，特别涉及目标图像处理模型训练方法、图像处理方法；本说明书一个或者多个实施例同时涉及一种目标图像处理模型训练装置，图像处理方法，一种计算设备，一种计算机可读存储介质以及一种计算机程序产品。
技术介绍
1、随着乳腺癌筛查的普及，越来越多的人接受平扫ct（ncct，non-contrastcomputed tomography，非对比度计算机断层扫描）检查。然而，ncct检查的结果可能不如增强ct（cect，contrast-enhanced computed tomography，对比增强计算机断层扫描）检查准确，即利用平扫ct进行检查的情况下可能会影响早期诊断和治疗。
2、因此，亟需一种方法来提高平扫ct检查的诊断效果，提高平扫ct数据中肿瘤的检测敏感性和特异性。
技术实现思路
1、有鉴于此，本说明书实施例提供了一种目标图像处理模型训练方法。本说明书一个或者多个实施例同时涉及一种目标图像处理模型训练装置，图像处理方法，一种计算设备，一种计算机可读存储介质以及一种计算机程序产品，以解决现有技术中存在的、利用平扫ct获得的检查结果存在不准确的技术缺陷。
2、根据本说明书实施例的第一方面，提供了一种目标图像处理模型训练方法，包括：
3、确定目标对象的初始图像、增强图像；
4、将所述初始图像以及所述增强图像进行融合，获得融合图像，以及对所述初始图像进行掩码处理，获得掩码图像；
5、将所述融合图像输入参考图像
6、将所述掩码图像输入目标图像处理模型，利用所述目标图像处理模型对所述掩码图像进行编码解码处理，获得目标解码图像特征以及目标解码分类特征；
7、根据所述初始解码图像特征、所述初始解码分类特征、所述目标解码图像特征、所述目标解码分类特征，训练所述目标图像处理模型。
8、根据本说明书实施例的第二方面，提供了一种图像处理方法，包括：
9、确定目标图像，将所述目标图像输入目标图像处理模型；
10、利用所述目标图像处理模型对所述目标图像进行编码解码处理，获得目标图像的目标图像特征以及目标分类特征；
11、利用所述目标图像特征，获得所述目标图像对应的分割图像；
12、利用所述目标分类特征，获得所述目标图像对应的分类结果。
13、根据本说明书实施例的第三方面，提供了一种癌症的计算机辅助诊断方法，包括：
14、确定目标检测区域的ct图像；
15、将所述ct图像输入ct图像处理模型，利用所述ct图像处理模型对所述ct图像进行处理，获得所述ct图像对应的ct分割图像以及ct分类结果，其中，所述ct图像处理模型通过上述目标图像处理模型训练方法训练获得；
16、根据所述ct分割图像以及所述ct分类结果，获得所述目标检测区域是否存在肿瘤的检测结果。
17、根据本说明书实施例的第四方面，提供了一种乳腺癌的计算机辅助诊断方法，包括：
18、确定乳腺区域的ct图像；
19、将所述ct图像输入ct图像处理模型，利用所述ct图像处理模型对所述ct图像进行处理，获得所述ct图像对应的ct分割图像以及ct分类结果，其中，所述ct图像处理模型通过上述目标图像处理模型训练方法训练获得；
20、根据所述ct分割图像以及所述ct分类结果，获得所述乳腺区域是否存在肿瘤的检测结果。
21、根据本说明书实施例的第五方面，提供了另一种图像处理方法，应用于医疗系统的客户端，包括：
22、响应于用户针对所述客户端的用户交互界面的点选操作，确定医疗图像；
23、将所述医疗图像发送至所述医疗系统的服务端，接收所述服务端返回的所述医疗图像对应的分割图像以及分类结果，其中，所述医疗图像对应的分割图像以及分类结果，根据目标图像处理模型对所述医疗图像进行处理获得，所述目标图像处理模型通过上述目标图像处理模型训练方法训练获得；
24、将所述医疗图像对应的分割图像以及分类结果通过所述用户交互界面展示给所述用户。
25、根据本说明书实施例的第六方面，提供了一种癌症的计算机辅助诊断系统，包括客户端和服务端，其中，
26、所述客户端，用于向所述服务端发送目标检测区域的ct图像；
27、所述服务端，用于将所述ct图像输入ct图像处理模型，利用所述ct图像处理模型对所述ct图像进行处理，获得所述ct图像对应的分割图像以及分类结果，并根据所述ct分割图像以及所述ct分类结果，获得所述目标检测区域是否存在肿瘤的检测结果，并将所述检测结果返回至所述客户端，其中，ct图像处理模型通过上述目标图像处理模型训练方法训练获得。
28、根据本说明书实施例的第七方面，提供了一种目标图像处理模型训练装置，包括：
29、图像确定模块，被配置为确定目标对象的初始图像、增强图像；
30、图像获得模块，被配置为将所述初始图像以及所述增强图像进行融合，获得融合图像，以及对所述初始图像进行掩码处理，获得掩码图像；
31、初始特征获得模块，被配置为将所述融合图像输入参考图像处理模型，利用所述参考图像处理模型对所述融合图像进行编码解码处理，获得初始解码图像特征以及初始解码分类特征；
32、目标特征获得模块，被配置为将所述掩码图像输入目标图像处理模型，利用所述目标图像处理模型对所述掩码图像进行编码解码处理，获得目标解码图像特征以及目标解码分类特征；
33、模型训练获得模块，被配置为根据所述初始解码图像特征、所述初始解码分类特征、所述目标解码图像特征、所述目标解码分类特征，训练所述目标图像处理模型。
34、根据本说明书实施例的第八方面，提供了一种图像处理装置，包括：
35、确定模块，被配置为确定目标图像，将所述目标图像输入目标图像处理模型；
36、特征获得模块，被配置为利用所述目标图像处理模型对所述目标图像进行编码解码处理，获得目标图像的目标图像特征以及目标分类特征；
37、图像获得模块，被配置为利用所述目标图像特征，获得所述目标图像对应的分割图像；
38、结果获得模块，被配置为利用所述目标分类特征，获得所述目标图像对应的分类结果。
39、根据本说明书实施例的第九方面，提供了一种计算设备，包括：
40、存储器和处理器；
41、所述存储器用于存储计算机程序/指令，所述处理器用于执行所述计算机程序/指令，该计算机程序/指令被处理器执行时实现上述目标图像处理模型训练方法、图像处理方法的步骤。
42、根据本说明书实施例的第十方面，提供了一种计算机可读存储介质，其存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现本文档来自技高网...
【技术保护点】
1.一种目标图像处理模型训练方法，包括：
2.根据权利要求1所述的目标图像处理模型训练方法，所述参考图像处理模型包括编码器以及解码器，所述编码器通过多个编码层构成，所述解码器通过多个解码层构成；
3.根据权利要求2所述的目标图像处理模型训练方法，所述根据所述多个解码层对应的初始解码图像特征，确定初始解码分类特征，包括：
4.根据权利要求1所述的目标图像处理模型训练方法，所述目标图像处理模型包括编码器以及解码器，所述编码器通过多个编码层构成，所述解码器通过多个解码层构成；
5.根据权利要求4所述的目标图像处理模型训练方法，所述根据所述多个解码层对应的目标解码图像特征，确定目标解码分类特征，包括：
6.根据权利要求1-5任意一项所述的目标图像处理模型训练方法，所述根据所述初始解码图像特征、所述初始解码分类特征、所述目标解码图像特征、所述目标解码分类特征，训练所述目标图像处理模型，包括：
7.根据权利要求1-5任意一项所述的目标图像处理模型训练方法，所述根据所述初始解码图像特征、所述初始解码分类特征、所述目标解码图
8.根据权利要求1所述的目标图像处理模型训练方法，所述将所述融合图像输入参考图像处理模型，利用所述参考图像处理模型对所述融合图像进行编码解码处理，获得初始解码图像特征以及初始解码分类特征之后，还包括：
9.根据权利要求1所述的目标图像处理模型训练方法，所述将所述掩码图像输入目标图像处理模型，利用所述目标图像处理模型对所述掩码图像进行编码解码处理，获得目标解码图像特征以及目标解码分类特征之后，还包括：
10.根据权利要求1所述的目标图像处理模型训练方法，所述参考图像处理模型的训练步骤如下所述：
11.根据权利要求1所述的目标图像处理模型训练方法，所述确定目标对象的初始图像、增强图像，包括：
12.一种图像处理方法，包括：
13.根据权利要求12所述的图像处理方法，所述目标图像处理模型包括编码器以及解码器，所述编码器通过多个编码层构成，所述解码器通过多个解码层构成；
14.根据权利要求13所述的图像处理方法，所述根据所述多个解码层对应的目标图像特征，确定目标分类特征，包括：
15.一种癌症的计算机辅助诊断方法，包括：
16.一种乳腺癌的计算机辅助诊断方法，包括：
17.一种癌症的计算机辅助诊断系统，包括客户端和服务端，其中，
18.一种计算设备，包括：
19.一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现权利要求1-16任意一项所述方法的步骤。
...【技术特征摘要】
1.一种目标图像处理模型训练方法，包括：
2.根据权利要求1所述的目标图像处理模型训练方法，所述参考图像处理模型包括编码器以及解码器，所述编码器通过多个编码层构成，所述解码器通过多个解码层构成；
3.根据权利要求2所述的目标图像处理模型训练方法，所述根据所述多个解码层对应的初始解码图像特征，确定初始解码分类特征，包括：
4.根据权利要求1所述的目标图像处理模型训练方法，所述目标图像处理模型包括编码器以及解码器，所述编码器通过多个编码层构成，所述解码器通过多个解码层构成；
5.根据权利要求4所述的目标图像处理模型训练方法，所述根据所述多个解码层对应的目标解码图像特征，确定目标解码分类特征，包括：
6.根据权利要求1-5任意一项所述的目标图像处理模型训练方法，所述根据所述初始解码图像特征、所述初始解码分类特征、所述目标解码图像特征、所述目标解码分类特征，训练所述目标图像处理模型，包括：
7.根据权利要求1-5任意一项所述的目标图像处理模型训练方法，所述根据所述初始解码图像特征、所述初始解码分类特征、所述目标解码图像特征、所述目标解码分类特征，训练所述目标图像处理模型之前，还包括：
8.根据权利要求1所述的目标图像处理模型训练方法，所述将所述融合图像输入参考图像处理模型，利用所述参考图像处理模型对所述融合...
【专利技术属性】
技术研发人员：唐禹行，张灵，方伟，曹维维，莫志榮，夏英达，张建鹏，许敏丰，吕乐，
申请(专利权)人：阿里巴巴中国有限公司，
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。