【技术实现步骤摘要】
本申请涉及人工智能中的图像处理，尤其涉及一种基于深度学习的肿瘤图像处理方法、装置、设备及介质。
技术介绍
1、在医学领域，特别是在神经肿瘤学中，治疗反应的评估对于监测疾病进展和治疗效果至关重要。神经肿瘤反应评估(rano)标准是目前临床试验中用于评估脑肿瘤治疗反应的常用标准之一，该标准通过测量肿瘤的一维或二维尺寸变化来评估治疗效果。
2、然而，受手术和其他治疗的影响，肿瘤病灶可能呈现出不规则性和变异性，这会导致肿瘤图像的识别准确度不高，无法精确识别肿瘤图像中的病灶区域。或者，在肿瘤图像的图像质量较差的时候，同样无法精确识别肿瘤图像中的病灶区域。因此，如何提高肿瘤图像中的病灶区域的识别准确度成为了亟需解决的问题。
技术实现思路
1、本申请的主要目的在于提供一种基于深度学习的肿瘤图像处理方法、装置、设备及介质，能够精准地对肿瘤图像中的肿瘤边界进行分割，从而提高肿瘤图像中的病灶区域的识别准确度。
2、第一方面，本申请提供一种基于深度学习的肿瘤图像处理方法，包括：
<...【技术保护点】
1.一种基于深度学习的肿瘤图像处理方法，其特征在于，包括：
2.如权利要求1所述的基于深度学习的肿瘤图像处理方法，其特征在于，所述获取待识别的第一肿瘤图像，包括：
3.如权利要求1所述的基于深度学习的肿瘤图像处理方法，其特征在于，所述第一空间变换网络的训练方式，包括：
4.如权利要求3所述的基于深度学习的肿瘤图像处理方法，其特征在于，所述对所述第一特征向量进行压缩处理，得到目标特征向量，包括；
5.如权利要求1-4任一项所述的基于深度学习的肿瘤图像处理方法，其特征在于，所述基于预设的第一空间变换网络对所述第一肿瘤图像进行...
【技术特征摘要】
1.一种基于深度学习的肿瘤图像处理方法，其特征在于，包括：
2.如权利要求1所述的基于深度学习的肿瘤图像处理方法，其特征在于，所述获取待识别的第一肿瘤图像，包括：
3.如权利要求1所述的基于深度学习的肿瘤图像处理方法，其特征在于，所述第一空间变换网络的训练方式，包括：
4.如权利要求3所述的基于深度学习的肿瘤图像处理方法，其特征在于，所述对所述第一特征向量进行压缩处理，得到目标特征向量，包括；
5.如权利要求1-4任一项所述的基于深度学习的肿瘤图像处理方法，其特征在于，所述基于预设的第一空间变换网络对所述第一肿瘤图像进行空间变换，得到空间变换后的第二肿瘤图像，包括：
6.如权利要求1所述的基于深度学习的肿瘤图像处理方法，其特征在于，所述肿瘤图像分割模型包括图像分块子网络、特...
【专利技术属性】
技术研发人员：赵博涛，彭俊清，王健宗，张旭龙，
申请(专利权)人：平安科技深圳有限公司，
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。