[发明专利]图像处理方法、模型训练方法、装置、和存储介质

权利要求书

1.一种图像处理方法，包括：

获取待处理的多个不同数据域的三维医学图像；各不同数据域的所述三维医学图像，是由不同医疗应用场景下对应的终端产生的不同成像模态的图像，包括磁共振成像和光学成像所形成的医学图像；

通过特征提取网络中非带孔的卷积层和带孔的卷积层依次对各不同数据域的所述三维医学图像进行特征提取，获得关于所述三维医学图像中目标对象的图像特征；所述特征提取网络作为迁移网络与训练图像分割网络集成，并基于不同数据域的三维医学图像样本进行迭代训练，使得所述特征提取网络和所述训练图像分割网络的参数值得到迭代更新；所述非带孔的卷积层的输出结果作为所述带孔的卷积层的输入；所述图像特征为不同数据域下三维医学图像的通用特征；

将所获得的图像特征输入图像分割网络进行处理，得到分割图像；所述图像分割网络是对所述训练图像分割网络进行迭代训练所得的网络；

根据所述分割图像中各像素块对应的概率图块，确定所述目标对象所对应的病灶属性。

2.根据权利要求1所述的方法，其特征在于，所述通过特征提取网络对所述三维医学图像进行特征提取之前，所述方法还包括：

当所获取的三维医学图像包含有伪影、且伪影程度值大于预设阈值时，转换相位编码方向；

采集包含有目标对象的三维图像数据；

按照转换后的相位编码方向对所采集的三维图像数据进行编码，得到待处理的三维医学图像。

3.根据权利要求1所述的方法，其特征在于，所述特征提取网络包括多个卷积层；所述通过特征提取网络对所述三维医学图像进行特征提取包括：

通过特征提取网络中的各卷积层对所述三维医学图像进行卷积处理，以提取所述三维医学图像中的特征；所述卷积层包括所述非带孔的卷积层和所述带孔的卷积层；

所述将所获得的图像特征输入图像分割网络进行处理包括：

将所获得的图像特征输入图像分割网络，通过所述图像分割网络中的反卷积层对输入的图像特征进行反卷积处理。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

裁剪所述三维医学图像中不包含对象特征的边缘区域；

将裁剪后三维医学图像中像素值符合预设异常条件的目标像素去除；

所述通过特征提取网络对所述三维医学图像进行特征提取包括：

将去除目标像素后的三维医学图像输入特征提取网络进行提取图像特征。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取不同数据域的三维医学图像样本和对应的训练标签；

通过所述特征提取网络对所述三维医学图像样本进行特征提取，获得关于各数据域的训练图像特征；

将所获得的训练图像特征输入训练图像分割网络进行处理，获得各数据域对应的包含有目标对象的训练图像；

确定所述训练图像与对应的所述训练标签之间的损失值；

按照所述损失值调整所述特征提取网络和所述训练图像分割网络中的参数值，直至所确定的损失值达到训练停止条件。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

裁剪所述三维医学图像样本中不包含对象特征的边缘区域；

将裁剪后三维医学图像样本中像素值符合预设异常条件的目标像素去除；

所述通过所述特征提取网络对所述三维医学图像样本进行特征提取包括：

将去除所述目标像素后的三维医学图像样本输入所述特征提取网络中提取图像特征。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

计算所述三维医学图像样本中像素值的均值和标准差；

根据计算的均值和标准差，将所述三维医学图像样本的像素值归一化处理；

所述将去除所述目标像素后的三维医学图像样本输入所述特征提取网络中提取图像特征包括：

将归一化处理后的三维医学图像样本输入所述特征提取网络中进行图像特征的提取。