[发明专利]图像处理方法、装置、设备和存储介质

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括：

获取待检测对象的至少两个不同模态下的医学图像；所述至少两个不同模态下的医学图像均包括感兴趣区域；

将所述至少两个不同模态下的医学图像进行拼接处理，得到拼接后的多模态医学图像；

将所述多模态医学图像分别输入至至少两个神经网络模型中，并对各所述神经网络模型的输出结果进行处理，确定所述多模态医学图像对应的目标分割图像；所述目标分割图像包括所述感兴趣区域。

2.根据权利要求1所述的方法，其特征在于，所述至少两个神经网络模型包括第一神经网络模型和第二神经网络模型，所述将所述多模态医学图像分别输入至至少两个神经网络模型中，并对各所述神经网络模型的输出结果进行处理，确定所述多模态医学图像对应的目标分割图像，包括：

将所述多模态医学图像分别输入至所述第一神经网络模型和所述第二神经网络模型中，得到第一分割图像和第二分割图像；所述第一分割图像和所述第二分割图像均包括感兴趣区域；

将所述第一分割图像和所述第二分割图像进行均值处理，得到多模态医学图像对应的目标分割图像。

3.根据权利要求1所述的方法，其特征在于，所述至少两个神经网络模型均包括下采样双卷积层和上采样卷积层，所述将所述多模态医学图像分别输入至至少两个神经网络模型中，并对各所述神经网络模型的输出结果进行处理，确定所述多模态医学图像对应的目标分割图像，包括：

将所述多模态医学图像分别输入至所述双卷积层中进行特征提取处理以及融合处理，确定所述多模态医学图像的融合特征；

将所述多模态医学图像融合特征分别输入至所述上采样卷积层中进行逆卷积处理以及跳层连接处理，得到各所述神经网络模型的输出结果；

对各所述神经网络模型的输出结果进行处理，确定所述多模态医学图像对应的目标分割图像。

4.根据权利要求2所述的方法，其特征在于，所述第一神经网络模型和所述第二神经网络模型的训练方法包括：

获取样本图像集；所述样本图像集已标注感兴趣区域；

基于所述样本图像集对初始第一神经网络模型进行训练，得到所述第一神经网络模型；以及，基于所述样本图像集对初始第二神经网络模型进行训练，得到所述第二神经网络模型。

5.根据权利要求4所述的方法，其特征在于，所述获取样本图像集，包括：

获取训练样本集，并将所述训练样本集中的各个训练样本均进行预处理，得到预处理后的训练样本集；

对所述预处理后的训练样本集分别进行扩增处理和复制处理，得到所述样本图像集。

6.根据权利要求1-3任意一项所述的方法，其特征在于，在所述将所述至少两个不同模态下的医学图像进行拼接处理之前，所述方法还包括：

对所述至少两个不同模态下的医学图像分别进行重采样，得到各模态下的重采样图像；所述各模态下的重采样图像的尺寸相同；

对所述各模态下的重采样图像分别进行归一化处理，得到各模态下的归一化图像。

7.根据权利要求6所述的方法，其特征在于，若所述至少两个不同模态包括第一模态，则在所述对所述各模态下的重采样图像分别进行归一化处理之前，所述方法还包括：

对第一模态下的重采样图像进行形态学运算处理，得到第一模态下的形态学处理图像。

8.一种图像处理装置，其特征在于，所述装置包括：

获取模块，用于获取待检测对象的至少两个不同模态下的医学图像；所述至少两个不同模态下的医学图像均包括感兴趣区域；

处理模块，用于将所述至少两个不同模态下的医学图像进行拼接处理，得到拼接后的多模态医学图像；

确定模块，用于将所述多模态医学图像分别输入至至少两个神经网络模型中，并对各所述神经网络模型的输出结果进行处理，确定所述多模态医学图像对应的目标分割图像；所述目标分割图像包括所述感兴趣区域。