[发明专利]基于人工智能的图像处理方法、装置、设备及存储介质

说明书

本申请公开了一种基于人工智能的图像处理方法、装置、设备及存储介质，属于计算机技术领域。本申请实施例涉及到人工智能，通过切割切片图像，直接将切割得到的多个图像块输入标注模型中，由标注模型自动标注出切片图像中多边形区域的顶点位置，连接顶点位置，输出标注信息，通过标注出多边形区域的顶点位置，来确定出多边形区域，一方面，多边形区域符合目标人体组织区域连续且没有孔洞的特性，准确性更高。无需逐像素预测，能够大大减少处理的复杂度。另一方面，标注过程不依赖于人工标注的数据，大大减少了人工成本，由标注模型自动标注，能够有效提高标注速度，进而提高图像处理效率。

技术领域

本申请涉及计算机技术领域，特别涉及一种基于人工智能的图像处理方法、装置、设备及存储介质。

背景技术

淋巴结转移常发生在许多癌症中，例如乳腺癌、结直肠癌、胰腺癌等。通常，越多癌细胞转移到淋巴结，患者的预后就越差。因而，需要通过需要对切片图像进行处理来确定淋巴结转移区域的位置，继而进行诊断和计划治疗方案。

目前，基于人工智能的图像处理方法通常是由人工对完整的病理图像进行标注，标注出目标人体组织所在区域，得到病理图像的标注信息，使用带有标注信息的病理图像训练模型。例如，需要人工标注出边界框，或者由人工进行极端点的点标注或涂鸦标注，均需要人工标注信息作为先验信息，生成对应的语义分割掩码。

深度学习算法的训练依赖大量人工标注的数据，由于完整病理图像的尺寸通常为数万像素，因此标注过程非常繁琐且耗时，人工成本很高，且一些标注方法中标注出的目标人体组织所在区域是不相交的区域，与目标人体组织所在区域为连续的且没有孔洞的特性不符，图像处理效率很低，准确度不高。

发明内容

本申请实施例提供了一种基于人工智能的图像处理方法、装置、设备及存储介质，可以提高图像处理方法的准确性和效率。所述技术方案如下：

一方面，提供了一种基于人工智能的图像处理方法，所述方法包括：

获取切片图像；

对所述切片图像进行切割，得到多个图像块；

将所述多个图像块输入标注模型中，由所述标注模型根据所述多个图像块提取所述切片图像的像素特征，根据所述像素特征，确定所述切片图像中多边形区域的多个顶点位置，连接所述多个顶点位置，输出所述切片图像的标注信息，所述多边形区域为目标人体组织所在区域。

在一种可能实现方式中，所述对所述切片图像进行切割，得到多个图像块，包括：

按照目标尺寸，对所述切片图像进行切割，得到多个所述目标尺寸的图像块。

一方面，提供了一种基于人工智能的图像处理装置，所述装置包括：

获取模块，用于获取切片图像；

切割模块，用于对所述切片图像进行切割，得到多个图像块；

处理模块，用于将所述多个图像块输入标注模型中，由所述标注模型根据所述多个图像块提取所述切片图像的像素特征，根据所述像素特征，确定所述切片图像中多边形区域的多个顶点位置，连接所述多个顶点位置，输出所述切片图像的标注信息，所述多边形区域为目标人体组织所在区域。

在一种可能实现方式中，所述像素特征为分割掩码；

所述处理模块包括编码单元和解码单元；

所述编码单元，用于根据所述多个图像块的像素值，对所述多个图像块进行编码，得到所述多个图像块的特征；

所述解码单元，用于对编码得到的特征进行解码，得到所述切片图像的分割掩码。

在一种可能实现方式中，所述提取所述切片图像的像素特征基于多个卷积层实现；

所述编码单元用于：