[发明专利]一种CT图像处理方法和装置

说明书

本发明公开了一种CT图像处理方法、装置、计算机可读存储介质以及电子设备，利用第一神经网络模型先获取第N部分二维图像的感兴趣区域特征图，然后利用第二神经网络模型得到该第N部分二维图像的检测结果，通过第一神经网络模型和第二神经网络模型的配合，先获取感兴趣区域特征图，然后在感兴趣区域特征图中获取检测结果，可以减少感兴趣区域以外图像数据的计算量，同时利用两个神经网络模型分别完成一部分计算，可以提高计算效率。

技术领域

本申请涉及图像处理领域，具体涉及一种CT图像处理方法、装置、计算机可读存储介质以及电子设备。

背景技术

目前，应用机器学习模型对图像进行检测以识别出异常图像(即包含异常状态的目标对象的图像)已越来越多。现有技术中一般需要先收集大量的异常状态的目标对象的图像作为训练图像，利用该训练图像训练机器学习模型以得到能够识别出异常图像的分类模型，然后基于训练好的分类模型从测试图像中识别出异常图像。然而，现有技术中通常是对图像进行整体的特征提取以获取图像的识别结果，例如 CT图像的识别，由于CT图像为多层，数据量较大，多多层图像都进行处理，会导致模型的负担较重，且由于数据量大，也会导致识别的精度不高。

发明内容

为了解决上述技术问题，本申请提出了一种CT图像处理方法、装置、计算机可读存储介质以及电子设备，通过获取包括多层二维图像的CT图像，将该多层二维图像中的第N部分二维图像输入第一神经网络模型得到该第N部分二维图像的感兴趣区域特征图，然后将该第N部分二维图像的感兴趣区域特征图输入第二神经网络模型得到该第N部分二维图像的检测结果；利用第一神经网络模型先获取第N部分二维图像的感兴趣区域特征图，然后利用第二神经网络模型得到该第N部分二维图像的检测结果，通过第一神经网络模型和第二神经网络模型的配合，先获取感兴趣区域特征图，然后在感兴趣区域特征图中获取检测结果，可以减少感兴趣区域以外图像数据的计算量，同时利用两个神经网络模型分别完成一部分计算，可以提高计算效率。

根据本申请的一个方面，提供了一种CT图像处理方法，包括：获取待处理CT图像，其中，所述待处理CT图像包括多层二维图像；将所述多层二维图像中的第N部分二维图像输入第一神经网络模型，得到该第N部分二维图像的感兴趣区域特征图，其中，N 为大于1的整数；以及将所述感兴趣区域特征图输入第二神经网络模型，得到该第N部分二维图像的检测结果。

在一实施例中，在所述将所述多层二维图像中的第N部分二维图像输入第一神经网络模型之前，还包括：将所述多层二维图像中的第一部分二维图像以及对应的感兴趣区域特征图作为训练样本输入所述第一神经网络模型进行训练；以及将所述第一部分二维图像的感兴趣区域特征图以及对应的检测结果作为训练样本输入所述第二神经网络模型进行训练；其中，所述第一部分二维图像不连续。

在一实施例中，所述将所述多层二维图像中的第N部分二维图像输入第一神经网络模型，得到该第N部分二维图像的感兴趣区域特征图包括：对所述第N部分二维图像进行显著性区域提取，得到所述第N部分二维图像的感兴趣区域特征图。

在一实施例中，所述对所述第N部分二维图像进行显著性区域提取，得到所述第N部分二维图像的感兴趣区域特征图包括：对所述第N部分二维图像进行显著性区域提取，得到多个显著性特征图；以及将所述多个显著性特征图叠加，得到所述第N部分二维图像的感兴趣区域特征图。

在一实施例中，所述将所述多个显著性特征图叠加包括：将所述多个显著性特征图加权叠加。

在一实施例中，所述多个显著性特征图的权重为所述多个显著性特征图各自的病变概率。

在一实施例中，所述显著性特征图的病变概率的计算方式包括：比对所述显著性特征图与对应的标准特征图像的相似度；以及根据所述相似度，确定所述显著性特征图的病变概率。