[发明专利]图像处理方法、装置、计算机设备及存储介质

说明书

本申请实施例公开了一种图像处理方法、装置、计算机设备及存储介质，属于计算机技术领域。该方法包括：从样本集中获取第一医学图像；按照第一医学图像中的目标区域的尺寸，对第一医学图像进行分割，以使第一医学图像分割得到的多个图像块中，包含目标区域的图像块的数量最小；交换多个图像块之间的位置，将交换位置后的多个图像块构成扰动医学图像；基于扰动医学图像和第一医学图像的状态标签，训练图像处理模型。基于该扰动医学图像与对应的状态标签来训练图像处理模型，不仅能够促使图像处理模型关注医学图像的局部信息，学习到细粒度的图像特征，还能够降低由于目标区域不完整所导致的误差，因此能够提高图像处理模型进行状态检测的准确率。

技术领域

本申请实施例涉及计算机技术领域，特别涉及一种图像处理方法、装置、计算机设备及存储介质。

背景技术

随着图像处理技术的飞速发展，图像处理技术在医疗领域的应用越来越广泛。例如通过对医学图像进行状态检测，能够确定医学图像所属的状态，然后由医生根据医学图像所属的状态结合其他信息确定疾病的严重程度。

相关技术中，使用深度学习模型来对医学图像进行状态检测。而训练深度学习模型时采用的样本集中包括不同状态的医学图像，但是由于不同医学图像的图像特征较为相似，导致深度学习模型根据图像特征进行状态检测的准确率不够高。

发明内容

本申请实施例提供了一种图像处理方法、装置、计算机设备及存储介质，能够提高状态检测的准确率。所述技术方案如下。

一方面，提供了一种图像处理方法，所述方法包括：

从样本集中获取第一医学图像，所述样本集包括多个医学图像和每个医学图像的状态标签，所述状态标签表示所述医学图像中的目标区域所属的状态；

按照所述第一医学图像中的目标区域的尺寸，对所述第一医学图像进行分割，以使所述第一医学图像分割得到的多个图像块中，包含所述目标区域的图像块的数量最小；

交换所述多个图像块之间的位置，将交换位置后的所述多个图像块构成扰动医学图像；

基于所述扰动医学图像和所述第一医学图像的状态标签，训练图像处理模型，所述图像处理模型用于确定任一医学图像中的目标区域所属的状态。

可选地，所述第二处理网络的数量为多个，所述调用所述第二处理网络，对所述任一医学图像进行状态检测，得到所述第三状态标签，包括：

调用多个第二处理网络，分别对所述任一医学图像进行状态检测，得到多个第四状态标签；

将得到的多个第四状态标签进行融合，得到所述第三状态标签。

可选地，所述第四状态标签包括各个状态对应的概率，所述将得到的多个第四状态标签进行融合，得到所述第三状态标签，包括：

将所述多个第四状态标签中相同状态对应的概率相加，将得到的每个状态对应的总概率构成所述第三状态标签。

另一方面，提供了一种图像处理装置，所述装置包括：

图像获取模块，用于从样本集中获取第一医学图像，所述样本集包括多个医学图像和每个医学图像的状态标签，所述状态标签表示所述医学图像中的目标区域所属的状态；

图像扰动模块，用于按照所述第一医学图像中的目标区域的尺寸，对所述第一医学图像进行分割，以使所述第一医学图像分割得到的多个图像块中，包含所述目标区域的图像块的数量最小；

所述图像扰动模块，还用于交换所述多个图像块之间的位置，将交换位置后的所述多个图像块构成扰动医学图像；

模型训练模块，用于基于所述扰动医学图像和所述第一医学图像的状态标签，训练图像处理模型，所述图像处理模型用于确定任一医学图像中的目标区域所属的状态。