[发明专利]图像的处理方法、数据处理方法、医疗系统、设备及介质

说明书

本说明书提供了图像的处理方法、数据处理方法、医疗系统、设备及介质。基于该方法，具体实施前，可以通过引入并利用包含有深度信息的样本视差图构建得到目标加权损失函数；再基于该目标加权损失函数，训练得到对视野远端相对较深位置处的图像区域分割处理能力较好的、适用于处理诸如手术场景等环境较复杂的场景下所采集到的图像的图像处理模型；具体实施时，在得到待处理的目标图像之后，可以通过调用上述图像处理模型处理目标图像，以精准、高效地分割出目标图像中的前景区域和背景区域，得到误差较小、精度较高的目标分割结果。

技术领域

本说明书属于医疗器械技术领域，尤其涉及图像的处理方法、数据处理方法、医疗系统、设备及介质。

背景技术

通常医疗系统在采集得到关于手术区域的内窥镜图像后，需要先对内窥镜图像进行图像分割，以分割出前景区域和背景区域。

但是，由于手术场景中的场景环境比较复杂，例如，常常会存在诸如血肉模糊、烟雾遮挡、反光、明暗不均等环境因素的干扰，导致在该场景下所采集得到的内窥镜图像的区别于其他常规环境下所采集得到的图像，图像质量往往相对较差，影响图像分割的精度。

目前，亟需一种能够高效、精准对环境较复杂的景下所采集到的图像进行图像分割处理的方法。

发明内容

本说明书提供了一种图像的处理方法、数据处理方法、医疗系统、设备及介质，能够精准、高效对诸如手术场景等环境较为复杂的场景下所采集到的图像进行图像分割处理，得到精度较高、误差较小的分割结果。

本说明书实施例提供了一种图像的处理方法，包括：获取目标图像；调用图像处理模型处理所述目标图像，得到对应的目标分割结果；其中，所述图像处理模型基于目标加权损失函数训练得到，所述目标加权损失函数至少包含有与深度信息相关的分割损失项。

本说明书实施例还提供了一种数据处理方法，包括：获取样本图像；根据样本图像，生成样本视差图和样本分割图；利用样本视差图，构建目标加权损失函数；基于所述目标加权损失函数，利用所述样本图像、所述样本视差图和所述样本分割图，训练网络模型，以得到图像处理模型。

本说明书实施例还提供了一种医疗系统，包括内窥镜和图像的处理装置，所述图像的处理装置用于采用所述图像的处理方法对所述内窥镜采集的图像进行处理。

本说明书实施例还提供了一种计算机设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现所述图像的处理方法或数据处理方法的相关步骤。

本说明书实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现所述图像的处理方法的相关步骤。

基于本说明书提供的图像的处理方法、数据处理方法、医疗系统、设备及介质，具体实施前，可以通过引入并利用包含有深度信息的样本视差图，构建得到能够引导模型强化对视野远端、位置较深处的图像区域的分割学习的目标加权损失函数；再基于该目标加权损失函数，训练网络模型，得到对视野远端相对较深位置处的图像区域分割处理能力较好的、适用于处理诸如手术场景等环境较复杂的场景下所采集到的内窥镜图像的图像处理模型。

具体实施时，在得到待处理的目标图像之后，通过调用上述图像处理模型处理目标图像，能够精准、高效地识别并分割出目标图像中的前景区域和背景区域，得到误差较小、精度较高的目标分割结果，后续可以基于上述目标分割结果作为指导，较为精准地进行具体的手术操作。

进一步，具体实施前，在训练图像处理模型的过程中，还可以通过同时引入并使用修正样本视差图，以在训练模型的图像分割能力的同时，并行训练模型的修正视差图的能力，从而可以得到能够同时进行图像分割和视差图修正的图像处理模型，提高了模型的泛化能力。