图像处理方法及装置与流程

技术特征：
1.一种图像处理方法，包括：获取序列图像；获取待分割管状物的局部管状信息；基于三维特征分割模型，对所述序列图像中所述局部管状信息对应的管状特征进行分割处理；展示分割处理获得的管状特征图像。2.根据权利要求1所述的图像处理方法，所述基于三维特征分割模型，对所述序列图像中所述局部管状信息对应的管状特征进行分割处理，包括：对所述序列图像进行曲面重建，获得一个或多个图像序列；将所述图像序列拆分为多个子序列；所述多个子序列中连续两个子序列至少包含一张重叠的截面图像；将所述多个子序列输入所述三维特征分割模型进行所述管状特征的分割处理，获得所述管状特征图像。3.根据权利要求1所述的图像处理方法，所述三维特征分割模型，采用如下方式训练获得：获取作为训练样本的样本图像；采用稀疏标注的方式对所述样本图像进行特征标注处理，获得与所述样本图像对应的标签图像；基于所述样本图像和所述标签图像对预先构建的待训练模型进行训练，获得所述三维特征分割模型。4.根据权利要求3所述的图像处理方法，所述基于所述样本图像和所述标签图像对预先构建的待训练模型进行训练，获得所述三维特征分割模型，包括：针对所述待训练模型的任意一次训练过程，采用如下方式进行训练：将所述样本图像输入本次训练的待训练模型进行管状特征分割处理，获得分割图像；基于预先设置的损失函数计算所述分割图像相对于所述标签图像的训练损失；判断所述训练损失是否大于或者等于预设损失阈值；若是，基于所述损失函数对本次训练的待训练模型进行参数调整，将调整后的待训练模型作为下一次训练的待训练模型；若否，将本次训练的待训练模型作为所述三维特征分割模型。5.根据权利要求3所述的图像处理方法，所述对所述样本图像进行特征标注处理，包括：对所述样本图像中的管状轮廓特征进行标注处理。6.根据权利要求1所述的图像处理方法，所述基于三维特征分割模型，对所述序列图像中所述局部管状信息对应的管状特征进行分割处理，包括：确定所述序列图像中所述局部管状信息对应的序列图像，作为管状物图像；提取所述管状物图像中的管状特征线；基于所述管状特征线对所述管状物图像进行曲面重建，获得一个或者多个图像序列；将所述图像序列输入三维卷积神经网络进行管状特征分割处理，获得管状特征图像序列；
对所述管状特征图像序列进行坐标转换处理，获得所述管状特征图像。7.根据权利要求6所述的图像处理方法，所述基于所述管状特征线对所述管状物图像进行曲面重建，获得一个或者多个图像序列，包括：确定所述管状物图像中的管状分支特征；确定所述管状物图像中包含所述管状分支特征的管状物图像；基于所述管状分支特征的中心线，对包含所述管状分支特征的管状物图像进行曲面重建，获得所述管状分支特征的图像序列。8.根据权利要求7所述的图像处理方法，所述基于所述管状特征线对所述管状物图像进行曲面重建，获得一个或者多个图像序列步骤执行之后，且所述将所述图像序列输入三维卷积神经网络进行管状特征分割处理，获得管状特征图像序列步骤执行之前，包括：确定所述管状分支特征的图像序列中包含的截面图像的图像数目；判断所述图像数目是否大于所述三维特征分割模型的输入序列的预设图像数目；若是，将所述管状分支特征的图像序列拆分为多个子序列；所述多个子序列中连续两个子序列至少包含一张重叠的截面图像。9.根据权利要求7所述的图像处理方法，所述管状物图像包括：采用血管摄影获得的血管图像；所述管状物图像中的分支管状特征包括：所述血管图像中冠脉对应的冠脉特征。10.根据权利要求1所述的图像处理方法，所述局部管状信息，包括下述至少一项：待分割管状物描述文本、待分割管状物二维图像、待分割管状物三维图像序列。11.一种图像处理装置，包括：获取图像模块，被配置为获取序列图像；获取信息模块，被配置为获取待分割管状物的局部管状信息；分割处理模块，被配置为基于三维特征分割模型，对所述序列图像中所述局部管状信息对应的管状特征进行分割处理；展示图像模块，被配置为展示分割处理获得的管状特征图像。12.一种图像处理方法，包括：获取至少一张管状物图像；提取所述管状物图像中的管状特征线；基于所述管状特征线对所述管状物图像进行曲面重建，获得一个或者多个图像序列；将所述图像序列输入三维特征分割模型进行管状特征分割处理，获得管状特征图像序列；对所述管状特征图像序列进行坐标转换处理，获得目标图像。13.根据权利要求12所述的图像处理方法，所述将所述图像序列输入三维特征分割模型进行管状特征分割处理，获得管状特征图像序列，包括：确定所述图像序列中包含的截面图像的图像数目；按照所述图像数目将所述图像序列拆分为多个子序列；所述多个子序列中连续两个子序列至少包含一张重叠的截面图像；将所述多个子序列输入所述三维特征分割模型进行管状特征分割处理，获得所述管状特征图像序列。
14.根据权利要求12所述的图像处理方法，所述三维特征分割模型，采用如下方式训练获得：获取作为训练样本的样本图像；采用稀疏标注的方式对所述样本图像进行特征标注处理，获得与所述样本图像对应的标签图像；基于所述样本图像和所述标签图像对预先构建的待训练模型进行训练，获得所述三维特征分割模型。15.根据权利要求14所述的图像处理方法，所述基于所述样本图像和所述标签图像对预先构建的待训练模型进行训练，获得所述三维特征分割模型，包括：针对所述待训练模型的任意一次训练过程，采用如下方式进行训练：将所述样本图像输入本次训练的待训练模型进行管状特征分割处理，获得分割图像；基于预先设置的损失函数计算所述分割图像相对于所述标签图像的训练损失；判断所述训练损失是否大于或者等于预设损失阈值；若是，基于所述损失函数对本次训练的待训练模型进行参数调整，将调整后的待训练模型作为下一次训练的待训练模型；若否，将本次训练的待训练模型作为所述三维特征分割模型。16.根据权利要求14所述的图像处理方法，所述对所述样本图像进行特征标注处理，包括：对所述样本图像中的管状轮廓特征进行标注处理。17.根据权利要求12所述的图像处理方法，所述基于所述管状特征线对所述管状物图像进行曲面重建，获得一个或者多个图像序列，包括：确定所述管状物图像中的管状分支特征；确定所述管状物图像中包含所述管状分支特征的管状物图像；基于所述管状分支特征的中心线，对包含所述管状分支特征的管状物图像进行曲面重建，获得所述管状分支特征的图像序列。18.根据权利要求17所述的图像处理方法，所述基于所述管状特征线对所述管状物图像进行曲面重建，获得一个或者多个图像序列步骤执行之后，且所述将所述图像序列输入三维特征分割模型进行管状特征分割处理，获得管状特征图像序列步骤执行之前，包括：确定所述管状分支特征的图像序列中包含的截面图像的图像数目；判断所述图像数目是否大于所述三维特征分割模型的输入序列的预设图像数目；若是，将所述管状分支特征的图像序列拆分为多个子序列；所述多个子序列中连续两个子序列至少包含一张重叠的截面图像。19.根据权利要求17所述的图像处理方法，所述管状物图像包括：采用血管摄影获得的血管图像；所述管状物图像中的分支管状特征包括：所述血管图像中冠脉对应的冠脉特征。20.根据权利要求12所述的图像处理方法，所述对所述管状特征图像序列进行坐标转换处理，获得目标图像步骤执行之前，包括：读取所述图像序列中包含的截面图像的坐标信息和所述管状物图像的坐标信息；确定所述截面图像的坐标信息相对于所述管状物图像的坐标信息的映射关系，作为所
述坐标映射关系。21.根据权利要求12所述的图像处理方法，所述三维特征分割模型，包括：三维卷积神经网络。22.一种图像处理装置，包括：获取模块，被配置为获取至少一张管状物图像；提取模块，被配置为提取所述管状物图像中的管状特征线；重建模块，被配置为基于所述管状特征线对所述管状物图像进行曲面重建，获得一个或者多个图像序列；分割模块，被配置为将所述图像序列输入三维特征分割模型进行管状特征分割处理，获得管状特征图像序列；转换模块，被配置为对所述管状特征图像序列进行坐标转换处理，获得目标图像。23.一种计算设备，包括：存储器和处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：获取序列图像；获取待分割管状物的局部管状信息；基于三维特征分割模型，对所述序列图像中所述局部管状信息对应的管状特征进行分割处理；展示分割处理获得的管状特征图像。24.一种计算设备，包括：存储器和处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：获取至少一张管状物图像；提取所述管状物图像中的管状特征线；基于所述管状特征线对所述管状物图像进行曲面重建，获得一个或者多个图像序列；将所述图像序列输入三维特征分割模型进行管状特征分割处理，获得管状特征图像序列；对所述管状特征图像序列进行坐标转换处理，获得目标图像。25.一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现权利要求1至10任意一项所述图像处理方法的步骤。26.一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现权利要求12至21任意一项所述图像处理方法的步骤。

技术总结
本申请提供图像处理方法及装置，其中所述图像处理方法包括：获取序列图像，获取待分割管状物的局部管状信息，之后使用在模型训练过程中，将轮廓信息引入损失函数的计算获得的三维特征分割模型，对所述序列图像中所述局部管状信息对应的管状特征进行分割处理，实现通过三维特征分割模型可以更加精准的对管状特征进行分割处理，从而提高分割处理后获得的管状特征图像的展示效果。特征图像的展示效果。特征图像的展示效果。


技术研发人员：刘双瑞
受保护的技术使用者：阿里巴巴集团控股有限公司
技术研发日：2020.05.20
技术公布日：2021/11/25