一种基于人工智能的图像预测方法、相关装置及存储介质与流程

技术特征：
1.一种基于人工智能的图像预测方法，其特征在于，包括：获取待预测图像，其中，所述待预测图像对应于目标图像尺寸；基于所述待预测图像，通过区域分割模型获取第一掩膜图像，其中，所述第一掩膜图像对应于所述目标图像尺寸，且所述第一掩膜图像包括目标对象所对应的第一分割区域；基于所述第一掩膜图像以及所述待预测图像，通过区域预测模型获取第二掩膜图像，其中，所述第二掩膜对应于所述目标图像尺寸，且所述第二掩膜图像包括所述目标对象所对应的第二分割区域；根据所述第一掩膜图像以及所述第二掩膜图像，生成图像预测结果，其中，所述图像预测结果用于表示所述目标对象在预设时间内的变化情况。2.根据权利要求1所述的图像预测方法，其特征在于，所述基于所述待预测图像，通过区域分割模型获取第一掩膜图像之前，所述方法还包括：获取训练样本图像对，其中，所述训练样本图像对来源于同一个训练对象，所述训练样本图像对包括原始样本图像以及原始标注样本图像，所述原始标注样本图像为对所述原始样本图像进行分割区域标注后得到的图像，所述原始样本图像与所述原始标注样本图像均对应于所述目标图像尺寸；基于所述原始样本图像，通过待训练区域分割模型获取第一预测掩膜图像；根据所述原始样本图像所对应的第一预测掩膜图像以及所述原始标注样本图像，对所述待训练区域分割模型的模型参数进行更新；若满足模型训练条件，则将已更新的模型参数作为所述区域分割模型的模型参数，以得到所述区域分割模型。3.根据权利要求1所述的图像预测方法，其特征在于，所述基于所述第一掩膜图像以及所述待预测图像，通过区域预测模型获取第二掩膜图像之前，所述方法还包括：获取训练样本图像对，其中，所述训练样本图像对来源于同一个训练对象，所述训练样本图像对包括原始样本图像、原始标注样本图像以及目标标注样本图像，所述原始标注样本图像为对所述原始样本图像进行分割区域标注后得到的图像，所述目标标注样本图像为对目标样本图像进行分割区域标注后得到的图像，所述目标样本图像与所述原始样本图像之间的采样间隔时间小于或等于所述预设时间；基于所述原始样本图像以及所述原始标注样本图像，通过待训练区域预测模型获取第二预测掩膜图像；根据所述第二预测掩膜图像以及所述目标标注样本图像，对所述待训练区域预测模型的模型参数进行更新；若满足模型训练条件，则将已更新的模型参数作为所述区域预测模型的模型参数，以得到所述区域预测模型。4.根据权利要求3所述的图像预测方法，其特征在于，所述获取训练样本图像对，包括：在第一时刻采集训练对象所对应的所述原始样本图像；获取针对于所述原始样本图像的分割区域标注结果，以得到所述训练对象所对应的所述原始标注样本图像；在第二时刻采集所述训练对象所对应的所述目标样本图像，其中，所述第二时刻与所述第一时刻之间的时间间隔为所述目标样本图像与所述原始样本图像之间的采样间隔时
间，且所述第二时刻出现与所述第一时刻之后；获取针对于所述目标样本图像的分割区域标注结果，以得到所述训练对象所对应的所述目标标注样本图像；根据所述原始样本图像、所述原始标注样本图像以及所述目标标注样本图像，获取所述训练样本图像对。5.根据权利要求4所述的图像预测方法，其特征在于，所述在第一时刻采集训练对象所对应的所述原始样本图像，包括：在所述第一时刻采集所述训练对象所对应的待处理原始样本图像；对所述待处理原始样本图像进行裁剪处理，得到所述原始样本图像；所述在第二时刻采集所述训练对象所对应的所述目标样本图像，包括：在所述第二时刻采集所述训练对象所对应的待处理目标样本图像；对所述待处理目标样本图像进行裁剪处理，得到所述目标样本图像；所述方法还包括：基于图像配准、图像重采样以及图像归一化中的至少一种方式，对所述原始样本图像与所述目标样本图像进行处理。6.根据权利要求1所述的图像预测方法，其特征在于，所述区域分割模型为第一三维u型网络3d
‑
unet模型，所述区域预测模型为第二3d
‑
unet模型；所述基于所述待预测图像，通过区域分割模型获取第一掩膜图像，包括：基于所述待预测图像，通过所述第一3d
‑
unet模型所包括的卷积层和池化层进行下采样处理，得到第一特征数据；基于所述第一特征数据，通过所述第一3d
‑
unet模型所包括的卷积层和池化层进行上采样处理，得到所述第一掩膜图像；所述基于所述第一掩膜图像以及所述待预测图像，通过区域预测模型获取第二掩膜图像，包括：基于所述第一掩膜图像以及所述待预测图像，通过所述第二3d
‑
unet模型所包括的卷积层和池化层进行下采样处理，得到第二特征数据；基于所述第二特征数据，通过所述第二3d
‑
unet模型所包括的卷积层和池化层进行上采样处理，得到所述第二掩膜图像。7.根据权利要求1所述的图像预测方法，其特征在于，所述区域分割模型为第一u型网络unet模型，所述区域预测模型为第二unet模型；所述基于所述待预测图像，通过区域分割模型获取第一掩膜图像，包括：基于所述待预测图像，通过所述第一unet模型所包括的卷积层和池化层进行下采样处理，得到第一特征图；基于所述第一特征图，通过所述第一unet模型所包括的卷积层和池化层进行上采样处理，得到所述第一掩膜图像；所述基于所述第一掩膜图像以及所述待预测图像，通过区域预测模型获取第二掩膜图像，包括：基于所述第一掩膜图像以及所述待预测图像，通过所述第二unet模型所包括的卷积层和池化层进行下采样处理，得到第二特征图；
基于所述第二特征图，通过所述第二unet模型所包括的卷积层和池化层进行上采样处理，得到所述第二掩膜图像。8.根据权利要求1所述的图像预测方法，其特征在于，所述基于所述待预测图像，通过区域分割模型获取第一掩膜图像之后，所述方法还包括：基于所述第一掩膜图像，通过对象分类模型获取类别概率分布；根据所述类别概率分布确定目标类别；若所述目标类别用于指示所述目标对象处于变化状态，则执行所述基于所述第一掩膜图像以及所述待预测图像，通过区域预测模型获取第二掩膜图像的步骤。9.根据权利要求1所述的图像预测方法，其特征在于，所述基于所述第一掩膜图像，通过对象分类模型获取类别概率分布之前，所述方法还包括：获取原始样本图像，其中，所述原始样本图像对应于标注分类结果；获取针对于所述原始样本图像的分割区域标注结果，以得到所述训练对象所对应的所述原始标注样本图像；基于所述原始标注样本图像，通过待训练对象分类模型获取预测类别概率分布；根据所述预测类别概率分布以及所述标注分类结果，对所述待训练对象分类模型的模型参数进行更新；若满足模型训练条件，则将已更新的模型参数作为所述对象分类模型的模型参数，以得到所述对象分类模型。10.根据权利要求1所述的图像预测方法，其特征在于，所述方法还包括：获取待预测对象的对象关联信息，其中，所述对象关联信息包括年龄、性别、身高、体重以及病史信息中的至少一种；对所述对象关联信息进行信息特征化处理，得到对象关联特征；所述基于所述第一掩膜图像以及所述待预测图像，通过区域预测模型获取第二掩膜图像，包括：基于所述第一掩膜图像、所述待预测图像以及所述对象关联特征，通过所述区域预测模型以及全连接层获取第二掩膜图像。11.根据权利要求1至10中任一项所述的图像预测方法，其特征在于，所述基于所述第一掩膜图像以及所述待预测图像，通过区域预测模型获取第二掩膜图像之后，所述方法还包括：对所述第二掩膜图像以及所述待预测图像进行图像对齐处理，得到已对齐的第二掩膜图像以及已对齐的待预测图像；将所述已对齐的第二掩膜图像覆盖于所述已对齐的待预测图像之上，得到合成图像，其中，所述已对齐的第二掩膜图像中除去所述第二分割区域的部分为透明区域；显示所述合成图像，或，向终端设备发送所述合成图像，以使所述终端设备显示所述合成图像。12.根据权利要求1至10中任一项所述的图像预测方法，其特征在于，所述根据所述第一掩膜图像以及所述第二掩膜图像，生成图像预测结果，包括：根据所述第一掩膜图像所包括的所述第一分割区域，确定第一分割面积以及第一位置信息，其中，所述第一位置信息表示所述第一分割位置在所述第一掩膜图像中所处的位置；
根据所述第二掩膜图像所包括的所述第二分割区域，确定第二分割面积以及第二位置信息，其中，所述第二位置信息表示所述第二分割位置在所述第二掩膜图像中所处的位置；根据所述第一分割面积以及所述第二分割面积，确定面积变化结果；根据所述第一位置信息以及所述第二位置信息，确定位置变化结果；根据所述面积变化结果以及所述位置变化结果，确定所述图像预测结果。13.一种图像预测装置，其特征在于，包括：获取模块，用于获取待预测图像，其中，所述待预测图像对应于目标图像尺寸；所述获取模块，还用于基于所述待预测图像，通过区域分割模型获取第一掩膜图像，其中，所述第一掩膜图像对应于所述目标图像尺寸，且所述第一掩膜图像包括目标对象所对应的第一分割区域；所述获取模块，还用于基于所述第一掩膜图像以及所述待预测图像，通过区域预测模型获取第二掩膜图像，其中，所述第二掩膜对应于所述目标图像尺寸，且所述第二掩膜图像包括所述目标对象所对应的第二分割区域；生成模块，用于根据所述第一掩膜图像以及所述第二掩膜图像，生成图像预测结果，其中，所述图像预测结果用于表示所述目标对象在预设时间内的变化情况。14.一种计算机设备，其特征在于，包括：存储器、处理器以及总线系统；其中，所述存储器用于存储程序；所述处理器用于执行所述存储器中的程序，所述处理器用于根据程序代码中的指令执行权利要求1至12中任一项所述的方法；所述总线系统用于连接所述存储器以及所述处理器，以使所述存储器以及所述处理器进行通信。15.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1至12中任一项所述的方法。

技术总结
本申请公开了一种基于人工智能的图像预测方法，具体包括：获取待预测图像；基于待预测图像，通过区域分割模型获取第一掩膜图像，第一掩膜图像包括目标对象所对应的第一分割区域；基于第一掩膜图像以及待预测图像，通过区域预测模型获取第二掩膜图像，第二掩膜图像包括目标对象所对应的第二分割区域；根据第一掩膜图像以及第二掩膜图像，生成图像预测结果，其中，图像预测结果用于表示目标对象在预设时间内的变化情况。本申请还公开了相关装置及存储介质。本申请提供的方法在一方面能够提升图像分析的效率，节省时间成本和人力成本，在另一方面，基于人工智能模型对图像进行识别，能够在一定程度上提升图像预测的准确性。够在一定程度上提升图像预测的准确性。够在一定程度上提升图像预测的准确性。


技术研发人员：王晓宁 常健博 王任直 冯铭 姚建华 尚鸿 郑瀚 裴翰奇 陈星翰
受保护的技术使用者：中国医学科学院北京协和医院
技术研发日：2021.03.15
技术公布日：2021/11/25